深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
41	2026-09-26	Automated Guava Disease Detection Using Transfer Learning With ResNet-101 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71348 PMID:41438181	研究论文	本文利用ResNet-101进行迁移学习，实现番石榴病害的自动检测，并通过数据增强和Grad-CAM可视化提升模型性能与可解释性	将ResNet-101迁移学习应用于番石榴病害检测，并通过数据增强平衡数据集，同时使用Grad-CAM可视化增强模型的可解释性、公平性和透明度	未明确提及	开发基于深度学习和迁移学习的自动番石榴病害检测方法，以提高检测准确性和效率，支持大规模农业	番石榴（包括健康、炭疽病和果蝇感染三类）	计算机视觉	植物病害	深度学习，迁移学习，数据增强	CNN	图像	原始3784张图像，经过数据增强后生成4632张图像，分为健康、炭疽病、果蝇三类，每类数量均衡	NA	ResNet-101	准确率，误分类率，特异性，召回率，精确率，阴性预测值，假阳性率，假阴性率，F1分数	NA
42	2026-09-26	Detection of phase-binning and interpolation artifacts in 4-dimensional computed tomography imaging using deep learning and rule-based approaches 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70191 PMID:41389065	研究论文	本研究开发3D深度学习模型和基于规则的方法来检测4DCT成像中的相位分箱和插值伪影	引入生成器将合成伪影插入无伪影呼吸相位以生成训练数据，并使用修改的nnUNet和SwinUNETR模型进行体素级伪影检测，同时提出基于规则的插值切片检测方法及局部伪影校正方法	SwinUNETR配置在合成伪影上性能略低，且性能评估缺乏真实伪影掩膜，需通过统计比较检测到的合成与真实病例的伪影特性	开发自动检测4DCT图像中相位分箱和插值伪影的方法，以改善肺癌放疗计划中的图像分析和剂量累积	4DCT图像中的相位分箱伪影和插值伪影	医学图像分析	肺癌	4DCT成像	3D深度学习模型、基于规则的方法	图像	9个临床4DCT数据集用于生成合成数据，1989个真实伪影病例用于测试	NA	nnUNet, SwinUNETR	准确率, 灵敏度, 特异性, Dice分数	NA
43	2026-09-25	RETRACTED ARTICLE: Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-12-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	研究论文	本文提出了一种基于雾计算和IoMT的实时卒中检测与监测系统，使用YOLO v8进行人脸检测，并利用CNN对患者面部图像进行分类以检测卒中	结合雾计算、IoMT和增强深度学习技术，实现实时卒中检测和监测，使用YOLO v8进行人脸检测和CNN进行卒中分类	仅在特定数据集上验证，泛化能力未知；未提及计算资源消耗和实时性能的详细评估	开发实时卒中检测和监测系统，以便快速临床干预	老年患者，尤其是患有慢性病的老年人	计算机视觉	卒中	深度学习	CNN, YOLO v8	图像	NA	NA	YOLO v8, CNN	准确率, 敏感度, 特异性, 精确率, F1分数	NA
44	2026-09-25	Improving Robustness and Reliability in Medical Image Classification With Latent-Guided Diffusion and Nested-Ensembles 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	提出了一种结合视觉Transformer和扩散模型的集成学习方法LaDiNE，用于提高医学图像分类在噪声、对抗扰动和分辨率退化下的鲁棒性和可靠性	首次将视觉Transformer的鲁棒性与扩散生成模型结合用于集成学习，同时解决预测准确性和置信度校准问题	仅在肺结核胸片和黑色素瘤皮肤癌数据集上验证，未在其他医学图像模态或更广泛的临床场景中测试	提高医学图像分类方法在面对未知协变量偏移（如噪声、对抗扰动、分辨率退化）时的鲁棒性和置信度校准	肺结核胸片和黑色素瘤皮肤癌图像	医学图像分析	肺结核, 黑色素瘤皮肤癌	扩散模型, 视觉Transformer	Transformer, 扩散模型, 集成学习	图像	NA	NA	Vision Transformer, Diffusion Model	预测准确率, 置信度校准	NA
