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
2961	2026-07-03	Application of deep learning in wound size measurement using fingernail as the reference 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02778-8 PMID:39696347	研究论文	提出一种结合三个深度学习模型、以指甲为参照的自动伤口尺寸测量系统	以指甲作为参照物，无需手动描画伤口和参考标记，实现自动伤口尺寸测量，提升家庭护理场景的便捷性和可及性	未明确提及局限性，但可推测系统依赖于照片质量及指甲宽度转换准确性，可能受拍摄条件影响	开发一种快速、易用的自动伤口尺寸测量系统，改善慢性伤口护理中的用户体验	慢性伤口照片和指甲图像	计算机视觉	慢性伤口	深度学习	CNN（卷积神经网络）	图像	248张图像用于模型训练和评估，30名参与者用于用户体验分析	NA	Mask R-CNN, Yolov5, U-Net	Pearson相关系数, 平均精度均值, 交并比, 像素准确率	NA
2962	2026-07-03	A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02761-3 PMID:39696373	研究论文	提出了一种结合先验知识引导的动态注意力机制的深度学习框架，用于预测1型糖尿病患者的夜间低血糖事件	提出了先验知识引导的动态注意力机制，增强了网络的学习能力和可解释性，实现了从多尺度多维数据中全面提取信息	仅使用一个公开临床数据集进行验证，可能限制了模型的泛化能力和在不同人群中的适用性	通过深度学习框架改进夜间低血糖事件的预测准确性和实用性	1型糖尿病患者的夜间低血糖事件	机器学习	1型糖尿病	NA	深度学习	临床数据	一个公开临床数据集	NA	动态注意力机制	F1分数	NA
2963	2026-07-03	Deep caries detection using deep learning: from dataset acquisition to detection 2024-12-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06068-5 PMID:39621193	研究论文	提出基于深度学习的龋齿检测方法，利用最新YOLO模型从图像数据集中学习以提升早期龋齿诊断的准确性	首次将YOLOv7、YOLOv8和YOLOv9应用于龋齿检测，通过对比分析展示YOLOv8的最高性能（mAP@0.5为0.982），并强调其在资源受限环境中的临床潜力	仅依赖3200余张图像数据集，未提及外部验证或跨人群泛化性评估，且模型对早期龋齿的灵敏度未明确分析	通过深度学习技术提高龋齿早期检测的准确性和效率，特别是在低收入和中等收入国家中减少未治疗龋齿带来的健康负担	牙科龋齿病变，包括普通龋齿、深龋及排除类别	计算机视觉	龋齿	NA	卷积神经网络（CNN-based目标检测）	口腔X线图像（咬翼片）	超过3200张牙科X线图像	PyTorch	YOLOv7, YOLOv8, YOLOv9	平均精度均值（mAP@0.5 IoU）	NA
2964	2026-07-03	Automatic jawbone structure segmentation on dental CBCT images via deep learning 2024-11-28, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06061-y PMID:39604672	研究论文	提出一种基于深度学习的双阶段系统，用于自动分割牙颌骨结构，包括下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨	开发了针对锥形束CT图像中牙颌骨结构的双阶段深度学习自动分割系统，并评估了牙齿和质量异常对分割性能的影响	未明确提及训练数据多样性或模型泛化性的具体局限	开发和评估一种自动分割牙颌骨结构的深度学习系统，以提高数字牙科工作流的效率和准确性	下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨在锥形束CT图像上的分割	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	图像	155例锥形束CT扫描，采集参数不同	NA	NA	Dice相似系数（DSC），平均对称表面距离（ASSD）	NA
2965	2026-07-03	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-11-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	该论文通过临床样本纵向分析，研究新辅助放疗对乳腺癌肿瘤浸润淋巴细胞动态变化的影响	首次纵向评估新辅助放疗前后及期间肿瘤浸润淋巴细胞的动态变化，并结合深度学习进行细胞级与组织级联合分析	NA	探究新辅助放疗对乳腺癌肿瘤免疫微环境（尤其是肿瘤浸润淋巴细胞）的影响及其与病理完全缓解和长期预后的关联	来自PRADA和Neo-RT临床试验的乳腺癌患者样本，包括肿瘤组织及外周血	数字病理学, 机器学习	乳腺癌	NA	深度学习模型	图像（病理组织切片）, 数值（外周血淋巴细胞计数）	PRADA和Neo-RT临床试验中的乳腺癌患者队列	NA	SuperTIL深度学习模型（细胞级与组织级组合分析）	病理完全缓解预测的一致性, 手动评分与深度学习评分的一致性	NA
