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
1061	2026-05-15	FADFNet: A fine-tunable and adaptive decomposition-fusion network for cross-dataset low-dose CT and low-dose PET image reconstruction 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104016 PMID:41802384	研究论文	提出一种可微调自适应的分解融合网络FADFNet，用于跨数据集的低剂量CT和PET图像重建	提出频率感知框架，结合小波分解和上下文感知空间通道调制，实现跨域低剂量CT和PET重建的稳健性能；引入参数高效微调策略，仅更新调制和融合模块，轻量适应未见过的扫描域	NA	设计一种能够适应异构数据集和模态的低剂量CT和PET图像重建方法，克服域偏移和模型架构僵硬问题	低剂量计算机断层扫描（LDCT）和低剂量正电子发射断层扫描（LDPET）图像	计算机视觉, 数字病理学	NA	图像重建，低剂量CT，低剂量PET	深度学习网络（可微调分解融合网络）	图像	四个LDCT数据集和四个LDPET场景	PyTorch	小波变换分解模块，双分支专家网络，上下文感知空间通道调制，频域特征金字塔融合模块	信号保真度，感知质量，计算开销	NA
1062	2026-05-15	Explicit differentiable slicing and global deformation for cardiac mesh reconstruction 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103999 PMID:41818863	研究论文	提出一种显式可微切片与全局变形方法，用于心脏网格重建，实现从二维切片端到端优化三维网格	首次提出显式可微分体素化与切片算法，支持从二维切片反向传播梯度优化三维网格，并耦合图调和变形描述器保持网格质量	未在更复杂的多器官重建或极低采样率下验证，且可能依赖足够质量的初始网格	从稀疏采样的二维医学图像中高精度重建心脏三维网格，并量化临床参数	左心室的CT密集采样与MRI稀疏切片图像	计算机视觉	心血管疾病	CT, MRI	图神经网络	图像	多个数据集，具体样本量未指定	PyTorch	可微分体素化与切片网络、图调和变形描述器	Dice系数、射血分数、整体心肌应变	NA
1063	2026-05-15	Predicting the Postoperative Recurrence Risk in Soft-Tissue Sarcomas of the Extremities and Trunk Using MRI-Based Nomogram 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.015 PMID:41826189	研究论文	基于术前MRI影像和临床放射学因素，开发预测肢体和躯干软组织肉瘤术后3年复发风险的综合列线图	首次整合深度学习、肿瘤及瘤周影像组学特征与临床放射学因素，构建多维度列线图用于软组织肉瘤术后复发风险预测	202例样本量相对较小，且为回顾性研究，需前瞻性验证	开发预测软组织肉瘤术后复发风险的列线图，识别高危患者并支持个性化治疗	接受手术切除的肢体和躯干软组织肉瘤患者	机器学习	软组织肉瘤	MRI成像	CNN	影像	202例来自两个中心的软组织肉瘤患者	PyTorch	VGG11, ResNet18	AUC, 一致性指数	NA
1064	2026-05-15	A Multicenter Study on Deep Learning Model-Assisted Detection of Brain Metastases in MR Images 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.002 PMID:41832083	研究论文	开发并验证基于深度学习的脑转移瘤检测模型，用于磁共振图像诊断脑转移瘤	模型辅助读片使敏感性显著提升（尤其对≤3 mm病灶和岛叶病灶），同时缩短读片时间30.87%	NA	开发并验证深度学习脑转移瘤检测模型以提升磁共振诊断性能	脑转移瘤患者磁共振图像	计算机视觉	脑转移瘤	磁共振成像（MRI）	深度学习模型	图像	训练集和测试集950例患者，验证集423例患者	NA	NA	AFROC曲线下面积，敏感性，读片时间	NA
