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
3481	2026-02-23	Uncertainty-Aware Training for Ophthalmic Segmentation Using MedSAM 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.19 PMID:41700793	研究论文	本文提出了一种不确定性感知训练方法，通过生成不确定性图并在训练时增强损失函数，以提升眼科分割任务的深度学习模型性能	提出不确定性感知训练，在训练时生成不确定性图并用于加权损失函数，使模型专注于高不确定性区域	NA	提升深度学习模型在眼科分割任务中的性能和可解释性	地理萎缩、视杯和中心凹无血管区的分割任务	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	MedSAM	NA	NA
3482	2026-02-23	A hybrid deep learning and fuzzy logic framework for robust tomato disease detection and classification 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36524-z PMID:41629385	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3483	2026-02-23	Integrating simplified Swin-T with modified EFS-Net for attention-guided underwater pipelines segmentation in complex underwater environments 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38081-x PMID:41629430	研究论文	本文提出了一种新颖的混合架构Swin Transformer-EFSNet融合网络，用于复杂水下环境中的管道分割，在精度与计算效率之间取得了良好平衡	提出了一种结合轻量级Swin Transformer分支与改进EFSNet分支的双编码器设计，并引入三头交叉注意力融合模块动态整合全局上下文与局部特征	未明确说明模型在极端动态环境（如强水流、快速移动目标）下的性能	开发一种在复杂水下环境中实现高精度、高效率且具有强泛化能力的水下管道分割方法	水下管道图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	新构建的HOMOMO数据集及两个公共数据集，具体样本数量未明确说明	PyTorch	Swin Transformer, EFSNet	mIoU, F-boundary	NA
3484	2026-02-23	Deep residual network enhanced with multilevel residual-of-residual for automatic classification of radio signals for 5G and beyond systems 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35306-x PMID:41629456	研究论文	本文提出了一种基于深度残差网络并增强多级残差连接的自动调制分类框架，用于对5G及后5G系统中的多种候选波形进行分类	首次将增强多级残差连接的深度残差网络应用于OFDM、FOFDM、FBMC、UFMC和WOLA波形与16/64-QAM调制方案的分类任务	NA	为5G及后5G系统设计智能接收器，实现自动调制分类	5G候选波形（OFDM、FOFDM、FBMC、UFMC、WOLA）及其16-QAM和64-QAM调制信号	机器学习	NA	NA	深度残差网络	无线电信号	NA	NA	深度残差网络增强多级残差连接	分类准确率，召回率，精确率，F1分数	NA
3485	2026-02-23	A novel deep-learning model to convert DAS strain to geophone particle velocity: application to PoroTomo data from the Brady geothermal field 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37888-y PMID:41629484	研究论文	提出一种新颖的深度学习模型，用于将DAS应变数据转换为地震检波器粒子速度，应用于Brady地热田的PoroTomo数据	结合傅里叶神经算子（FNO）、双向长短期记忆网络（BiLSTM）和注意力机制，首次开发FNO-BiLSTM-Attention模型进行DAS数据转换	模型基于特定数据集（2016年Brady地热田PoroTomo数据）训练，可能在其他地质环境中的泛化能力未验证	开发一种将分布式声学传感（DAS）应变数据转换为等效地震检波器粒子速度的方法，以优化地震学算法应用	Brady地热田的PoroTomo数据，包括共置DAS通道和地震检波器记录的地震波形数据	地球物理学	NA	分布式声学传感（DAS），地震监测	深度学习模型，结合FNO和BiLSTM	地震波形数据	使用2016年Brady地热田PoroTomo项目中DAS和地震检波器同时记录的地震波形数据，具体样本数量未明确	未明确指定，可能基于常见深度学习框架如TensorFlow或PyTorch	FNO-BiLSTM-Attention	通过地震波束形成分析比较转换后DAS数据与地震检波器数据，未使用具体量化指标如准确率或AUC	未明确指定计算资源，如GPU类型或云平台
