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
2681	2026-08-08	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	本文首次提出一种基于条件生成对抗网络（cGANs）的图像端到端自归一化框架，用于临床正电子发射断层扫描（PET）系统，以提高图像质量并避免单独归一化扫描	首次开发了基于图像的自归一化框架，利用条件生成对抗网络，并结合极化自注意力（PSA）的Pix2Pix网络，探索了不同输入数据、张量形状和网络结构以优化性能	研究基于蒙特卡洛模拟的体模数据，而非真实临床数据，可能需要临床试验验证其泛化性和临床适用性	开发并评估一种基于深度学习的图像端到端自归一化方法，以改进PET图像质量和病变可检测性，无需单独的归一化扫描	使用十个体素化体模的蒙特卡洛模拟PET图像，共26000对轴向图像切片，用于训练和测试	深度学习	不适用	PET成像	条件生成对抗网络	图像	26000对轴向图像切片，来自十个模拟体模	PyTorch	Pix2Pix, PSA Pix2Pix	PSNR, SSIM, 归一化对比恢复系数, 对比度-噪声比	不适用
2682	2026-08-08	Hierarchical multi-level dynamic hyperparameter deformable image registration with convolutional neural network 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a6 PMID:39053510	研究论文	提出了一种基于卷积神经网络的分层多级动态超参数可变形图像配准方法，旨在实现推理阶段快速选择正则化超参数并提高配准精度和变形场规律性	提出动态超参数块，包含分布式映射网络、动态卷积、注意力特征提取层和实例归一化层，将输入特征向量和正则化超参数编码为可学习特征变量和动态卷积参数，并采用分层多级架构替代LapIRN中的单级残差块	摘要中未明确提及局限性	解决深度学习可变形图像配准中超参数调优耗时耗资源的问题，实现推理阶段快速调节超参数并获得高质量配准结果	大脑OASIS数据集和肺部DIR-Lab数据集	医学图像配准	NA	NA	卷积神经网络	医学图像	OASIS数据集和DIR-Lab数据集（具体样本数量未提及）	NA	分层多级动态超参数块（含动态卷积、注意力层、实例归一化）	Dice相似系数、\|Jφ\|≤0百分比、目标配准误差	NA
2683	2026-08-08	Linear diffusion noise boosted deep image prior for unsupervised sparse-view CT reconstruction 2024-08-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69f7 PMID:39119998	研究论文	提出一种基于线性扩散噪声增强深度图像先验的无监督稀疏视图CT重建方法，旨在克服监督学习的泛化性限制	引入多级线性扩散噪声输入，超越传统单噪声水平，降低过拟合风险；将非局部自相似性作为深度隐式先验嵌入自注意力网络结构，增强模型识别重复模式的能力；结合成像物理，在图像域和投影数据空间之间进行梯度反向传播以优化网络权重	评估仅涵盖模拟和临床案例，可能未充分探索极端稀疏视图或多样化临床场景下的性能表现	克服当前基于监督学习的稀疏视图CT重建方法的局限性，提高泛化能力和适应性，无需大量配对训练数据	稀疏视图CT重建，针对不同投影视角下的图像重建任务	计算机视觉, 医学影像	不适用	稀疏视图CT成像	深度图像先验（DIP）	图像（CT投影数据和重建图像）	模拟数据和临床病例（具体数量未提供）	不适用	自注意力网络	不适用	不适用
2684	2026-08-08	Enhancing the reliability of deep learning-based head and neck tumour segmentation using uncertainty estimation with multi-modal images 2024-08-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad682d PMID:39059432	研究论文	本研究评估了多种不确定性估计方法在头颈癌肿瘤分割中的应用，以提高深度学习自动分割的可靠性	比较了七种不确定性估计方法在头颈癌原发肿瘤和淋巴结转移分割中的性能，并首次评估了其在像素级预测中的校准能力和错误揭示能力	未在外部数据集上验证，且仅使用了单一分割流程（nnUNet）	调查不确定性估计方法在提高深度学习头颈癌肿瘤分割可靠性方面的有效性	头颈癌患者的原发肿瘤（GTV-T）和淋巴结转移（GTV-N）分割结果	数字病理学	头颈癌	多模态成像（CT、PET、T1加权MRI、T2加权MRI）	3D U-Net (nnUNet)	医学图像（CT、PET、MRI）	567名头颈癌患者，其中测试集97例	NA	nnUNet 3D	Dice相似系数（DSC）、预期校准误差（ECE）、不确定性-错误重叠（UE-DSC）	NA