45	2026-09-25	In Vivo Laparoscopic Image De-Smoking Dataset, Evaluation, and Beyond 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584641 PMID:40601460	研究论文	本文构建了一个来自腹腔镜手术视频的真实配对烟雾/无烟图像数据集，评估了现有去烟方法，并重新审视了传统去烟模型和先验的适用性	首次提供了从真实腹腔镜手术录像中提取的配对烟雾/无烟图像数据集，采用运动跟踪技术补偿患者不自主运动，确保可靠配对，并重新评估了大气散射模型、大气颜色假设和暗通道先验在手术烟雾去除中的适用性	数据集仅来源于132例腹腔镜前列腺切除术和45例胆囊切除术录像，样本来源相对有限，可能无法完全代表所有腹腔镜手术场景	解决腹腔镜手术烟雾去除领域缺乏真实配对数据集的问题，并评估现有去烟方法及传统模型的局限性	腹腔镜手术视频中的烟雾图像和无烟图像	计算机视觉	前列腺癌, 胆囊疾病	腹腔镜手术录像分析, 运动跟踪	NA	图像	132例腹腔镜前列腺切除术录像（41个视频序列，2000对图像），45例胆囊切除术录像（68个视频序列，1000对图像）	NA	NA	NA	NA
46	2026-09-25	A Novel Few-Shot Learning Framework for Supervised Diffeomorphic Image Registration Network 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585199 PMID:40601459	研究论文	提出了一种新颖的少样本学习框架用于监督微分同胚图像配准网络，包含随机微分同胚生成器和监督少样本学习网络，以解决物理网格折叠和标记训练数据稀缺的问题	提出了随机微分同胚生成器（RDG），通过随机生成复杂向量场来产生一系列微分同胚，仅需少量图像数据（理论上一个图像数据就足够）即可生成大量标签用于训练监督少样本学习网络；损失函数仅需保证变形的平滑性，无需其他控制即可消除物理网格折叠现象	未明确提及	解决医学图像配准中监督网络面临的物理网格折叠和标记训练数据稀缺两大挑战	医学图像配准	计算机视觉	NA	深度学习图像配准	监督少样本学习网络	图像	仅需少量图像数据，理论上一个图像数据即可	NA	NA	NA	NA
47	2026-09-25	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出一种互惠多网络噪声标签学习（MMNNLL）方法，旨在通过多个深度神经网络之间的协作与竞争，从含有噪声标签的数据中学习，并将其应用于双相情感障碍和精神分裂症的跨诊断分类	提出互惠多网络噪声标签学习框架，通过多个深度神经网络在识别和利用干净与噪声样本时最大化一致性，有效处理标签噪声；将该方法应用于精神疾病神经影像数据，识别出两种生物亚型，在跨诊断分类上优于原始临床类别	摘要中未明确提及方法的局限性	解决精神疾病诊断中主观性和标签噪声问题，提高双相情感障碍和精神分裂症的诊断准确性，实现跨诊断分类	双相情感障碍（BP）和精神分裂症（SZ）患者，以及公开数据集CIFAR-10和PathMNIST	机器学习，数字病理学	双相情感障碍，精神分裂症	脑功能连接数据（神经影像）	深度神经网络（DNN）	图像，脑功能连接数据	NA	NA	多个深度神经网络（DNN）	分类准确率	NA
48	2026-09-25	Coupled Diffusion Models for Metal Artifact Reduction of Clinical Dental CBCT Images 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3587131 PMID:40627491	研究论文	本文提出了一种耦合扩散模型（CDM）方法，用于临床牙科CBCT图像的金属伪影减少	分别对临床金属伪影退化和干净图像训练两个扩散模型以获取先验信息，在去噪过程中计算噪声水平的方差，并开发噪声变换模块将金属伪影噪声图像转换为新的初始值，引入金属伪影自适应推理技术以适应不同区域的退化	未明确提及局限性	减少临床牙科CBCT图像中的金属伪影，以改善后续诊断	临床牙科CBCT图像	计算机视觉	牙科疾病	锥形束CT（CBCT），扩散模型	扩散模型	图像	未明确说明，使用临床数据集	未明确说明	扩散模型（Coupled Diffusion Models）	客观指标（未具体说明），视觉质量	未明确说明
49	2026-09-25	ssEM Image Restoration via Diffusion Models With Multi-Output Joint Strategy for Noise Estimation 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584726 PMID:40627490	研究论文	本文提出了一种基于扩散模型的方法，用于恢复ssEM图像中的缺失切片，通过多输出联合策略进行噪声估计，并改进了推理过程	1. 利用扩散模型恢复ssEM图像缺失切片；2. 使用非对称和对称3D卷积增强主干网络以适应各向异性；3. 提出自适应可学习重建模块（ALR）和首尾切片注意力块（FLAB）；4. 采用多输出联合策略（MJS）进行噪声估计；5. 重新设计推理过程以优化部分损坏切片的恢复	未明确提及	恢复ssEM图像中的缺失切片，提高图像质量和下游任务性能	ssEM图像	计算机视觉	NA	ssEM	扩散模型	图像	NA	NA	扩散模型, 3D卷积, 注意力机制	NA	NA
