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
1341	2026-02-10	Deep learning for automated 3D assessment of rotator cuff muscle atrophy and fat infiltration prior to total shoulder arthroplasty 2026-Mar, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.07.025 PMID:40902715	研究论文	本研究开发了一种基于深度学习的模型，用于在肩部CT扫描上自动分割肩袖肌肉，并提出了体积肌肉萎缩的T评分分类方法	首次利用深度学习实现肩袖肌肉的自动三维分割，并引入T评分系统量化肌肉萎缩，同时定义了独特的萎缩表型、三维脂肪浸润百分比及前后平衡指标	研究样本主要来自特定患者群体（aTSA和rTSA），可能限制了结果的普适性；深度学习模型的性能依赖于CT图像质量	开发自动化工具以可靠评估肩袖肌肉萎缩和脂肪浸润，改善全肩关节置换术前的病理评估	肩袖肌肉（冈上肌、肩胛下肌、冈下肌、小圆肌）	数字病理学	肩关节疾病	计算机断层扫描（CT）	深度学习模型	三维CT图像	952例肩部CT扫描（762例健康对照，103例aTSA患者，87例rTSA患者）	NA	NA	T评分分类，三维脂肪浸润百分比，前后肌肉体积比，统计显著性（P值）	NA
1342	2026-02-10	Artificial Intelligence and Machine Learning for Osteoarthritis and Cartilage Assessment 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.001 PMID:41656050	综述	本文评估了人工智能和机器学习在骨关节炎和软骨评估中的应用，特别是在X光片和磁共振成像分析中的进展	综述了AI在骨关节炎诊断和管理中的最新应用，包括X光片分级与分割以及MRI序列优化、快速采集、去噪、软骨测量和评分系统等多个任务	NA	评估人工智能和机器学习在骨关节炎和软骨评估中的应用，以应对其复杂的病理生理学带来的诊断和管理挑战	骨关节炎患者的X光片和磁共振成像数据	数字病理学	骨关节炎	X光成像, 磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
1343	2026-02-10	High-Resolution MR Imaging of Elbow Ligament Injuries and Associated Impingement and Instability Syndromes 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.005 PMID:41656056	综述	本文详细阐述了用于评估肘关节韧带损伤及相关撞击与不稳定综合征的高分辨率磁共振成像技术	强调了高场强磁体、专用表面线圈、三维成像和深度学习重建等先进技术在增强韧带结构可视化方面的应用	NA	评估肘关节韧带病变及相关不稳定和撞击综合征	肘关节韧带（内侧和外侧韧带复合体）及相关病理状态	数字病理学	NA	高分辨率磁共振成像，三维成像，深度学习重建	NA	磁共振图像	NA	NA	NA	NA	NA
1344	2026-02-10	Corrigendum to "Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy". [Clin. Transl. Radiat. Oncol. 56 (2026) 101091] 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101103 PMID:41657361	correction	本文是对一篇关于深度学习在MRI图像中分割前列腺癌放疗相关危及器官（OARs）的几何评估研究的更正	NA	NA	NA	NA	digital pathology	prostate cancer	magnetic resonance imaging	deep learning	image	NA	NA	NA	NA	NA
1345	2026-02-09	Molreac-Oxi: An end-to-end deep learning-quantum chemistry platform for •OH reactivity (kOH), pathways, and active-site insight 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123763 PMID:41534583	研究论文	本文介绍了一个名为Molreac-Oxi的混合元模型框架，结合深度学习与量子化学，用于高效预测污染物与羟基自由基的反应速率常数、反应路径和活性位点分析	提出了一种融合深度预训练模型与传统机器学习的混合元模型框架，并集成了预测、机理推断和在线分析功能，通过PES-Learn模型与纳米反应器MD工作流结合，实现了近DFT精度的机理假设生成，且计算成本大幅降低	静态结构-性质模型的势能面分辨率有限，可能影响某些复杂反应的精确预测	高效评估污染物与羟基自由基系统的反应速率常数，以支持环境污染控制	968种污染物的DFT优化结构及多维量子化学描述符	机器学习	NA	DFT, 纳米反应器MD工作流	深度学习, 传统机器学习	3D分子结构, 量子化学描述符	968种污染物用于模型训练，72,502种有机污染物用于PES-Learn模型	NA	Uni-Mol, Random Forest, Gradient Boosting, XGBoost, LightGBM, CatBoost	R, MAE	GPU