1065	2026-05-15	Beyond benchmarks of IUGC: Rethinking requirements of deep learning method for intrapartum ultrasound biometry from fetal ultrasound videos 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104043 PMID:41865530	综述	总结产时超声生物测量挑战赛（IUGC）的设计细节、参赛方法及当前进展，分析多任务自动测量框架在临床中的应用潜力与挑战	首次发布大规模多中心产时超声视频数据集（774个视频，68,106幅图像），并整合标准平面分类、胎头-耻骨联合分割和生物测量三项任务于统一框架	研究仍处于早期阶段，需进一步深入探索才能实现临床应用	推动产时超声自动生物测量技术的发展，解决资源有限地区缺乏训练有素超声医师的问题	产时超声视频中胎儿头部和耻骨联合的自动生物测量	计算机视觉、数字病理	产科疾病	超声成像	深度学习模型（CNN、分割网络等）	超声视频	774个视频（68,106幅图像），来自三家医院的多中心数据集	NA	标准平面分类、分割与生物测量网络	准确率、F1分数、Dice系数等	NA
1066	2026-05-15	Clinical priors-inspired privileged knowledge distillation for reliable pancreatic lesion classification 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104041 PMID:41903258	研究论文	提出临床先验启发的特权知识蒸馏框架，利用MRI作为特权模态提升CT胰腺病变分类的可靠性	首次将MRI作为特权模态通过知识蒸馏融入CT分类任务，并基于临床先验设计诊断相关特权知识策略和先验引导双校准策略	要求训练阶段同时获取CT和MRI数据，可能限制数据集规模；在非小或等衰减病变的常规样本上增益未明确说明	提升CT影像中胰腺病变分类的准确性和可靠性，尤其针对小或等衰减的困难样本	胰腺病变的CT和MRI影像	计算机视觉	胰腺病变	CT成像, MRI成像	知识蒸馏网络	影像	多中心数据集（具体数量未提及）	NA	NA	准确率	NA
1067	2026-05-15	ViFIT-assisted histopathology: From H&E style standardization to virtual fiber image transformation 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104051 PMID:41903259	研究论文	提出ViFIT辅助组织病理学方法，实现H&E染色图像风格标准化与虚拟纤维图像生成	首次提出无监督深度学习的虚拟纤维转化模型（ViFIT），无需预定义染色风格和人工干预，实现了多样化H&E图像向病理医生偏好风格的转换，并同步生成内容一致的虚拟纤维图像	论文未明确提及局限性	解决现有虚拟纤维染色方法依赖预定义染色风格输入和人工干预的问题，提高临床适用性	多中心会诊和鉴别诊断中的组织病理学图像	数字病理学	NA	虚拟染色	无监督深度学习模型（ViFIT）	组织病理学图像（H&E染色）	NA	NA	ViFIT	NA	NA
1068	2026-05-15	Point2SSM++: Self-supervised learning of anatomical shape models from point clouds 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104073 PMID:41955905	研究论文	提出一种基于自监督学习的点云解剖形状统计建模方法	直接从不完整、未对齐的点云学习对应点，无需模板或偏置假设，并扩展到动态时空和多解剖场景	未明确讨论对极高噪声或稀疏点云的鲁棒性限制	开发更高效、通用的自动统计形状建模方法，以促进临床形态计量分析	解剖形状（如骨骼和器官）的对应点云	机器学习	未明确提及	自监督深度学习	深度学习模型	点云	未明确提及	PyTorch	PointNet、Transformer	形状重建精度、对应点误差、下游任务分类性能	NVIDIA 显卡（未指定具体型号）