2685	2026-08-08	CT-based synthetic contrast-enhanced dual-energy CT generation using conditional denoising diffusion probabilistic model 2024-08-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a1 PMID:39053511	研究论文	利用条件去噪扩散概率模型从非增强单能CT扫描生成合成对比增强双能CT图像，以应对DECT扫描仪稀缺和碘对比剂健康风险的问题	首次应用条件去噪扩散概率模型（C-DDPM）从非增强单能CT生成合成对比增强双能CT图像，为缺乏DECT设备的机构和不宜使用碘对比剂的患者提供替代成像方案	未明确提及	生成高质量的合成对比增强双能CT图像，改善放射治疗计划	头颈部癌症患者的CT成像数据	医学影像	头颈部癌症	CT成像	条件去噪扩散概率模型（C-DDPM）	图像	130例头颈部癌症患者的成像数据	未提及	条件去噪扩散概率模型（C-DDPM）	平均绝对误差（MAE）、结构相似性指数（SSIM）、峰值信噪比（PSNR）	未提及
2686	2026-08-08	Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design 2024-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.19.590222 PMID:38712216	研究论文	探索两种基于结构的深度学习方法（ProteinMPNN和ESM-IF）在设计T细胞受体以结合MHC呈递的抗原肽方面的潜力	首次将结构基础深度学习设计方法应用于T细胞受体的计算设计，评估其相对于传统物理基础方法的优势	未明确提及具体限制，但可能包括设计方法的缺陷和对低亲和力及交叉反应性界面的处理不足	评估基于结构的深度学习方法在设计T细胞受体中的潜力，并比较其与传统物理基础设计方法的性能	T细胞受体（TCRs）及其与MHC呈递的抗原肽的相互作用	机器学习	癌症	结构基础蛋白设计	深度学习模型	蛋白质三维结构数据	未明确	NA	ProteinMPNN, ESM-IF	基于序列和结构的综合指标	NA
2687	2026-08-08	Making MS Omics Data ML-Ready: SpeCollate Protocols 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4007-4_9 PMID:38995540	研究论文	本文提供了将质谱数据转化为机器学习就绪格式的综合指南，涵盖数据分析、推断和深度学习模型SpeCollate的应用	提出了SpeCollate这一基于深度学习的肽数据库搜索引擎，通过生成谱图和肽段的联合嵌入，克服了理论谱图简单模拟和启发式评分函数的局限	NA	指导研究人员将质谱数据用于机器学习训练、推断和应用，并展示SpeCollate在肽鉴定中的有效性	质谱数据及基于深度学习模型的肽数据库搜索	生物信息学	NA	质谱法	深度学习模型	质谱数据	NA	NA	SpeCollate	NA	NA
2688	2026-08-08	Effects of wind speed and wind direction on crop yield forecasting using dynamic time warping and an ensembled learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.16538 PMID:38881862	研究论文	本研究提出一种结合动态时间规整（DTW）与集成学习模型（LSTM-RF）的方法，用于预测腰果作物产量，并特别关注风速和风向的影响。	将DTW用于评估风速和风向的时间序列相似性，并与LSTM和随机森林集成，以提高作物产量预测的准确性，这是对传统方法的创新扩展。	研究仅限于加纳博诺地区的三个腰果产区，可能限制结果的普遍性；DTW的计算复杂度可能影响大规模应用。	评估风速和风向对作物产量预测的影响，并通过DTW增强集成学习模型的性能。	加纳博诺地区的腰果作物产量预测，涉及Jaman North、Jaman South和Wenchi三个区域。	机器学习	不适用	时间序列分析	LSTM, 随机森林	时间序列数据（风速、风向和产量）	未指定样本量，但涉及三个区域（Jaman North、Jaman South、Wenchi）的数据。	NA	LSTM, 随机森林, DTW	R分数, RMSE, MBE, 置信度水平（ADF测试）	NA