3486	2026-02-23	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	提出一种结合深度神经网络与基因选择的新框架DeepGeneNet，用于基于微阵列数据的心脏疾病分类	将基因选择与基于DNN的分类集成到统一框架中，并引入超参数优化与U-Net分割技术以提升性能	未明确说明数据噪声处理或模型泛化能力的具体限制	优化基因选择并提高心脏疾病分类的准确性与可解释性	微阵列数据中的基因表达	机器学习	心血管疾病	微阵列技术	DNN	微阵列数据	NA	NA	U-Net	准确率	NA
3487	2026-02-23	Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01489-4 PMID:40175823	研究论文	本研究开发并验证了一种利用原始胸部X光片数据预测中重度肾功能下降风险的深度学习模型	首次利用深度学习模型从常规胸部X光片中提取信息，以预测慢性肾脏病的未来进展风险，为早期干预提供了新的无创筛查工具	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究和不同人群中进一步验证	开发并验证一个基于胸部X光片的深度学习模型，用于预测慢性肾脏病患者未来发生中重度肾功能下降的风险	79,219名估计肾小球滤过率在65至120之间的患者	数字病理学	慢性肾脏病	胸部X光成像	深度学习模型	图像	79,219名患者，分为开发集（37,983）、调优集（15,346）、内部验证集（14,113）和外部验证集（11,777）	NA	NA	一致性指数	NA
3488	2026-02-23	Advancing Visual Perception Through VCANet-Crossover Osprey Algorithm: Integrating Visual Technologies 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01467-w PMID:40180632	研究论文	本研究提出了一种基于视觉核心适应网络与交叉鱼鹰优化算法（VCANet-COP）的新模型，用于糖尿病视网膜病变（DR）的细微病变识别，以提高检测精度和计算效率	提出VCANet-COP模型，首次将模拟人类视觉系统V1、V2、V4和颞下皮层（IT）区域的前端网络与稀疏自编码器（SAEs）特征提取相结合，并引入基于鱼鹰优化算法（OOA）的交叉策略（COP）进行超参数和网络配置优化	未明确提及模型在更广泛或不同分布数据集上的泛化能力，以及临床部署中的实际验证细节	开发一种准确、高效且计算复杂度低的自动化糖尿病视网膜病变筛查方法，以支持临床决策	糖尿病视网膜病变（DR）患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习，稀疏自编码器（SAEs），优化算法	深度学习模型，优化算法	视网膜图像	使用了多个公开数据集：Diabetic_Retinopathy_Data (DR-Data), STARE, IDRiD, DRIVE, RFMID（具体样本数量未在摘要中给出）	NA	VCANet-COP（视觉核心适应网络），稀疏自编码器（SAEs），前端网络模拟V1/V2/V4/IT区域	准确率，灵敏度，特异性，精确率，F1分数，Kappa系数，假阳性率，假阴性率，执行时间	NA
3489	2026-02-23	Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01495-6 PMID:40199834	研究论文	本文提出了一种基于改进SE-ResNet18和置信度过滤的深度学习方法来提升烧伤严重程度的分类准确性和实时性能	结合了注意力机制的增强ResNet18架构，采用自适应学习率优化策略，并引入置信度过滤与选择性评估的后处理模块以提高诊断可靠性	NA	提高烧伤严重程度分类的准确性和实时性能，以支持临床治疗	烧伤皮肤图像	计算机视觉	烧伤	深度学习	CNN	图像	NA	NA	SE-ResNet18	准确率, 平均精度均值(mAP)	NA
3490	2026-02-23	Development and Validation of an Early Recurrence Prediction Model for High-Grade Glioma Integrating Temporalis Muscle and Tumor Features: Exploring the Prognostic Value of Temporalis Muscle 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01491-w PMID:40205255	研究论文	本研究开发并验证了一个整合颞肌和肿瘤特征的模型，用于预测高级别胶质瘤的早期复发，并探讨了颞肌指标的预后价值	首次将术前和术后的颞肌指标（面积和厚度）与3D肿瘤影像组学特征整合，构建了用于预测高级别胶质瘤早期复发的综合模型，并证明了其优于仅基于肿瘤特征的模型	样本量相对较小（71例患者），且数据来源于单一本地数据集和TCIA的一个公开数据集，可能限制了模型的普适性	开发并验证一个预测高级别胶质瘤在180天内早期复发的模型，并评估颞肌指标的预后价值	经分子学确认的高级别胶质瘤患者	数字病理学	胶质瘤	深度学习，影像组学	HistGradientBoosting	医学影像（MRI）	71名高级别胶质瘤患者	Scikit-learn	HistGradientBoosting	准确率，召回率，F1分数	NA