1346	2026-02-09	Optimizing wastewater treatment through combined deep learning and deep reinforcement learning: Recent advances and future prospects 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123795 PMID:41547426	综述	本文综述了深度学习和深度强化学习在优化污水处理过程中的最新进展与未来前景	通过阐明深度学习和深度强化学习的计算原理，讨论它们在污水处理中的应用适用性和优势，并强调标准化开放数据平台和模型透明化的重要性	智能系统在污水处理厂的实际应用仍面临挑战，需要可靠且标准化的数据采集	优化污水处理过程，提升性能并减少碳排放，以促进可持续城市发展	污水处理厂（WWTPs）	机器学习	NA	NA	深度学习, 深度强化学习	NA	NA	NA	NA	NA	NA
1347	2026-02-09	D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103888 PMID:41344199	研究论文	提出一种名为D-EDL的差分证据深度学习框架，用于医学图像中鲁棒的分布外样本检测	针对传统证据深度学习在医学图像高数据不确定性样本上的过惩罚效应，提出用排除模块替代KL散度进行差分约束，并引入测试时原始证据推断和平衡检测评分以提升鲁棒性与临床适用性	方法在极端测试场景下的性能仍需更多临床数据集验证，未明确说明计算复杂度增加的具体影响	提升医学图像分布外样本检测的鲁棒性与临床安全性	医学图像中的分布外样本（如罕见病症）	计算机视觉	皮肤病（ISIC2019）、骨髓细胞形态学疾病、眼部疾病（EDDFS）	深度学习	证据深度学习（EDL）的改进框架	医学图像	ISIC2019数据集、骨髓细胞形态学数据集、EDDFS数据集（具体样本数未明确说明）	PyTorch（基于代码仓库推断）	未明确指定基础网络架构，但基于证据深度学习框架改进	鲁棒性指标、临床适用性、平衡检测评分（BDS）、分布外检测精度	未明确说明
1348	2026-02-09	Perivascular space identification nnUNet for generalised usage (PINGU) 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103903 PMID:41365148	研究论文	本研究开发了一个名为PINGU的深度学习模型，用于在异质性MRI数据上自动分割血管周围空间（PVS），以提升其在不同临床和研究环境中的泛化能力	首次在异质性多数据集、多扫描仪、不同分辨率和质量的MRI上训练nnUNet模型，用于PVS分割，并在基底神经节区域表现出优于现有公开算法的性能	在未见过的外部站点数据上性能显著下降，表明模型泛化能力仍有局限	开发一个广泛适用的自动化血管周围空间（PVS）分割工具，以支持脑部废物清除系统与神经疾病的研究	脑部MRI图像中的血管周围空间（PVS），重点关注白质和基底神经节区域	数字病理学	神经疾病	MRI	深度学习	图像	来自7个不同数据集、6台不同扫描仪的异质性MRI样本	nnUNet	nnUNet	Dice系数（体素水平和簇水平）	NA
1349	2026-02-09	Immunocto: A massive immune cell database auto-generated for histopathology 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103905 PMID:41401636	研究论文	本文介绍了一种自动从H&E和多重免疫荧光染色组织切片生成大规模免疫细胞数据库的工作流程，并创建了Immunocto数据库	利用Segment Anything Model自动生成单细胞轮廓和标签，相比现有数据库需要最少人工干预，并整合了匹配的H&E和IF数据以提高鲁棒性	NA	为肿瘤免疫微环境研究提供自动生成的免疫细胞数据库，以支持计算病理学应用	人类组织切片中的免疫细胞，包括CD4 T细胞、CD8 T细胞、CD20 B细胞和CD68/CD163巨噬细胞	数字病理学	癌症	H&E染色、多重免疫荧光标记	深度学习模型	图像	6,848,454个细胞和对象，包括2,282,818个免疫细胞	NA	Segment Anything Model	NA	NA
1350	2026-02-09	BIASNet: A bidirectional feature alignment and semantics-guided network for weakly-supervised medical image registration 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103913 PMID:41412021	研究论文	本文提出了一种名为BIASNet的双向特征对齐与语义引导网络，用于弱监督医学图像配准	提出了一种结合预训练VoCo模型、LoRA微调、双向对齐融合模块以及语义引导渐进配准框架的新方法，并引入了解剖区域形变一致性学习进行正则化	未明确说明方法在计算效率或实时性方面的表现，也未讨论对不同模态图像的泛化能力	改进弱监督医学图像配准的精度	医学图像	数字病理	NA	深度学习	CNN	图像	三个典型且具有挑战性的数据集	PyTorch	VoCo, BIASNet	NA	NA