50	2026-09-25	Region Uncertainty Estimation for Medical Image Segmentation With Noisy Labels 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589058 PMID:40658577	研究论文	本文提出了一种基于区域不确定性估计的框架，用于在噪声标签条件下进行CT图像分割，通过样本分层训练策略和边界引导的区域不确定性估计模块，提升分割性能并降低标注成本	提出了样本分层训练策略，根据标签质量对样本进行分层，优先利用高置信度和细粒度信息进行训练；设计了边界引导的区域不确定性估计模块，将样本分层训练与不确定性估计相结合，辅助评估样本置信度；实现了从样本级到体素级的可靠监督信息传播，有效缓解噪声标注的影响	摘要中未明确提及研究的局限性	解决在噪声标签条件下3D医学图像分割的挑战，特别是针对边界模糊的器官和组织分割任务，降低医学图像标注成本并提升在低资源和远程场景下的分割性能	CT图像中的器官和组织分割	计算机视觉	NA	CT图像分割	NA	图像	NA	NA	NA	NA	NA
51	2026-09-25	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本文提出了一种基于改进去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET中动力学参数的贝叶斯后验分布，以提高计算效率	首次将改进去噪扩散概率模型（iDDPM）应用于动态PET动力学参数的后验分布估计，实现了高计算效率和准确性	未明确说明	估计动态脑PET中动力学参数的贝叶斯后验分布	动态脑PET图像中的动力学参数	医学图像分析	阿尔茨海默病	动态PET成像	生成式深度学习模型	图像	未明确说明	NA	改进去噪扩散概率模型（iDDPM）, 条件变分自编码器与双解码器（CVAE-DD）, 带梯度惩罚的Wasserstein GAN（WGAN-GP）	平均误差, 标准差误差	NA
52	2026-09-25	Robust Polyp Detection and Diagnosis Through Compositional Prompt-Guided Diffusion Models 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589456 PMID:40663685	研究论文	本文提出了一种渐进式频谱扩散模型（PSDM），通过整合分割掩码、边界框和结肠镜报告等多种临床标注生成合成息肉图像，以增强结直肠癌筛查中的息肉检测、分类和分割性能	提出渐进式频谱扩散模型（PSDM），将多种临床标注（分割掩码、边界框、结肠镜报告）转化为组合提示，并组织为粗粒度和细粒度组件，使模型能够同时捕捉广泛的空间结构和精细细节，生成临床准确的合成图像，克服了传统扩散模型仅依赖分割掩码作为条件的局限性	摘要中未明确说明研究的局限性	通过生成合成息肉图像来增强训练数据，提高息肉检测、分类和分割模型在分布外（OOD）场景下的泛化能力	结直肠癌筛查中的息肉图像，使用PolypGen等多中心数据集	医学图像分析，数字病理学	结直肠癌	扩散模型，数据增强，组合提示学习	扩散模型（Diffusion Model）	图像（结肠镜图像），文本（结肠镜报告）	使用PolypGen多中心数据集，具体样本数量未在摘要中说明	NA	渐进式频谱扩散模型（PSDM）	F1分数，平均精度均值（mAP）	NA
53	2026-09-25	Topology Optimization in Medical Image Segmentation With Fast χ Euler Characteristic 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589495 PMID:40720275	研究论文	本文提出了一种基于欧拉示性数的快速拓扑感知医学图像分割方法，通过计算拓扑误差图并利用校正网络来优化分割结果的拓扑正确性	提出了一种快速计算2D和3D欧拉示性数的方法，并基于拓扑违反图开发了拓扑感知校正网络，避免了传统持久同调方法的高计算复杂度	未明确提及	在医学图像分割中，在保持像素级分割准确性的同时，显著提高分割结果的拓扑正确性	2D和3D医学图像分割数据集	计算机视觉, 医学图像分割	NA	深度学习, 欧拉示性数, 拓扑分析	CNN	图像	NA	NA	NA	Dice分数, 交并比, 欧拉示性数误差	NA
54	2025-09-19	Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score" 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2561801 PMID:40964794	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
55	2026-09-25	Advances in computational nephropathology 2025-12, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.06.029 PMID:40976424	综述	本文全面综述了计算肾脏病理学的研究进展与应用，涵盖定量病理学、深度学习图像分类与回归以及非图像应用等方法，并讨论了技术、监管和伦理挑战。	系统性地总结了计算病理学在肾脏病理学中的最新进展，提出了'kidnAI pathology'这一新概念，并展望了未来发展方向	尚未充分讨论现有方法在常规临床实践中推广的具体障碍量化分析，且对多中心验证和大规模前瞻性研究的讨论有限	全面概述计算病理学在肾脏病理学领域的进展和应用，探讨方法论、挑战及未来发展方向	肾脏病理学中的计算病理学方法、数字病理学工作流程及相关临床应用	数字病理学	肾脏疾病	计算病理学、深度学习、定量病理学、数字病理学	NA	图像	NA	NA	NA	NA	NA
