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
2801	2026-07-05	Texture-preserving diffusion model for CBCT-to-CT synthesis 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103362 PMID:39393132	研究论文	提出一种纹理保留扩散模型，用于CBCT到CT的合成，通过自适应高频优化和双模态特征融合模块增强图像质量	创新性地引入自适应高频优化和双模态特征融合模块，提升高频细节保留和跨模态特征融合能力	未详细说明局限性	提升CBCT到CT合成图像的质量，改善诊断准确性和治疗规划	CBCT和CT图像数据	计算机视觉	NA	CBCT, CT	扩散模型	图像	NA	NA	扩散模型	NA	NA
2802	2026-07-05	RFMiD: Retinal Image Analysis for multi-Disease Detection challenge 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103365 PMID:39395210	研究论文	本文报告了与IEEE国际生物医学成像研讨会共同组织的“视网膜图像分析用于多疾病检测”挑战赛的组织、数据集、顶尖参与者的解决方案、评估指标和结果	提出了首个同时涵盖常见和罕见眼底病变的多疾病检测挑战赛，并创建了新的视网膜眼底多疾病图像数据集RFMiD	NA	推动自动眼病分类技术在处理常见疾病和罕见病理方面的发展	视网膜眼底图像中常见及罕见眼病的自动检测与分类	计算机视觉	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、视网膜中央动脉阻塞、前部缺血性视神经病变等	NA	预训练模型和模型集成	视网膜眼底图像	包含常见和罕见病理的新型RFMiD数据集，具体数量未说明	NA	NA	评估指标	NA
2803	2026-07-05	HAGMN-UQ: Hyper association graph matching network with uncertainty quantification for coronary artery semantic labeling 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103374 PMID:39413456	研究论文	提出基于超关联图匹配网络与不确定性量化的冠状动脉语义标注方法	利用超图扩展表示能力并建模高阶关联，结合不确定性量化减少比较次数以加速推理	NA	实现冠状动脉造影图像中冠状动脉分支的准确语义分割	侵入性冠状动脉造影图像中的冠状动脉分支	计算机视觉	冠状动脉疾病	NA	图匹配神经网络	图像	NA	NA	超关联图匹配网络	准确率	NA
2804	2026-07-05	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出一种拓扑引导的深度卷积网络TopoTxR，利用多尺度拓扑结构增强DCE-MRI中乳腺实质的表征与化疗反应预测	首次将显式的拓扑特征提取与注意力机制结合到深度学习模型中，用于量化乳腺实质的细微拓扑结构，弥补传统影像组学和深度学习模型对复杂组织结构的量化不足	依赖特定数据集验证，拓扑结构提取可能受图像质量和预处理步骤影响，且在新辅助化疗反应预测中的泛化性需要更多外部验证	提高DCE-MRI中乳腺实质表征的准确性，增强对新辅助化疗反应的预测性能	动态增强磁共振图像中的乳腺实质组织，特别是纤维腺体组织	计算机视觉, 数字病理学	乳腺癌	DCE-MRI	卷积神经网络	图像	VICTRE乳腺虚拟数据集；I-SPY 1数据集161例（47例pCR，114例非pCR）；Rutgers专有数据集120例（69例pCR，51例非pCR）	NA	TopoTxR	准确率, AUC	NA
2805	2026-07-05	Ensemble transformer-based multiple instance learning to predict pathological subtypes and tumor mutational burden from histopathological whole slide images of endometrial and colorectal cancer 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103372 PMID:39461079	研究论文	提出一种基于集成Transformer的多实例学习框架，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测病理亚型和肿瘤突变负荷	首次将集成Transformer与自监督学习视觉Transformer特征编码器结合，用于直接从H&E染色全切片图像预测肿瘤突变负荷和病理亚型	依赖TCGA公开数据集，未在外部独立队列验证；样本量有限（EC 918张切片/529名患者，CRC 1495张切片/594名患者）；仅验证了两个癌症类型	开发一种低成本、高效且易获取的深度学习工具，用于预测子宫内膜癌和结直肠癌患者的病理亚型和肿瘤突变负荷状态	子宫内膜癌和结直肠癌患者的H&E染色组织病理学全切片图像	数字病理学, 机器学习	子宫内膜癌, 结直肠癌	H&E染色全切片成像	Transformer, 多实例学习	组织病理学全切片图像	子宫内膜癌队列918张WSI（529名患者），结直肠癌队列1495张WSI（594名患者）	PyTorch	Vision Transformer (ViT), 多实例学习集成框架 (ETMIL-SSLViT)	精确度, 准确率, Fisher精确检验p值	NA