2966	2026-07-03	Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103291 PMID:39121545	研究论文	提出了一种基于对抗期望最大化的变分深度学习框架，用于低剂量PET和CT图像质量提升	首次将对抗学习与期望最大化结合到变分深度神经网络中，提出多尺度潜空间编码器-解码器架构，并使用广义高斯模型实现数据特定的鲁棒统计建模，同时开发了半监督版本以减少对正常剂量图像的依赖	未明确讨论计算复杂度或大规模临床验证，且模型性能可能受限于训练数据分布和超参数调优	开发新的深度学习框架以提升低剂量PET和CT图像质量，同时减少对配对正常剂量图像的依赖	低剂量PET和CT图像的质量增强	数字病理学, 计算机视觉	NA	PET, CT	变分自编码器, 生成对抗网络	图像	真实世界PET和CT数据（具体样本量未说明）	PyTorch	编码器-解码器, 多尺度潜空间	峰值信噪比, 结构相似性指数, 均方误差	NA
2967	2026-07-03	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	research paper	提出一种类型和形状解耦的生成方法，用于捕捉先天性心脏病患者心脏解剖结构的显著拓扑变异，并生成不同的心脏解剖结构	提出类型和形状解耦的生成方法，首次能够捕捉先天性心脏病不同类型的心脏解剖拓扑变异，并生成保留特定类型独特拓扑的解剖结构	数据集仅包含67名患者，覆盖6种CHD类型和14种组合，样本量较小，可能限制模型泛化能力	开发一种生成模型，用于合成先天性心脏病患者心脏解剖结构，以辅助诊断、治疗规划和图像分割数据增强	先天性心脏病患者的心脏解剖结构	computer vision	congenital heart disease	NA	deep learning	image	67名患者，覆盖6种CHD类型和14种组合	NA	NA	CHD类型正确性、形状合理性、分割准确性	NA
2968	2026-07-03	Multimodal representations of biomedical knowledge from limited training whole slide images and reports using deep learning 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103303 PMID:39154617	研究论文	提出一种多模态架构，从有限训练的全切片图像和报告中创建鲁棒的生物医学数据表示，并提高分类性能和数据利用效率	结合监督与自监督学习应对数据稀缺，通过架构设计实现多模态数据检索和图文概念关联而无需额外训练，多模态表示能减半所需数据量并降低计算碳足迹	NA	开发一种多模态深度学习架构，有效整合医学图像与文本报告，创建强大的生物医学数据表示	结肠全切片图像及其对应的病理报告	数字病理学, 计算机视觉, 自然语言处理	结肠癌	全切片成像	CNN, Transformer	图像, 文本	超过6000对结肠全切片图像和对应报告，来自两个数字病理工作流程	PyTorch	ResNet, Transformer	分类准确率, 数据利用效率	NA
2969	2026-07-03	TS-AI: A deep learning pipeline for multimodal subject-specific parcellation with task contrasts synthesis 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103297 PMID:39154619	研究论文	提出了一种名为TS-AI的两阶段深度学习网络模型，通过合成任务对比图实现个体化的大脑皮质图谱划分	首次在不获取实际任务fMRI扫描数据的情况下，利用合成的任务对比图实现个体化脑图谱划分，并设计特征一致性损失函数提高个体特异性	未提及具体局限性	开发一种基于深部学习的多模态个性化脑图谱划分方法，以解决任务功能MRI数据获取耗时且成本高的问题	大脑皮质表面的功能亚区个体化划分	机器学习	阿尔茨海默病	fMRI、任务功能磁共振成像、静息态网络、解剖连接	深度学习网络	任务fMRI数据、静息态网络信号、解剖连接数据	未明确说明样本数量，但涉及多个参考图谱和数据集	NA	两阶段网络模型	测试-重测可靠性、同质性、认知行为预测	NA
2970	2026-07-03	Results of an Artificial Intelligence-Based Image Review System to Detect Patient Misalignment Errors in a Multi-institutional Database of Cone Beam Computed Tomography-Guided Radiation Therapy 2024-09-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.065 PMID:38485098	研究论文	应用基于深度学习的图像误配准检测算法对多机构锥形束CT引导放疗数据库进行全自动回顾性错误搜索，以确定患者摆位误差率	首次使用深度学习算法对临床放疗数据库进行全自动回顾性错误搜索，代替传统手动审查，能够发现既往未报告的错误案例	假阳性案例常因图像伪影、患者旋转及软组织解剖变化导致，需人工复核	评估深度学习误配准检测算法自动检测患者摆位误差的临床实用性，并确定绝对粗大误差发生率	2016-2017年及2021-2022年间两家放疗机构共17612次配准记录	计算机视觉	NA	锥形束CT图像引导放疗	CNN	图像	680名患者，17612次配准记录	NA	深度学习误配准检测算法	受试者工作特征曲线分析、标记率、错误检出率、假阳性率	NA
