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
401	2026-04-24	Radiographic Bone Texture Analysis using Deep Learning Models for Early Rheumatoid Arthritis Diagnosis 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01579-3 PMID:40624389	研究论文	使用深度学习模型从手部X光片中提取关节周围骨纹理特征，辅助早期类风湿关节炎的诊断	首次将深度学习模型（Deep-TEN和ResNet-50）直接应用于放射影像的纹理分析，实现无需人工读取的自动化早期RA诊断	模型预测性能中等（AUC 0.69-0.73），样本量有限，且未考虑其他临床特征或影像模态的结合	评估深度学习模型从X光片中定量提取骨纹理特征以预测早期RA的诊断效能	早期RA患者（确诊一年内）与非RA对照患者的手部X光片	计算机视觉	类风湿关节炎	X光影像	CNN（卷积神经网络）	图像	891例早期RA患者和1237例非RA患者的双侧手部X光片	NA	Deep-TEN, ResNet-50	AUC, 阳性预测值, 比值比(OR), 95%置信区间(CI)	NA
402	2026-04-24	Deep Learning Approach for Biomedical Image Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01590-8 PMID:40627296	综述	对深度学习在生物医学图像分类中的应用进行全面概述，涵盖多种医疗数据模态和深度学习方法	系统性地研究了50种深度学习医疗方法，并强调了公开数据集在推动AI医疗创新中的关键作用	未明确指出具体数据集、实验结果或计算资源等细节，主要停留在方法综述层面	总结深度学习在生物医学图像分类中的技术进展，并指出未来研究方向	生物医学图像（如乳腺摄影、组织病理学、放射学图像）中的分类、分割和疾病检测任务	计算机视觉	未明确指定具体疾病	NA	卷积神经网络, 循环神经网络, 生成对抗网络	图像（医疗影像）	NA	NA	CNN, RNN, GAN	NA	NA
403	2026-04-24	Interpretable MRI Subregional Radiomics-Deep Learning Model for Preoperative Lymphovascular Invasion Prediction in Rectal Cancer: A Dual-Center Study 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01586-4 PMID:40646374	研究论文	开发一种基于可解释机器学习的融合模型，结合多参数MRI亚区域放射组学和深度学习，术前预测直肠癌淋巴血管侵犯状态	创新性地将多参数MRI亚区域放射组学特征与Vision Transformer深度学习模型融合，构建SubViT模型，并利用SHAP工具增强模型可解释性	未明确说明，但可能包括数据集有限或外部验证样本量较小（75例）	术前无创预测直肠癌淋巴血管侵犯状态，提高临床决策准确性	直肠癌患者，来自两个医疗中心	数字病理学	直肠癌	多参数MRI, K-means聚类, 放射组学	Vision Transformer (ViT)	MRI图像	301例训练集，75例外部验证集	NA	SubViT	AUC, ROC曲线, 决策曲线分析, Delong检验	NA
404	2026-04-24	ESE and Transfer Learning for Breast Tumor Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01608-1 PMID:40659967	研究论文	提出了一种基于倒置残差网络、高效挤压激励模块和双重迁移学习的轻量级神经网络TLese-ResNet，用于乳腺癌分子亚型识别	通过倒置残差网络减少参数并增强梯度传播和特征表达，引入高效挤压激励模块降低网络复杂度，并采用双重迁移学习解决小数据集问题	NA（摘要中未提及限制）	开发一种有效的非侵入性辅助工具，用于乳腺癌分子亚型的自动识别	江西省某医院浸润性乳腺癌患者的乳腺X线图像（包括CC和MLO视图）	计算机视觉	乳腺癌	NA	CNN	图像	NA（摘要中未明确样本量）	NA	倒置ResNet，高效挤压激励模块	平均准确率，曲线下面积	NA