2806	2026-07-05	An objective comparison of methods for augmented reality in laparoscopic liver resection by preoperative-to-intraoperative image fusion from the MICCAI2022 challenge 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103371 PMID:39488186	研究论文	提出MICCAI 2022挑战赛，客观比较腹腔镜肝脏手术中术前到术中图像融合增强现实方法	首次通过挑战赛形式系统评估自动地标检测和配准方法在腹腔镜肝脏手术增强现实中的应用	仅少量团队参与，3D地标分割和3D-2D配准任务仍有较大挑战，且测试数据量有限	探索自动检测解剖地标并用于3D-2D配准的可能性，推动增强现实在手术室的实用化	腹腔镜肝脏手术图像与术前CT/MRI三维模型	数字病理学	肝癌	NA	深度学习、可微渲染	图像	训练数据含9名患者的167张腹腔镜图像和9个术前三维模型；测试数据含2名患者的16张测试图像和2个术前三维模型	NA	NA	地标分割准确率、配准质量	NA
2807	2026-07-05	Beyond strong labels: Weakly-supervised learning based on Gaussian pseudo labels for the segmentation of ellipse-like vascular structures in non-contrast CTs 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103378 PMID:39500029	研究论文	提出一种基于高斯伪标签的弱监督学习框架，用于非增强CT中椭圆样血管结构的分割	利用血管结构在CT切片中的椭圆拓扑特性生成高斯伪标签，结合体素重建损失和分布损失进行训练，显著减少标注时间并提升分割性能	NA	开发一种弱监督学习方法以解决非增强CT中血管分割的标注难题	非增强CT扫描中的椭圆样血管结构，尤其是腹主动脉	计算机视觉	血管疾病	CT成像	CNN	图像	一个本地数据集和两个公共数据集，包含非增强CT扫描	PyTorch	NA	Dice系数, Hausdorff距离	NA
2808	2026-07-05	A cross-attention-based deep learning approach for predicting functional stroke outcomes using 4D CTP imaging and clinical metadata 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103381 PMID:39500028	研究论文	提出一种基于交叉注意力的多模态深度学习模型，结合4D CTP影像和临床元数据预测急性缺血性卒中患者的功能预后	首次将4D CTP影像与临床元数据结合通过交叉注意力机制进行多模态融合，用于预测卒中功能预后，优于传统融合策略和单模态模型	数据集仅包含70例患者，样本量较小	开发并评估一种新型多模态深度学习模型，用于预测AIS患者90天改良Rankin量表评分	急性缺血性卒中（AIS）患者，接受血管内机械取栓术	深度学习, 医学影像分析	急性缺血性卒中	4D CTP影像, 临床元数据	深度学习多模态模型	影像数据, 临床数据	70例AIS患者	PyTorch, TensorFlow	ResNet, Transformer, 交叉注意力机制	ACC, precision, recall, F1-score	NA
2809	2026-07-05	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	提出MAPLEZ方法，利用本地执行的大语言模型从胸部X光报告中提取并增强病灶标签，包括存在性、位置、严重度和不确定性，以提升分类质量	首次利用本地执行的大语言模型从胸部X光报告中提取多类型注释（存在性、位置、严重度、不确定性），并在有限分辨率数据集上证明改进注释对分类质量的提升	可能依赖报告质量，且需进一步验证在其他数据集和更多异常类型上的泛化能力	通过隐私保护的大语言模型改进胸部X光数据集的标注质量，提升分类性能	胸部X光报告及对应图像，包括八个异常类型和五个测试集	计算机视觉，自然语言处理	胸部疾病	大语言模型（LLM），胸部X光（CXR）	大语言模型	文本（报告），图像（X光片）	五个测试集，涉及八个异常类型	PyTorch	LLM（未指定具体架构）	macro F1分数， F1分数， AUROC	本地执行（具体GPU未说明）