1351	2026-02-09	Segmentation of the right ventricular myocardial infarction in multi-centre cardiac magnetic resonance images 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103911 PMID:41412022	研究论文	本文提出了一种名为RVMISegNet的多阶段深度学习模型，用于分割多中心心脏磁共振图像中的右心室心肌梗死区域	首次公开了右心室心肌梗死分割领域的基准数据集，并提出了一种结合多阶段处理、迁移学习、伪标签生成和形态学后处理的新型模型架构，以解决类别极度不平衡和强度重叠的挑战	数据集仅包含来自3个中心的213名受试者，且设备仅限于Philips、GE和Siemens，可能限制了模型的泛化能力	开发一种能够准确分割心脏磁共振图像中右心室心肌梗死区域的自动化方法	来自多中心的心脏磁共振短轴图像，用于右心室心肌梗死分割	数字病理学	心血管疾病	心脏磁共振成像	深度学习	图像	来自3个中心的213名受试者的心脏磁共振短轴图像	NA	UNet++	NA	NA
1352	2026-02-09	Extreme cardiac MRI analysis under respiratory motion: Results of the CMRxMotion challenge 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103883 PMID:41421267	研究论文	本文介绍了CMRxMotion挑战赛，旨在评估深度学习模型在呼吸运动伪影影响下的心脏磁共振图像质量评估和心肌分割的鲁棒性	首次公开了包含受控呼吸运动伪影的心脏磁共振数据集，并组织了专门的挑战赛来系统评估深度学习模型对运动伪影的鲁棒性	数据集仅包含40名健康志愿者的数据，可能无法完全代表临床患者群体的多样性	促进深度学习模型在存在呼吸运动伪影的心脏磁共振分析中的鲁棒性研究	心脏磁共振图像	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	图像	40名健康志愿者的320个心脏磁共振电影序列	NA	NA	NA	NA
1353	2026-02-09	CLIP-Guided Generative network for pathology nuclei image augmentation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103908 PMID:41421266	研究论文	本文提出了一种基于CLIP引导的生成网络，用于病理细胞核图像的数据增强，以提升细胞核分割与分类模型的性能	首次将预训练的病理CLIP文本和图像编码器集成到生成器和判别器中，利用多模态文本描述（包含组织类型、细胞计数和细胞核类型信息）引导生成逼真的合成组织病理学图像	未明确讨论生成图像在罕见细胞核类型或复杂组织背景下的泛化能力，也未详细分析计算成本	通过生成式数据增强解决病理细胞核图像标注数据稀缺的问题，提升深度学习模型在细胞核分割与分类任务上的性能	组织病理学图像中的细胞核	数字病理学	NA	生成对抗网络（GAN），视觉-语言基础模型	GAN	图像，文本	多个公开可用的病理细胞核数据集（具体数量未在摘要中说明）	PyTorch（根据代码仓库链接推断）	CLIP-guided Generative network，高分辨率图像判别器，CLIP图像编码器	定性分析，定量分析（具体指标未在摘要中说明，可能包括分割与分类任务的常用指标）	NA
1354	2026-02-09	Template-guided reconstruction of pulmonary segments with neural implicit functions 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103916 PMID:41435447	研究论文	本文提出了一种基于神经隐式函数的方法，通过变形可学习模板来重建具有解剖感知的精确肺段三维模型	采用神经隐式函数结合可学习模板进行肺段重建，实现了计算高效且分辨率连续的三维表示，并引入了两个临床相关评估指标，同时构建了首个公开的肺段形状数据集Lung3D	未明确说明方法在极端解剖变异或病理情况下的鲁棒性，且数据集规模（800个样本）可能仍需扩大以覆盖更多临床场景	开发高质量的三维肺段重建方法以辅助肺段切除术和肺癌手术规划	肺段的三维解剖结构及其对应的气道、动脉、静脉和段间静脉	计算机视觉	肺癌	三维重建、隐式建模	神经隐式函数	三维模型/形状数据	800个标注的肺段三维模型及其相关解剖结构	NA	NA	两个临床相关评估指标（具体名称未在摘要中说明）	NA
1355	2026-02-09	Interpretable classification of endomicroscopic brain data via saliency consistent contrastive learning 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103917 PMID:41456554	研究论文	本文提出了一种用于脑组织pCLE数据分类的可解释深度学习框架，通过标签对比学习和显著性一致性模块提升分类性能与可解释性	首次提出标签对比学习损失替代交叉熵损失以学习类内相似性和类间对比；设计显著性一致性模块生成临床相关显著性图；创新性地使用指数移动平均更新全局嵌入而非模型权重；提出全局嵌入推理层替代可学习分类层	未明确说明模型在更大规模或更多样化数据集上的泛化能力；未与其他可解释性方法进行系统性比较	开发可解释的脑组织pCLE图像分类模型以辅助神经外科手术决策	离体和在体pCLE脑组织图像数据	计算机视觉	脑肿瘤	pCLE（共聚焦激光内窥镜）	深度学习	图像	未明确说明具体样本数量（仅提及离体和在体pCLE数据）	未明确说明	未明确说明基础架构（但包含自定义的TK-MMP层和GEI层）	准确率, 鲁棒性, 可解释性	未明确说明