405	2026-04-24	An Adaptive Generative 3D VNet Model for Enhanced Monkeypox Lesion Classification Using Deep Learning and Augmented Image Fusion 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01594-4 PMID:40659969	研究论文	提出一种自适应生成3D VNet模型，利用深度学习和增强图像融合对猴痘病变进行分类	创新性地结合自适应生成网络与3D VNet，通过生成合成增强图像并与真实图像融合，解决标记数据有限的问题	未提及模型在不同人群或更大规模数据集上的泛化能力，以及计算资源的消耗	设计有效的猴痘检测与分类模型，提升分类准确性和鲁棒性	猴痘皮肤病变图像	数字病理学, 机器学习	猴痘	NA	3D VNet, 自适应生成网络	图像	基于猴痘皮肤病变数据集，具体样本数量未提及	NA	3D VNet	准确率, 精确率, 灵敏度, 特异性, 杰卡德指数, 豪斯多夫距离, Dice相似系数	NA
406	2026-04-24	Deep Learning for Osteoporosis Diagnosis Using Magnetic Resonance Images of Lumbar Vertebrae 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01547-x PMID:40665016	研究论文	利用腰椎磁共振图像和深度学习技术诊断骨质疏松	首次使用自定义卷积神经网络分析腰椎T2加权MRI序列以诊断骨质疏松，并证明其优于GoogleNet、EfficientNet-B3等现代深度学习模型，同时减少了电离辐射暴露	NA	开发并评估基于深度学习的腰椎MRI图像分析模型，用于骨质疏松症的准确诊断	腰椎MRI图像（T1、STIR和T2序列）及对应的骨密度测量数据	计算机视觉	骨质疏松症	MRI成像	卷积神经网络	图像	50名个体的1350张MRI图像	NA	自定义卷积神经网络，GoogleNet，EfficientNet-B3，ResNet50，InceptionV3，InceptionResNetV2	准确率，灵敏度，F1分数	NA
407	2026-04-24	Topo-CNN: Retinal Image Analysis with Topological Deep Learning 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01575-7 PMID:40563040	研究论文	提出一种结合拓扑数据分析与预训练CNN特征的Topo-CNN混合深度学习模型，用于视网膜眼底图像分析疾病检测	引入拓扑数据分析提取眼底图像的几何结构特征，并与ResNet-50等CNN特征融合，实现可解释且高效的自动诊断框架	未在本文中明确说明，但可能包括仅针对特定数据集验证、拓扑特征提取对图像质量敏感、未讨论模型在不同成像设备中的泛化能力	开发自动可解释的视网膜疾病诊断方法，提升糖尿病视网膜病变、青光眼和年龄相关性黄斑变性的检测性能	视网膜眼底图像中的疾病诊断	计算机视觉, 数字病理	糖尿病视网膜病变, 青光眼, 年龄相关性黄斑变性	眼底成像	CNN, 混合深度模型	图像	三个基准数据集：APTOS（DR），ORIGA（青光眼），IChallenge-AMD（AMD），具体样本数未说明	PyTorch	Topo-CNN, ResNet-50	准确率, AUC, 特异性	NA
408	2026-04-24	AgentMRI: A Vison Language Model-Powered AI System for Self-regulating MRI Reconstruction with Multiple Degradations 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01617-0 PMID:40696264	研究论文	介绍一种基于视觉语言模型的自主MRI重建系统，能够处理多种图像退化并自动选择最佳校正模型	利用视觉语言模型实现全自主MRI重建，通过共识决策和置信度加权推理动态检测图像退化，无需人工干预	仅在大脑MRI数据集上评估，未提及对其他解剖部位或更广泛临床场景的适应性	开发全自主MRI图像重建系统，减少人工干预并优化图像质量	大脑MRI图像中的多种退化（如运动伪影、噪声等）修复	计算机视觉、自然语言处理、医学影像	无特定疾病，聚焦于MRI图像质量改进	MRI重建	视觉语言模型	图像	脑MRI数据集，具体样本量未明确	PyTorch	视觉语言模型、深度学习重建网络、运动校正网络、去噪网络	准确率	未明确