2810	2026-07-05	Large-scale multi-center CT and MRI segmentation of pancreas with deep learning 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103382 PMID:39541706	研究论文	提出一种结合nnUNet与Transformer网络的新型胰腺分割方法PanSegNet，在大规模多中心CT和MRI数据集上实现了准确的胰腺自动分割	首次将nnUNet与Transformer网络结合，并引入新型线性注意力模块实现体积计算，同时收集并公开了大规模多中心MRI胰腺分割数据集	未明确说明，但研究为回顾性设计，且MRI数据来自少数机构，泛化性尚需进一步验证	提高胰腺在CT和MRI上的自动分割准确性，推动基于MRI的胰腺分割方法研究	胰腺	计算机视觉	胰腺疾病	CT, MRI	nnUNet, Transformer网络	CT图像, MRI图像	767次MRI扫描（来自499名参与者）和1350例CT扫描	nnUNet, PyTorch（推测）	nnUNet, Transformer, PanSegNet	Dice系数, Hausdorff距离(HD95), Cohen's kappa系数, 皮尔逊相关系数R	未指定，可能使用GPU
2811	2026-07-05	Neural implicit surface reconstruction of freehand 3D ultrasound volume with geometric constraints 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103305 PMID:39168075	研究论文	提出一种名为FUNSR的自监督神经隐式曲面重建方法，用于从自由手3D超声体积中学习符号距离函数	首次将自监督学习与几何约束（符号一致性约束和对抗学习中的表面约束）相结合，实现自由手3D超声体积的高质量曲面重建	未明确说明局限性，但隐式曲面重建在复杂噪声和运动干扰下的鲁棒性仍需进一步验证	解决自由手3D超声体积中因图像噪声导致的曲面重建质量低的问题，提高重建的平滑性、连续性和分辨率	四种不同解剖结构的超声数据集：髋部假体、两个血管数据集和一个公开的前列腺数据集	计算机视觉	NA	3D自由手超声	神经隐式曲面重建	3D超声体积	四个超声数据集（髋部假体、两个血管、一个公开前列腺）	PyTorch	FUNSR（自监督神经隐式曲面重建网络）	曲面质量、分割性能、噪声鲁棒性、运动扰动鲁棒性	NA
2812	2026-07-05	Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103298 PMID:39173410	research paper	评估在胃肠道内镜图像分析中，使用领域内预训练相对于自然图像预训练的潜在优势	首次在大规模胃肠道内镜图像数据集GastroNet-5M上，比较自监督领域内预训练与各种自然图像预训练方法在下游任务中的性能，发现DINO框架的自监督领域内预训练效果最佳	未提及具体局限性	探究胃肠道内镜图像分析中领域内预训练相比自然图像预训练的潜在优势	胃肠道内镜图像分析中的下游任务，如血管发育不良检测和息肉分割	计算机视觉	胃肠道疾病	NA	CNN和Vision Transformer	图像	5,014,174张胃肠道内镜图像，来自8个医疗中心，下游任务使用5个数据集	PyTorch	ResNet50, Vision-Transformer-small	平均性能提升百分比	NA
2813	2026-07-05	Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103322 PMID:39197301	研究论文	针对真实荧光透视数据，提出域适应策略用于腰椎三维重建，以克服合成训练数据与真实术中图像之间的域差距	设计新型数据收集协议构建配对数据集（合成与真实荧光图像），结合风格迁移与迁移学习缩小域差距；仅需三张术中荧光图像即可实现快速精确的三维重建	未在更大规模真实临床数据上验证，且对成像设置和视角依赖性需进一步优化	提升术中三维重建的实用性，推动手术导航在骨科手术中的广泛应用	腰椎的三维解剖结构重建	计算机视觉, 医学影像	骨科脊柱疾病	X光荧光透视成像	深度学习模型	合成与真实荧光图像	配对数据集（合成与真实图像），具体数量未明确提及	PyTorch	X23D	F1分数（84%）	81.1毫秒的计算时间，推测使用GPU加速，具体型号未说明
2814	2024-09-10	Editorial for the Special Issue on the 2022 Medical Imaging with Deep Learning Conference 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103308 PMID:39214771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2815	2026-07-05	Multi-detector fusion and Bayesian smoothing for tracking viral and chromatin structures 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103227 PMID:38897031	研究论文	提出一种基于多检测器融合和贝叶斯平滑的概率跟踪方法，用于追踪荧光显微镜图像中的病毒和染色质结构	首次结合多检测器和多尺度数据融合以及贝叶斯平滑，使用基于强度的协方差交集方法整合检测结果，无需优化步骤	未提及	实现荧光显微镜图像中病毒和细胞内结构（显示为不同大小斑点）的自动跟踪，以量化细胞过程	病毒颗粒、细胞内结构（染色质）	计算机视觉	NA	荧光显微镜成像	贝叶斯平滑	图像（荧光显微镜图像）	使用粒子跟踪挑战赛图像数据以及丙型肝炎病毒感染细胞和非感染细胞的实时细胞荧光显微镜图像	NA	NA	NA	NA