2689	2026-08-08	Coupled intelligent prediction model for medium- to long-term runoff based on teleconnection factors selection and spatial-temporal analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313871 PMID:39666703	研究论文	本研究基于遥相关因子选择和时空分析，在雅砻江流域开发了RF-SVR和RF-MLPR两种耦合智能模型，用于中长期径流预测，提高了预测精度并揭示了大气环流指数对径流影响的滞后效应	通过整合随机森林（RF）与支持向量回归（SVR）和多层感知器回归（MLPR）的互补优势，提出了两种新颖的耦合智能预测模型，有效消除高维数据的共线性和冗余信息，并引入遥相关因子选择和时空分析，揭示大气环流指数对径流影响的一个月滞后效应	预测精度随预测期延长而下降，R2值从1个月预测的0.8886降至12个月预测的0.6358，表明长期预测面临更大的不确定性和影响因素累积带来的挑战	提高中长期径流预测的准确性，为洪水控制、干旱缓解、水资源综合管理和生态恢复提供实用工具	雅砻江流域（YLRB）的径流序列及四个水文站的径流数据	机器学习	NA	NA	随机森林（RF）、支持向量回归（SVR）、多层感知器回归（MLPR）以及其耦合模型RF-SVR和RF-MLPR	径流时间序列数据及大气环流指数数据	雅砻江流域四个水文站的径流数据	NA	随机森林（RF）、支持向量回归（SVR）、多层感知器回归（MLPR）	纳什-苏特克利夫效率系数（NSE）、R²	NA
2690	2026-08-07	Deep learning analysis of Google Street View to assess residential built environment and cardiovascular risk in a Midwestern US retrospective cohort 2026-Aug-03, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	研究论文	本研究利用谷歌街景图像和深度学习技术，分析住宅周围建筑环境特征与心血管疾病风险的关系	首次将深度学习应用于大规模街景图像分析，以评估建筑环境与心血管风险之间的关联	研究为回顾性队列设计，需要进一步验证关联并理解潜在机制	探究建筑环境特征（如绿化、人行道）对心血管疾病风险的影响	美国中西部俄亥俄州东北部队列中49,887名个体	深度学习应用、环境健康、公共卫生	心血管疾病	图像分析（谷歌街景图像）	深度学习模型（具体类型未提及）	图像	49,887名个体，其中2,083例发生主要不良心血管事件	NA	NA	风险比、置信区间	NA
2691	2026-08-07	Recent Advances in Hypothalamic Segmentation for Neuroimaging: A Comprehensive Review 2026-Aug-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9146 PMID:41412746	综述	系统总结下丘脑分割方法及其在生理和临床研究中的应用，包括基于解剖学的手动分割和基于深度学习的全自动分割，并指出该领域的主要挑战	全面回顾下丘脑分割的两种互补方法，并强调儿科领域的方法学空白和标准化分割流程的必要性	缺乏统一的分割协议影响了跨研究可比性，且儿科人群研究存在明显方法学不足	总结下丘脑分割方法及其应用，指出挑战并展望未来方向，以促进对该脑区结构和功能的理解	下丘脑及其亚核（如调节能量平衡、应激反应和昼夜节律的区域）	神经影像学	不适用	核磁共振成像	深度学习模型	神经影像数据	不适用（综述文章，未涉及具体样本）	不适用	不适用	不适用	不适用
2692	2026-08-07	A Comparative Evaluation of 7T MRI for Epilepsy with Deep Learning-Based Image Reconstruction and Dynamic Parallel Transmission 2026-Aug-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9218 PMID:41667229	研究论文	比较评估了结合动态并行传输和深度学习重建的增强型7T MRI协议与标准协议在癫痫成像中的表现	将动态并行传输和基于深度学习的k空间重建技术整合到7T癫痫MRI协议中，实现了分辨率提升、扫描时间缩短和图像均匀性改善	未在摘要中明确说明	优化结合动态并行传输和深度学习重建的增强型7T癫痫协议，并评估其相对于标准7T协议的实际临床益处	40例采用标准7T癫痫协议和40例采用增强协议的连续脑部MRI扫描	医学影像	癫痫	7T MRI, 动态并行传输, 基于深度学习的k空间重建	深度学习	MRI图像	80例脑部MRI扫描（40例标准协议和40例增强协议）	NA	NA	图像噪声, 信号均匀性（变异系数）, 分辨率, 扫描时间	未在摘要中明确说明