3491	2026-02-23	Domain Shift Analysis in Chest Radiographs Classification in a Veterans Healthcare Administration Population 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01494-7 PMID:40216674	研究论文	本研究评估了领域偏移对胸部X光片分类准确性的影响，并分析了真实标签质量及年龄、性别、研究年份等人口统计学因素的影响	在退伍军人健康管理局人群中系统分析胸部X光片分类的领域偏移，并比较不同NLP标签提取工具（CheXpert与CheXbert）对模型性能的影响	研究主要关注特定人群（退伍军人）和有限标签集（14个标签），可能无法推广到其他人群或更广泛的病理类别	评估领域偏移对胸部X光片多标签分类性能的影响，并分析标签质量和人口统计学因素的调节作用	胸部X光片图像及其对应的放射学报告	医学影像分析	胸部疾病	自然语言处理（NLP）标签提取	CNN	图像, 文本	MIMIC-CXR数据集和退伍军人健康管理局胸部X光片数据集（VA-CXR）	未明确说明	DenseNet121	AUC	NA
3492	2026-02-23	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	本研究提出了一种新颖的集成学习框架，结合YOLOV10和YOLOV11模型，用于在CT和超声图像中检测肾结石	提出了一种结合最新YOLOV10和YOLOV11模型的新型集成框架，旨在最小化假阴性和假阳性错误，从而提高单个模型的性能	NA	提高肾结石在医学图像中的检测准确性和精确度	肾结石	计算机视觉	肾结石	CT成像, 超声成像	集成学习, YOLO	图像	NA	NA	YOLOV10, YOLOV11	精确度, 召回率, F1分数, Map50	NA
3493	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3494	2026-02-23	Advancing Pulmonary Embolism Detection with Integrated Deep Learning Architectures 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01506-6 PMID:40281216	研究论文	本研究提出了一种名为HybridNeXt的新型混合深度学习模型，用于从CT图像中检测肺栓塞，并通过深度特征工程方法进一步提升分类性能	提出了一种结合MobileNet、ResNet、ConvNeXt和Swin Transformer等先进CNN模块的混合深度学习架构，并开发了基于多级离散小波变换的深度特征工程方法以提升分类准确率	未明确提及模型在外部验证集上的泛化能力或临床部署中的实时性限制	开发一种用于生物医学图像分类的高精度深度学习模型，特别针对肺栓塞检测	CT图像中的肺栓塞检测	计算机视觉	肺栓塞	CT成像	CNN, Transformer	图像	未明确指定样本数量，但数据集包含肺栓塞和对照组两类	未明确指定，但可能涉及PyTorch或TensorFlow	HybridNeXt（结合MobileNet、ResNet、ConvNeXt、Swin Transformer）	准确率	未明确指定
3495	2026-02-23	Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01513-7 PMID:40301288	研究论文	本文提出了一种创新的多模态深度学习框架，通过微调预训练的单模态视网膜模型，结合低秩适应技术，用于年龄相关性黄斑变性的分类任务	引入低秩适应技术减少多模态整合的计算复杂度，结合深度典型相关分析进行跨模态特征融合，显著提升了分类性能	仅使用公开数据集MMC-AMD进行验证，未在更广泛或临床数据上测试	开发一个高效的多模态深度学习框架，用于年龄相关性黄斑变性的准确分类	年龄相关性黄斑变性患者的彩色眼底摄影和光学相干断层扫描图像	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影, 光学相干断层扫描	Vision Transformer	图像	公开数据集MMC-AMD	PyTorch	Vision Transformer	F1分数, AUC-ROC, 准确率	NA