1069	2026-05-15	Learning with less supervision: A survey of label-efficient learning for medical image analysis 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104062 PMID:41955904	综述	系统回顾了医学图像分析中标签高效学习方法的研究进展，并提出了一个全面的分类体系	提出了基于四种标注范式（无标签、标签不足、不精确标签、标签精炼）的分类体系，并强调了健康基础模型（HFMs）对标签高效学习的根本性变革	未详细量化不同方法在具体任务中的性能差异，且部分讨论基于预印本而未经同行评审	总结标签高效学习方法在医学图像分析中的现状，并指导其开发和临床转化	医学图像分析中的深度学习方法及相关研究论文	医学图像分析	NA	NA	健康基础模型	图像	NA	NA	NA	NA	NA
1070	2026-05-15	Multiparametric MRI-Based Integrated Analysis of Clinical, Radiomics, Deep Learning, and Machine Learning for Predicting Tumor Proliferation and Prognosis in Locally Advanced Rectal Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.033 PMID:41956924	研究论文	基于多参数MRI的临床、影像组学、深度学习及机器学习综合模型，用于预测局部晚期直肠癌的肿瘤增殖及预后	首次将多序列MRI的影像组学与深度学习特征相结合，通过107种机器学习算法组合筛选最优模型，并整合临床风险特征构建列线图，实现肿瘤增殖状态与无复发生存期的双重预测	回顾性研究设计可能存在选择偏倚；样本量相对较小（384例），且来自三个中心，仍需更大规模外部验证	开发并验证一个整合临床、影像组学、深度学习和机器学习特征的多参数MRI预测模型，用于预测局部晚期直肠癌患者的肿瘤细胞增殖状态和预后	局部晚期直肠癌患者的肿瘤增殖状态（Ki-67表达）和预后（无复发生存期）	医学影像分析	直肠癌	多参数MRI（T2WI, DWI, T1WI, 增强T1WI）、影像组学、深度学习、机器学习	Stepglm[both] + glmBoost算法组合	医学影像（MRI）	384例局部晚期直肠癌患者（来自三个中心，2016年1月至2022年8月）	NA	影像组学特征提取与深度学习特征提取的混合架构	AUC曲线下面积、DeLong检验、校准曲线、决策曲线分析、Kaplan-Meier分析	NA
1071	2026-05-15	Multimodal CT for Predicting Microvascular Invasion in Solitary cHCC-CCA: Dual-Center External Validation 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.053 PMID:41723042	研究论文	开发并外部验证一种结合门静脉期定量CT特征与多期CT语义特征的多模态模型，用于预测孤立性联合肝细胞-胆管癌的微血管侵犯	首次针对孤立性cHCC-CCA开发基于CT的多模态MVI预测模型，并采用双中心外部验证，同时比较了肿瘤内、10mm瘤周及联合分割策略的效果	回顾性设计、外部验证队列样本量小、人群多样性有限，需要前瞻性多中心验证来确认其作为术前MVI风险分层决策支持工具的作用	开发并外部验证一个多模态模型，用于预测孤立性cHCC-CCA的微血管侵犯	184名病理证实为孤立性cHCC-CCA的患者（中心1:139人，中心2:45人）	医学影像	肝癌	CT	NA	影像	184名孤立性cHCC-CCA患者（中心1:139人，中心2:45人）	NA	NA	AUC，灵敏度	NA
1072	2026-05-15	Multiparametric MRI-Based Deep Learning and Radiomics for Predicting Progression-Free Survival Benefit in Patients with Hepatocellular Carcinoma Treated with Immunotherapy and Targeted Therapy Plus Transarterial Chemoembolization: A Bicentric Study 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.059 PMID:41723043	研究论文	开发一种整合深度学习、放射组学和临床因素的非侵入性影像生物标志物，用于预测接受免疫治疗及分子靶向治疗联合经动脉化疗栓塞术的肝细胞癌患者的无进展生存期	首次整合CRAFITY评分、放射组学和深度学习特征，构建多参数MRI预测模型，用于肝细胞癌患者联合治疗后的无进展生存期预测，且模型具有良好的鲁棒性和泛化能力	样本量有限（180例），且为双中心回顾性研究，需外部验证	开发非侵入性影像生物标志物，预测接受免疫治疗和分子靶向治疗联合经动脉化疗栓塞术的肝细胞癌患者的无进展生存期	180例接受免疫治疗和分子靶向治疗联合经动脉化疗栓塞术的肝细胞癌患者	机器学习, 数字病理学	肝细胞癌	多参数磁共振成像	深度学习模型（ResNet50）	医学影像（多参数MRI）	180例肝细胞癌患者	PyTorch	ResNet50	C-index，时间依赖性ROC曲线AUC	未提及