2693	2026-08-07	Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553502 PMID:40126963	研究论文	提出了一种基于深度学习模型的合成房树人测试（S-HTP）用于临床抑郁症检测，并评估其有效性。	首次将深度学习应用于合成房树人测试，实现了无需人际互动的抑郁症自动检测，并揭示了与抑郁症相关的绘画特征。	摘要中未提及明确的局限性。	开发一种基于S-HTP的深度学习模型，用于客观、便捷的抑郁症检测，并作为临床辅助诊断工具。	抑郁症患者及非抑郁症个体的绘画图像。	计算机视觉, 数字病理学	抑郁症	深度学习	深度学习模型（具体类型未指定，但可能为CNN）	图像（S-HTP绘画）	未提供具体样本量	NA	NA	AUC, 准确率	NA
2694	2026-08-07	Lightweight LLM-Based Anomaly Detection Framework for Securing IoTMD Enabled Diabetes Management Control Systems 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3577604 PMID:40489281	研究论文	本研究评估了多种轻量级大语言模型在物联网医疗设备启用的糖尿病管理控制系统中的异常检测性能，其中微调的LLaMA 3.2 1B-Instruct模型表现最佳	首次将轻量级大语言模型与低秩适配技术应用于物联网医疗设备的异常检测，实现了高精度和零误报率，超越了传统深度学习方法	研究仅基于仿真或特定数据集，未涉及真实临床环境，且未详细探讨模型在对抗性攻击下的鲁棒性	开发并评估轻量级大语言模型用于增强物联网医疗设备糖尿病管理控制系统的安全性，以检测网络威胁	物联网医疗设备中的糖尿病管理控制系统，以及其中的异常检测任务	机器学习	糖尿病	低秩适配微调	大语言模型（LLM）	NA	NA	NA	LLaMA 3.2 1B-Instruct, GPT-2, Phi-1, Gemma 2B-Instruct, IL-MLP, IL-CNN, FL-MLP, FL-CNN	准确率, 精确率, 假阳性率	NA
2695	2026-08-07	Development of a Tongue Image-Based Machine Learning Tool for the Diagnosis of Colorectal Cancer: A Prospective Multicentre Clinical Cohort Study 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3585552 PMID:40601462	研究论文	本研究开发了一种基于舌象图像的机器学习工具，用于辅助诊断结直肠癌，并进行了前瞻性多中心临床队列验证	创新性地结合了传统舌诊与现代机器学习，使用SAM和Grounding DINO进行图像分割，融合手工特征和Swin-Transformer深度学习特征，实现了高准确率的非侵入性诊断	外部验证队列样本量相对较小，可能限制结果的普遍性；未涉及与其他诊断方法的直接比较	开发一种非侵入性、经济有效的基于舌象图像的智能诊断模型，以辅助结直肠癌筛查，尤其在传统诊断资源有限的地区	结直肠癌患者和非结直肠癌参与者的舌象图像	医学影像分析	结直肠癌	图像分割、特征提取和融合技术	机器学习模型，具体包括SAM, Grounding DINO, Swin-Transformer	舌象图像	内部分析包括1,389张结直肠癌患者舌象和1,543张非结直肠癌参与者舌象；外部验证包括119名结直肠癌患者和221名非结直肠癌参与者的舌象	NA	SAM, Grounding DINO, Swin-Transformer	准确率, F1-score, 精确率, 召回率	未提及
2696	2026-08-07	HRMamba: Fusing Luminance Information for Remote Physiological Measurement in Varied Lighting Conditions 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3603308 PMID:40956747	研究论文	提出了一种基于Mamba的端到端方法HRMamba，通过融合亮度信息在复杂光照条件下从面部视频中提取远程生理信号	首次将Mamba架构应用于远程光电容积描记（cbPPG）任务，设计了时间差分Mamba处理时序信号，并结合双向状态空间理解场景和周期性模式，创新性地设计了亮度后处理模块以在不增强光线或改动原始视频的情况下提取亮度信息并嵌入PPG信号	摘要中未明确提及局限性	解决现有深度学习方法在cbPPG中提取微弱PPG信号、理解长上下文周期性模式以及在低光等复杂光照环境下准确提取PPG信号的挑战	面部视频中的远程光电容积描记（cbPPG）信号，用于提取心率、呼吸率和血氧饱和度等生命体征	计算机视觉	NA	NA	Mamba	视频	NA	NA	Mamba, 时间差分Mamba, 双向状态空间模型, 亮度后处理模块	性能指标未在摘要中具体列出，但声称达到最优性能	NA