1356	2026-02-09	Multi-cancer framework with cancer-aware attention and adversarial mutual-information minimization for whole slide image classification 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103927 PMID:41494313	研究论文	本文提出了一种用于多癌症全切片图像分类的新框架，通过癌症感知注意力模块和对抗性互信息最小化来提升泛化能力	引入了癌症感知注意力模块来建模跨癌症的共享模式和癌症特异性变异，并构建了对抗性癌症正则化机制以最小化癌症特异性偏差	NA	开发一个可扩展的多癌症全切片图像分类解决方案，以克服现有方法在泛化性和可扩展性方面的限制	全切片图像	数字病理学	多癌症	深度学习	NA	图像	NA	NA	NA	NA	NA
1357	2026-02-09	DVAP-Reg: Dual-view anatomical prior-driven cross-dimensional registration for spinal surgery navigation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103930 PMID:41506054	研究论文	提出了一种用于脊柱手术导航的双视图解剖先验驱动跨维度配准方法	提出了一种基于双视图X射线和空间相关机制的直接回归网络，并引入了通过Face-GCN模块提取的解剖先验作为条件信息，以增强高级空间感知并指导空间姿态对齐	未在摘要中明确说明	实现脊柱手术导航中术前3D椎骨与术中2D X射线的精确配准，以增强手术精度、减少辐射暴露和降低手术风险	脊柱（特别是腰椎）	计算机视觉	脊柱疾病	X射线成像，CT成像	GCN, 回归网络	图像（2D X射线，3D CT）	未在摘要中明确说明	未在摘要中明确说明	Face-GCN	旋转精度（度），平移精度（毫米）	未在摘要中明确说明
1358	2026-02-09	DTG: Dual transformers-based generative adversarial networks for retinal 2D/3D OCT image classification 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103915 PMID:41518764	研究论文	本文提出了一种基于双Transformer和生成对抗网络的深度学习架构DTG，用于视网膜2D/3D OCT图像的自动分类	结合Vision Transformer和Multiscale Vision Transformer编码2D/3D OCT图像，并采用生成对抗网络生成高质量语义表示，通过患者实例数据增强技术提升训练数据	未明确说明模型在数据稀缺情况下的表现或计算资源需求	实现视网膜疾病的自动准确分类，辅助眼科医生诊断	视网膜2D OCT图像（B-scans）和3D OCT图像（B-scans序列）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	GAN, Transformer	图像	两个真实世界OCT数据集（具体数量未说明）	NA	Vision Transformer, Multiscale Vision Transformer	准确率, 精确率, 召回率, F1分数, 二次加权Kappa, AUC-PR, AUC-ROC	NA
1359	2026-02-09	SupReMix: Supervised contrastive learning for medical imaging regression with mixup 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103909 PMID:41520605	研究论文	本文提出了一种名为SupReMix的监督对比学习方法，用于医学影像回归任务，通过引入混合策略来增强特征表示的质量	提出了结合混合策略的监督对比学习方法，解决了医学影像回归中忽略的序数性和难度问题，通过锚点包含混合和锚点排除混合构建更难的对比对	NA	改进医学影像回归任务的特征表示学习，提升回归性能	医学影像数据，包括MRI、X射线、超声和PET模态	计算机视觉	NA	深度学习	NA	图像	六个数据集	NA	NA	NA	NA
1360	2026-02-09	Unlocking 2D/3D+T myocardial mechanics from cine MRI: a mechanically regularized space-time finite element correlation framework 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103944 PMID:41547064	研究论文	本文提出了一种基于时空正则化有限元数字图像/体积相关框架，用于从常规电影MRI中提取2D/3D+T心肌运动和应变分析	将多视图对齐和2D/3D+T运动估计统一到一个连贯的流程中，结合区域特异性生物力学正则化和数据驱动的时间分解，以提升空间保真度和时间一致性	3D+T运动估计仅在临床数据集上评估，可能缺乏更广泛验证	从电影MRI中准确且生物力学一致地量化心脏运动	心肌运动和应变分析	数字病理学	心血管疾病	电影MRI	有限元数字图像/体积相关框架	图像	一个合成数据集、三个公共数据集和一个临床数据集	NA	有限元数字图像/体积相关框架	位移RMSE, 等效应变RMSE, 时间一致性, 地标误差, 边界跟踪Dice系数	NA