1073	2026-05-15	Explicable intensity-aware 3D cerebrovascular segmentation with planar representation 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104032 PMID:41833170	研究论文	提出了一种可解释的强度感知3D脑血管分割方法，利用三平面表示实现高效特征学习	结合三维与三平面表示，通过解缠和循环一致性策略在潜在空间中准确描述脑血管语义特征，利用近2D结构实现3D语义表示，大幅节省计算资源	未提及具体局限性	实现精准且高效的脑血管分割，降低对庞大计算能力的依赖	脑血管	数字病理学	脑血管疾病	NA	EI-Seg	图像	NA	PyTorch	NA	性能指标	NA
1074	2026-05-15	PCa-Mamba: Spatiotemporal state space models for prostate cancer detection in multi-parametric MRI 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104033 PMID:41846146	研究论文	提出PCa-Mamba框架，首次全面结合DCE-MRI的时空动态信息与T2和DWI的空间对比信息，用于多参数MRI中临床显著性前列腺癌检测	首次将状态空间模型用于多参数MRI中整合DCE-MRI的时空动态特征，引入药代动力学正则化和排列顺序化机制增强时空表征，并设计随机丢弃机制处理实际应用中DCE-MRI缺失场景	对小型病灶和周边区病灶的诊断优势仍存在挑战，且框架依赖于多元数据完整性，实际部署中DCE-MRI的缺失率影响模型表现	开发一种新型深度学习方法，充分整合多参数MRI中DCE-MRI的时空动态与T2、DWI的空间对比信息，提升临床显著性前列腺癌检测性能	多参数MRI数据（T2加权成像、扩散加权成像、动态增强成像）中的前列腺癌病灶	计算机视觉, 数字病理	前列腺癌	多参数磁共振成像（T2、DWI、DCE-MRI）	状态空间模型	医学图像	内部数据集和PI-CAI数据集（具体数量未在摘要中提及）	NA	PCa-Mamba（时空SSM模块）	NA	NA
1075	2026-05-15	SEQUAL: Self-refining and effective querying active learning with pseudo label divergence score for carotid intima-media segmentation in ultrasound 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104048 PMID:41916103	研究论文	提出一种名为SEQUAL的自改进主动学习框架，利用伪标签散度分数进行高效查询，用于超声图像中的颈动脉内膜-中膜分割	首次将自动生成的高置信度伪标签与稀疏临床标注融合实现标签质量自改进，并引入基于伪标签散度分数的新型查询策略量化信息增益，采用双网络设计加速计算	NA	解决超声图像中颈动脉内膜-中膜分割在稀疏噪声标注下的标注成本高和模型表现受限问题	颈动脉超声图像中的内膜-中膜区域	计算机视觉	心血管疾病	超声成像	CNN	图像	颈动脉超声数据集（具体样本数未提及）	PyTorch	U-Net	分割准确率, 标注效率, 鲁棒性	GPU（具体型号未提及）
1076	2026-05-15	UniPET: A universal network for high-quality PET image denoising across varied dose reduction factors 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104059 PMID:41965166	研究论文	提出一种通用网络UniPET，用于在不同剂量减少因子下实现高质量PET图像去噪	创新性地将领域泛化引入PET图像去噪，提出风格对齐网络和区域感知学习策略，解决不同DRF数据间的风格对齐问题	NA	实现跨不同剂量减少因子的高质量PET图像通用去噪	不同剂量减少因子下的低剂量PET图像	计算机视觉	NA	PET成像	CNN	PET图像	NA	PyTorch	UniPET, 包含风格对齐网络和区域感知学习策略	定量指标、感知指标、临床指标	NA