3496	2026-02-23	Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01479-6 PMID:40301289	研究论文	本文提出了一种结合ConvNeXt和Swin Transformer的双路径深度学习架构，用于高精度血细胞图像分类	创新性地将卷积神经网络（ConvNeXt）与Transformer网络（Swin Transformer）结合，构建双路径架构，并引入了多尺度预处理模块（MPM）来增强图像质量	未在论文摘要中明确说明	开发一种高精度的自动化血细胞图像分类方法，以辅助血液疾病的诊断和监测	血细胞图像	计算机视觉	血液疾病	图像处理（局部对比度增强、全局光照归一化、形态学特征增强）	CNN, Transformer	图像	17,092张血细胞图像	NA	ConvNeXt, Swin Transformer	准确率	NA
3497	2026-02-23	Super-Resolution Deep Learning Reconstruction for T2*-Weighted Images: Improvement in Microbleed Lesion Detection and Image Quality 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01522-6 PMID:40301290	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）相较于传统深度学习重建（DLR）在脑部MRI中检测和可视化微出血病灶以及提升图像质量方面的表现	首次将超分辨率深度学习重建（SR-DLR）应用于脑部T2*加权图像，并系统评估其在微出血病灶检测和图像质量提升方面的效果	研究为回顾性设计，样本量相对较小（69例患者），且仅使用单一MRI设备（3T）的数据	评估超分辨率深度学习重建（SR-DLR）在脑部MRI中提升微出血病灶检测能力和图像质量的有效性	脑部MRI图像中的微出血病灶	医学影像分析	脑血管疾病	脑磁共振成像（MRI），包括T2*加权2D梯度回波和3D血流敏感黑血成像	深度学习模型	医学影像（MRI图像）	69名患者（平均年龄66.2±13.8岁，其中44名女性）	NA	NA	Jackknife替代自由响应接收器操作特性分析、灵敏度、图像锐度、噪声、伪影、整体质量、半高全宽、边缘上升斜率	NA
3498	2026-02-23	A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01515-5 PMID:40301291	研究论文	本研究提出了一种基于狄利克雷分布的复杂集成方法，结合迁移学习和多阶段间隔重复法，用于从超声图像中进行乳腺癌分类	创新点包括将教育科学中的间隔重复法应用于人工智能以提升模型成功率和减少学习时间，以及基于狄利克雷分布的集成学习系统	未在摘要中明确提及	开发一个用于乳腺癌早期检测的计算机辅助决策系统，以提高分类准确性和可靠性	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	CNN	图像	使用Breast Ultrasound Images Dataset (BUSI)，具体样本数量未在摘要中提供	未在摘要中指定，可能涉及TensorFlow或PyTorch	DenseNet201, InceptionV3, VGG16, ResNet152	验证准确率	未在摘要中提及
3499	2026-02-23	Multimodal Masked Autoencoder Based on Adaptive Masking for Vitiligo Stage Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01521-7 PMID:40301294	研究论文	提出了一种基于自适应掩码的多模态掩码自编码器，用于白癜风分期分类	通过自适应掩码策略和图像重建任务，减少对标注数据的依赖，并利用预训练缓解多模态数据稀缺问题，增强了模型从多模态数据中提取特征的能力	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种深度学习模型，以准确分类白癜风的分期（稳定期与活动期）	白癜风皮肤图像，包括临床图像和伍德灯下图像	计算机视觉	白癜风	多模态图像分析	自编码器	图像	未标注的皮肤病图像数据集（具体数量未提及）	NA	多模态掩码自编码器	准确率	NA
3500	2026-02-23	Improved Image Quality of Virtual Monochromatic Images with Deep Learning Image Reconstruction Algorithm on Dual-Energy CT in Patients with Pancreatic Ductal Adenocarcinoma 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01514-6 PMID:40307592	研究论文	本研究评估了使用深度学习图像重建算法在双能CT中重建的虚拟单能图像在胰腺导管腺癌诊断中的图像质量	首次将深度学习图像重建算法应用于双能CT的虚拟单能图像重建，显著提升了低keV水平下的图像质量	研究为回顾性分析，样本量较小（50例患者），且仅针对胰腺导管腺癌	评估深度学习图像重建算法在双能CT虚拟单能图像中改善图像质量的效果，以优化胰腺导管腺癌的诊断	经组织学确认的胰腺导管腺癌患者	数字病理	胰腺导管腺癌	双能CT	深度学习图像重建算法	CT图像	50例患者	NA	TFI-M	对比噪声比, 图像噪声, 软组织锐度, 血管对比度, 肿瘤显著性, 噪声功率谱分析	NA