2697	2026-08-07	Evaluation of Self-Supervised Representation Learning for Mitosis Detection in Histopathological Images 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629587 PMID:41284437	研究论文	本研究评估了基于自监督学习（DINO）的基础模型在组织病理图像中有丝分裂检测中的应用	首次将自监督学习基础模型（DINO）用于组织病理图像中的有丝分裂检测，消除了昂贵训练阶段的需求，并展示了与监督模型相当的性能	基础模型性能略低于监督模型，且仅评估了有限数量的基础模型架构	评估自监督学习基础模型在组织病理图像有丝分裂检测中的适用性，以提高资源效率	组织病理图像中的有丝分裂细胞	数字病理学	癌症	自监督学习（DINO）	Vision Transformer (ViT), Cross-Covariance Image Transformers (XCiT), ResNet-50	图像	使用MIDOG2021、MIDOG2022和ICPR2014数据集	NA	Vision Transformer (ViT), Cross-Covariance Image Transformers (XCiT), ResNet-50	F1分数	NA
2698	2026-08-07	ToothSeg: Robust Tooth Instance Segmentation and Numbering in CBCT Using Deep Learning and Self-Correction 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3650444 PMID:41477803	研究论文	本文介绍ToothSeg，一种基于深度学习和自我校正的全自动牙齿实例分割与编号方法，用于锥形束CT影像	将语义分割和实例分割统一到一个方法中，并采用自我校正机制解决牙齿合并或分裂问题，确定每个牙弓的牙齿编号最优顺序	未在论文中明确提及，但可能涉及对图像伪影和解剖变异的泛化挑战	实现CBCT中牙齿的自动实例分割和编号，减少人工工作量并支持口腔和颅面健康的研究	CBCT影像中的牙齿	计算机视觉	口腔疾病	CBCT	深度学习模型（语义分割和实例分割）	图像	内部数据集1282个样本（25+设备），ToothFairy2挑战数据集480个样本（1个设备）	NA	语义分割模型（未指定具体架构），实例分割模型（未指定具体架构）	True Positive Dice, multiclass instance F1	NA
2699	2026-08-07	Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3652910 PMID:41525640	研究论文	提出了一种通过剪枝学习增强皮肤病变分类公平性的算法，应用于VGG11和ViT-B16模型，在不牺牲准确率的前提下提升了公平性指标并减小了模型规模	通过计算卷积层特征图及ViT补丁和头的偏度，剪除与肤色相关的无关通道，聚焦病变区域，无需肤色标签即可实现公平性提升	未提及具体局限性，可能包括验证范围有限或对特定数据集依赖	提升皮肤病变分类在不同肤色间的公平性，同时减少计算开销和模型大小	皮肤病变图像分类任务中的公平性提升	计算机视觉, 数字病理学	皮肤癌	剪枝学习	CNN, Transformer	图像	未明确说明	PyTorch	VGG11, ViT-B16	准确率, F1分数, 公平性指标	未明确说明
2700	2026-08-07	SAFusion: Scenario-Adaptive Network for Multimodal Medical Image Fusion 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651957 PMID:41525647	研究论文	提出了一种场景自适应的多模态医学图像融合网络SAFusion，采用两阶段训练过程和包含场景专用与通用融合模块的融合层，以应对不同融合场景的需求	创新性地提出场景自适应融合网络，通过两阶段训练和混合专家模型定制融合策略，以及基于标准卷积和可变形卷积门控机制的双路径融合结构，实现对不同场景的自适应优化	摘要未提及明确局限性	解决现有深度学习方法忽略不同融合场景差异的问题，提供灵活高效的医学图像融合方案以支持临床诊断和治疗	多模态医学图像，涉及不同融合场景	计算机视觉	不适用	深度学习（自动编码器、混合专家模型、卷积神经网络）	自动编码器、混合专家模型、卷积神经网络	医学图像	摘要未提及样本数量	不适用	自动编码器、混合专家模型、标准卷积、可变形卷积	信息集成、视觉一致性（未提及具体指标）	不适用