2971	2026-07-03	Deep-Learning for Rapid Estimation of the Out-of-Field Dose in External Beam Photon Radiation Therapy - A Proof of Concept 2024-09-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.03.007 PMID:38554830	研究论文	提出基于深度学习的3D U-Net模型，用于快速估算外部束光子放疗中的场外剂量，作为概念验证	首次利用深度学习实现场外剂量图的快速估算，展示出前所未有的泛化能力，并接近临床应用可行性	模型性能仍有限，尤其对未见放疗设备的数据集泛化能力需进一步提升	开发适合临床实施的场外剂量估算工具，替代蒙特卡罗模拟和分析方法的不足	3151名儿童患者的全身剂量图，来自FCCSS数据库及5个临床中心	机器学习, 数字病理学	NA	NA	CNN	图像	3151名儿童患者（训练验证），433名患者（测试，分为5个子数据集）	NA	3D U-Net	均方根偏差	NA
2972	2026-07-03	A benchmarked comparison of software packages for time-lapse image processing of monolayer bacterial population dynamics 2024-08-06, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.00032-24 PMID:38980028	研究论文	比较四种用于单层细菌群体动态时间序列图像分析的软件包性能	首次对四种软件包（CellProfiler、SuperSegger-Omnipose、DeLTA和FAST）进行基准化比较，发现深度学习分割优于传统方法，但传统方法在目标跟踪上表现更好	仅针对单层细菌群体动态，未涵盖三维图像或其他应用场景	评估和指导研究人员选择合适的图像处理软件包	大肠杆菌群体的时间序列显微镜图像	计算机视觉	NA	时间序列显微镜技术	深度学习分割模型	图像	NA	NA	NA	分割性能、跟踪性能、计算效率	NA
2973	2026-07-03	Deep Learning for Automatic Gross Tumor Volumes Contouring in Esophageal Cancer Based on Contrast-Enhanced Computed Tomography Images: A Multi-Institutional Study 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.035 PMID:38432286	研究论文	基于深度学习开发并外部验证了用于食管鳞状细胞癌大体肿瘤体积自动勾画的AI工具	开发了一个三维深度学习模型用于GTV自动勾画，并在多中心数据上验证；AI工具显著提高了专家勾画性能并减少了观察者间变异，同时在放射组学分析中显示出稳定可重复性	未明确说明限制	开发并验证用于食管癌GTV自动勾画的AI工具，辅助新辅助或根治性放疗治疗计划	食管鳞状细胞癌患者的增强CT图像	机器学习	食管癌	对比增强CT成像	三维深度学习模型	图像	580名食管鳞状细胞癌患者	NA	NA	Dice相似系数，平均表面距离	NA
2974	2026-07-03	Experience of Implementing Deep Learning-Based Automatic Contouring in Breast Radiation Therapy Planning: Insights From Over 2000 Cases 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.041 PMID:38431232	研究论文	评估基于深度学习的自动轮廓勾画系统在乳腺癌放射治疗计划中的应用效果，并分析超过2000例病例的经验	基于大规模真实临床数据（2428例）评估自动轮廓勾画系统的长期临床影响，并发现自动化偏差风险	研究未提及对自动轮廓系统误分割肺部的具体原因分析，且主要关注乳房放疗，可能限制通用性	评估自动轮廓勾画系统在乳腺癌放疗中的临床效用和影响	乳腺癌术后放疗患者的CT图像及治疗轮廓数据	数字病理学, 机器学习	乳腺癌	CT成像	深度学习	医学图像	2428名乳腺癌术后放疗患者（实施前组369例，实施后组2059例）	NA	NA	Dice相似系数, 95%豪斯多夫距离	NA