56	2026-09-25	Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment 2025-Dec, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03206-y PMID:40993310	综述	本文综述了人工智能在癌症组织学评估中的应用，从诊断辅助到临床决策的转变，涵盖深度学习技术、多模态方法等	强调了AI从诊断辅助到临床决策核心的演变，以及多模态方法整合组织学图像与临床分子数据实现的优越预测准确性和可解释性	AI预测的验证挑战，特别是在预后应用方面，以及在资源有限环境中的可及性问题	综述人工智能在癌症诊断和个性化治疗中组织学评估的变革	癌症组织学评估的人工智能应用	数字病理学	癌症	深度学习，全切片图像（WSI），空间转录组学	NA	图像，基因组数据，临床数据	NA	NA	NA	NA	NA
57	2026-09-24	The orthodontic diagnosis 2025-12-09, Nederlands tijdschrift voor tandheelkunde DOI:10.5177/ntvt.2025.12.25003 PMID:41367283	综述	本文综述了正畸诊断的基本框架，涵盖病史采集、临床检查、骨骼牙颌功能畸形的分类系统，以及人工智能和深度学习等新技术在提高诊断可靠性方面的应用	强调美学和三维评估在正畸诊断中日益重要的地位，并系统讨论了人工智能和深度学习在正畸诊断中的应用前景与挑战	人工智能在准确性和透明度方面仍存在挑战，无法替代临床评估，复杂病例仍需人工判断和多学科协作	综述正畸诊断的方法、分类系统及新兴技术（如人工智能和深度学习）在正畸诊断中的应用	正畸诊断方法、分类系统及人工智能技术在正畸中的应用	机器学习	口腔疾病	NA	NA	文本	NA	NA	NA	NA	NA
58	2026-09-23	An explainable deep learning approach for sleep staging in sleep apnea patients across all age subgroups from pulse oximetry signals 2025-Dec-22, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.112562 PMID:42306231	研究论文	该研究开发了一种基于U-Net框架的可解释深度学习模型（POxi-SleepNet），利用脉搏血氧仪的脉搏率（PR）和血氧饱和度（SpO₂）信号，对涵盖儿童、青少年、成人和老年人的阻塞性睡眠呼吸暂停（OSA）患者进行四分类睡眠分期，并采用Seg-Grad-CAM进行可解释性分析	首次在所有年龄亚组（儿童、青少年、成人、老年人）OSA患者中验证基于脉搏血氧仪信号的深度学习睡眠分期模型，并结合Seg-Grad-CAM可解释性方法定量解释脉搏血氧仪记录的时间和频率特征对睡眠分期的影响	未明确提及	开发可解释的深度学习模型，实现跨所有年龄亚组的OSA患者自动睡眠分期	来自六个数据集的17303例睡眠研究中的儿童、青少年、成人和老年OSA患者的整夜脉搏血氧仪信号	机器学习	阻塞性睡眠呼吸暂停	脉搏血氧仪信号采集	CNN	信号	17303例睡眠研究，来自六个数据集，涵盖儿童、青少年、成人和老年OSA患者	NA	U-Net	准确率, Cohen's kappa	NA
59	2026-09-21	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	本文提出了一种基于联邦学习的癫痫预测与管理系统，结合混合和声搜索与互信息（HSA-MI）特征选择方法，使用EpilepNet-LD模型进行EEG信号分析以实现癫痫发作检测	提出了EpilepNet-LD架构，将LSTM与DenseNet-121结合以同时捕获EEG信号的时序依赖性和层次化空间特征；引入联邦学习框架实现去中心化EEG分析并保护患者隐私；采用混合和声搜索与互信息（HSA-MI）特征选择技术识别最优的时序、频谱和空间EEG特征以降低计算开销	摘要中未明确提及研究局限性	开发一种实时、高精度的癫痫发作检测与管理系统，克服现有方法跨病例适用性差、误报过多和特征选择效率低等问题，同时保护患者隐私	癫痫患者的EEG信号数据	机器学习	癫痫	EEG信号分析、联邦学习、混合和声搜索与互信息特征选择	LSTM、DenseNet-121	EEG信号（时序数据）	NA	NA	LSTM, DenseNet-121	准确率, 灵敏度	NA
60	2026-09-21	High-fidelity 3D mesh generation from a single sketch using shape constraints 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30843-3 PMID:41453959	研究论文	本文提出了一种从单张草图生成高保真三维网格的简化网络架构，通过形状约束实现几何保真度。	采用表达力强的PowerMLP架构于编码器-解码器框架中，并集成三维形状约束替代传统判别器，实现协作生成过程中的几何保真度。	摘要中未提及	解决从单张手绘草图重建高保真三维模型的挑战。	合成风格化草图和真实手写输入。	计算机视觉	NA	深度学习	编码器-解码器框架，PowerMLP	图像（草图）	摘要中未提及	NA	编码器-解码器，PowerMLP，MLP	NA	NA