1077	2026-05-15	Accuracy of deep learning for risk prediction and screening of diabetic foot Ulcers: A systematic review and meta-analysis 2026-Jun, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113262 PMID:41985563	系统综述与荟萃分析	系统评估深度学习在糖尿病足溃疡风险预测与筛查中的准确性	首次系统性地对基于图像的深度学习检测糖尿病足溃疡的诊断准确性进行荟萃分析，为AI辅助工具开发提供新见解	可能存在纳入研究的方法学异质性，且模型在多元数据集的泛化性能需进一步验证	评估深度学习在糖尿病足溃疡诊断中的准确性，为AI辅助工具更新提供证据	糖尿病足溃疡患者	计算机视觉	糖尿病足溃疡	NA	深度学习模型	图像	55项研究，其中32项纳入荟萃分析，涉及87个诊断2×2表格	NA	NA	灵敏度, 特异度	NA
1078	2026-05-12	Artificial intelligence chatbots in endodontic education-Concepts and potential applications 2026-Jun, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14231 PMID:40164964	综述论文	探讨人工智能聊天机器人在牙髓病学教育中的概念与潜在应用	系统梳理了AI聊天机器人在牙髓病学教育中的应用前景，包括个性化学习、交互式培训及临床决策支持，并分析了技术局限和伦理挑战	目前针对牙髓病学领域的专门研究有限，需要进一步开发并验证其准确性和相关性的定制化聊天机器人解决方案	解释AI聊天机器人的核心功能，探索其在牙髓病学教育中的应用，并讨论相关挑战	牙髓病学教育中的学习者（学生）和教育者（教师）	自然语言处理, 机器学习	牙科疾病	NA	Chatbot（聊天机器人）	文本	NA	NA	NA	NA	NA
1079	2026-05-06	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	通过文献计量分析绘制口腔颌面外科中人工智能研究的现状、热点和新兴趋势	首次系统运用文献计量学方法对口腔颌面外科中人工智能研究进行全景分析，揭示从传统机器学习到深度学习与Transformer模型的范式转移，以及非影像应用（如路径分析和预后分析）作为新兴方向	仅基于Web of Science和Scopus数据库，可能遗漏其他来源文献；文献计量分析本身的局限性，无法深入评估每项研究的临床实用性	映射口腔颌面外科中人工智能研究的当前状态、热点和新兴趋势	Web of Science核心合集和Scopus中关于人工智能和口腔颌面外科的出版物	自然语言处理, 机器翻译	头颈癌	文献计量分析	Transformer	文本	5267篇文献	NA	Transformer	NA	NA
1080	2026-05-06	Automated Segmentation of Augmented Bone After Transalveolar Sinus Floor Elevation Using Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109468 PMID:41795243	研究论文	评估深度学习模型在经牙槽嵴上颌窦底提升术后增强骨分割中的性能	首次使用多种深度学习模型（UNETR++、Swin Transformer、U-Net、3D-VNet）对经牙槽嵴上颌窦底提升术后的增强骨进行自动化分割，并揭示UNETR++在精度和效率上的显著优势	样本量较小（103例患者），且仅基于锥形束CT数据，可能限制模型泛化性	探索深度学习在口腔颌面外科术后影像分割中的应用，以提升增强骨分析的准确性和效率	经牙槽嵴上颌窦底提升术患者的锥形束CT影像数据	计算机视觉	口腔颌面疾病	锥形束CT	UNETR++、Swin Transformer、U-Net、3D-VNet	图像（锥形束CT扫描）	103例患者，每个患者包含术前（T0）和术后即刻（T1）两组影像	NA	UNETR++、Swin Transformer、U-Net、3D-VNet	Dice相似系数、交并比、灵敏度、精确率、95% Hausdorff距离、准确率	NA