2975	2026-07-03	Imaging Analytics using Artificial Intelligence in Oncology: A Comprehensive Review 2024-08, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2023.09.013 PMID:37806795	综述	探讨深度学习在肿瘤学成像分析中的多方面作用，涵盖风险分层、筛查诊断、基因组突变预测、治疗反应及生存结局预测等，并讨论放射组学、影像生物库及人工智能的商业化与伦理问题	全面综述了深度学习在肿瘤成像分析中的多种应用，包括自动化报告生成、转移学习利用及通用人工智能模型的介绍	用于临床的深度学习模型仍处于初期阶段，通用实施面临障碍	综述人工智能在肿瘤成像分析中的应用现状、挑战及未来方向	肿瘤成像数据（如CT、MRI等医学影像）及相关临床预测任务	计算机视觉	肿瘤	深度学习、放射组学	卷积神经网络（CNN）	图像	NA	NA	CNN	NA	NA
2976	2026-07-03	TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103190 PMID:38820677	研究论文	提出TAI-GAN将动态心脏PET早期帧转换为类似参考帧的分布，以改善帧间运动校正	首次将时间与解剖信息通过特征线性调制层整合到生成对抗网络中，实现早期帧到参考帧的全映射转换，解决了强示踪剂动力学导致的配准失效问题	NA	改善动态心脏PET帧间运动校正的准确性和心肌血流量定量	动态心脏PET图像帧间运动校正	计算机视觉	冠状动脉疾病	PET	生成对抗网络	图像	临床Rb PET数据集	PyTorch	TAI-GAN	图像质量、运动估计精度、心肌血流量定量	NA
2977	2026-07-03	Which images to label for few-shot medical image analysis? 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103200 PMID:38801797	研究论文	提出一种模板选择策略TECP，用于在少样本医学图像分析中自动选择最有价值的图像进行标注，以提升模型性能	首次关注少样本学习中标注前模板图像的选择问题，提出包含自监督训练、区域定位、代表性评分和排序四大模块的TECP策略	未提及具体局限性，但依赖自监督预训练模型和多个数据集验证，可能在极低样本场景下泛化性有待探索	解决医学图像少样本学习中标注样本选择问题，以最少标注图像获得最优模型性能	医学图像中的标志点检测、解剖结构检测和解剖分割三类任务	计算机视觉	NA	NA	CNN	图像	多个公开数据集	自监督学习框架	预训练深度模型	模型性能指标（具体未说明）	NA
2978	2026-07-03	CMAN: Cascaded Multi-scale Spatial Channel Attention-guided Network for large 3D deformable registration of liver CT images 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103212 PMID:38830326	研究论文	提出了一种基于卷积神经网络的级联多尺度空间-通道注意力引导网络（CMAN），用于解决肝脏CT图像大形变配准问题	采用双重粗到细配准策略，包括局部粗到细和全局粗到细配准，并在解码阶段集成空间-通道注意力模块以突出重要特征	文中未明确提及局限性	实现肝脏CT图像的大形变非刚性配准，提高配准性能	肝脏CT图像	计算机视觉	肝脏疾病	CT成像	卷积神经网络	图像	两个公开数据集用于训练，一个公开数据集和一个私有数据集用于评估	PyTorch	CMAN, 包含级联多尺度空间-通道注意力模块	配准评估指标（具体指标未列出）	NA
2979	2026-07-03	Unsupervised mutual transformer learning for multi-gigapixel Whole Slide Image classification 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103203 PMID:38810517	研究论文	提出一种基于互变换器学习的无监督全切片图像分类方法	首次提出完全无监督的全切片图像分类算法，基于互变换器学习，包括伪标签生成器和清洁器模块，以及判别学习机制	未提及	实现无监督的全切片图像分类，避免对大量标注数据的依赖	十亿像素级别的全切片图像	数字病理学	癌症	NA	变换器	图像	四个公开数据集	NA	变换器	NA	NA
2980	2026-07-03	Deep learning-based automatic segmentation of bone graft material after maxillary sinus augmentation 2024-08, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14221 PMID:38033189	研究论文	利用深度学习对上颌窦提升术后移植材料进行自动分割，并评估其准确性与效率	首次将3D V-Net和3D Attention V-Net结合用于上颌窦提升术后骨移植材料的自动分割，并证明了其优于手动分割的性能	未提及具体局限	研究深度学习在锥形束CT图像中自动分割上颌窦提升术后移植材料的准确性和可靠性	上颌窦提升术后骨移植材料	计算机视觉	牙科疾病	CBCT	CNN	图像	100对CBCT扫描（术前和术后），训练集82对，测试集18对，另选10个测试样本用于比较	NA	3D V-Net, 3D Attention V-Net	Dice系数, 95% Hausdorff距离, 平均表面距离	NA