2816	2026-07-05	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	使用深度学习方法分析军事社交媒体帖子以检测服役人员和退伍军人的自杀风险	首次针对军事特定社交媒体平台开发基于深度学习的自杀风险检测算法，并集成帖文文本与元数据	研究仅基于公开社交媒体数据，可能无法完全代表所有服役人员的真实情况，且需进一步验证在真实干预场景中的有效性	开发能自动检测社交媒体中自杀相关内容的算法，用于识别高危服役人员和退伍军人	美国军事服役人员和退伍军人	自然语言处理	自杀风险	社交媒体数据分析	深度学习模型 (RoBERTa)	文本数据（社交媒体帖子）	8449条军事特定社交媒体平台的公开帖子	NA	RoBERTa	敏感性, 特异性, 精确度, F1分数, 精确率-召回率曲线下面积	NA
2817	2026-07-05	Deep transformer-based personalized dosimetry from SPECT/CT images: a hybrid approach for [177Lu]Lu-DOTATATE radiopharmaceutical therapy 2024-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06618-9 PMID:38267686	研究论文	开发了一种基于Transformer的混合深度学习模型，用于从SPECT/CT图像进行[177Lu]Lu-DOTATATE放射性药物治疗的个性化剂量测定	结合UNETR架构和多体素S值方法，实现快于蒙特卡洛模拟且精度接近的体素级剂量测定	仅使用22名患者数据集，模型在异质区域性能提升但未评估大规模临床应用	提高放射性药物治疗中剂量测定的准确性和效率	[177Lu]Lu-DOTATATE治疗患者的SPECT/CT图像和剂量图	机器学习	神经内分泌肿瘤	SPECT/CT成像	UNETR（UNEt TRansformer）	图像	22名患者（最多4个治疗周期）	PyTorch	UNETR	体素相对绝对误差，伽马分析通过率，器官水平绝对百分比误差	GPU（未指定具体型号）
2818	2026-07-05	O2 supplementation disambiguation in clinical narratives to support retrospective COVID-19 studies 2024-01-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02425-2 PMID:38297364	研究论文	针对临床叙事中补充氧气信息的消歧，以支持回顾性COVID-19研究	比较了从传统机器学习到深度学习多种模型，并用LIME解释模型决策，显示传统方法能以更低计算成本达到相近性能	未明确提及，但可能包括数据仅来自德语出院小结及样本规模有限	自动化分类COVID-19患者是否接受补充氧气，减轻医生手工审阅负担	COVID-19患者出院小结中的文本行	自然语言处理	COVID-19	NA	从传统机器学习到深度学习模型	文本	未提供具体数量，来自匿名化德语COVID-19患者出院小结	NA	NA	F-measure	NA
2819	2026-07-05	Application of machine learning models on predicting the length of hospital stay in fragility fracture patients 2024-01-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02417-2 PMID:38291406	研究论文	应用机器学习模型预测脆性骨折患者住院时长	首次将机器学习技术应用于脆性骨折患者住院时长预测	样本量较小（8000例）	开发预测脆性骨折患者住院时长的机器学习模型，优化医疗资源配置	香港老年脆性骨折患者	机器学习	老年性疾病	NA	Wide & Deep学习、人工神经网络、梯度提升框架	表格数据	8000份患者记录	TensorFlow	Wide & Deep, 自定义人工神经网络	准确率, 精确率, AUC-ROC	NA
2820	2026-07-05	Development of a generative deep learning model to improve epiretinal membrane detection in fundus photography 2024-01-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02431-4 PMID:38273286	研究论文	开发一种生成式深度学习模型，通过合成具有病理特征的彩色眼底照片来提高黄斑前膜检测性能	首次将StyleGAN2生成模型应用于黄斑前膜检测任务，通过合成逼真的黄斑前膜眼底照片来增强数据多样性，显著提升检测性能	NA	提高彩色眼底照片中黄斑前膜的检测准确率	黄斑前膜患者和健康对照的彩色眼底照片	计算机视觉	视网膜疾病	彩色眼底摄影	生成对抗网络	图像	302例黄斑前膜和1,250例健康对照的彩色眼底照片	NA	StyleGAN2, EfficientNetB0	受试者工作特征曲线下面积 (AUC)	NA