409	2026-04-24	A Two-Phase Deep Learning Approach for Architectural Distortion Detection in Mammograms 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01613-4 PMID:40715861	研究论文	提出一种两阶段深度学习方法，用于乳腺X线图像中结构扭曲的检测与分割	首次结合U-Net++语义分割和Mask R-CNN实例分割的两阶段流水线，并加入ResNet-18分类模型减少假阳性	未提及具体局限性，但基于单一数据集可能缺少泛化验证	自动化并改进乳腺X线图像中结构扭曲的分割与分类，提高诊断准确性	乳腺X线图像中的结构扭曲区域	计算机视觉, 数字病理学	乳腺癌	深度学习	U-Net++, Mask R-CNN, ResNet-18	图像	NA	NA	U-Net++, Mask R-CNN, ResNet-18	分割准确率, 分类准确率, 平均精度均值, 灵敏度	NA
410	2026-04-24	A Novel Dual-Output Deep Learning Model Based on InceptionV3 for Radiographic Bone Age and Gender Assessment 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01623-2 PMID:40758204	研究论文	提出一种基于InceptionV3的新型双输出深度学习模型，用于从手部X光片预测骨龄和性别	设计了一个多输出预测模型，同时预测骨龄和性别，并引入了Squeeze-and-Excitation块进行特征管理	硬件要求较高，可能在临床本地机器上使用受限	提高骨龄和性别评估的效率，通过识别共同和离散特征优化模型性能	手部X光片中的骨龄和性别信息	机器学习	NA	X光成像	CNN	图像	14,048个样本，以7:2:1比例分为训练、验证和测试子集	PyTorch	InceptionV3	均方误差、平均绝对误差、准确率、AUC、组内相关系数、Cohen's kappa系数	中高端硬件
411	2026-04-24	Ensemble of Handcrafted and Learned Features for Colorectal Cancer Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01633-0 PMID:40760266	研究论文	提出一种融合手工特征与深度学习特征的集成方法，用于结直肠癌组织病理图像分类	将传统手工纹理描述子与CNN提取的深度特征进行集成，利用互补优势提升分类鲁棒性和判别力	未明确提及局限性，但可能包括对大规模标注数据的依赖以及模型可解释性不足	提高结直肠癌自动分类的准确性和稳健性	结直肠癌组织病理图像	数字病理学	结直肠癌	组织病理学分析	CNN	图像	NA	NA	NA	准确率	NA
412	2026-04-24	Evaluation of Net Withdrawal Time and Colonoscopy Video Summarization Using Deep Learning Based Automated Temporal Video Segmentation 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01632-1 PMID:40762931	研究论文	利用深度学习模型自动分割结肠镜视频，准确测量净退镜时间并生成关键事件视觉总结	首次提出基于深度学习的自动时间视频分割方法，准确排除非观察阶段以计算净退镜时间，并生成关键事件的定量视觉摘要	未在更大规模或多中心数据中验证，且模型可能对罕见事件或复杂场景的鲁棒性不足	开发一种深度学习模型，通过自动时间视频分割来客观评估结肠镜质量	结肠镜视频中的关键事件：盲肠、干预、外部和窄带成像模式	计算机视觉、数字病理学	结直肠癌、肠道疾病	NA	深度学习模型（未明确具体架构）	视频	221个结肠镜流程中的40个全长视频和825个盲肠片段	NA	NA	F1分数、相关系数（r）和p值	NA
413	2026-04-24	Advanced lung segmentation on chest HRCT: comprehensive pipeline for quantification of airways, vessels, and injury patterns 2026-Apr, La Radiologia medica DOI:10.1007/s11547-025-02166-w PMID:41441964	research paper	提出了一种混合管道，结合U-Net深度学习与图像处理技术，实现胸部HRCT图像中肺、气道、血管和实质损伤模式的同时分割与量化	首次采用混合方法（U-Net与定制图像处理优化结合）实现多结构同步分割，并引入实质损伤模式分类，覆盖炎症性和感染性疾病	未提及样本量较小或外部验证数据集有限等具体限制	开发一种可靠、通用且能同时分割多结构（肺、气道、血管和实质损伤模式）的肺分割管道	COVID-19和特发性肺纤维化患者的胸部HRCT图像，以及公共数据集中的CT扫描	computer vision	COVID-19, 特发性肺纤维化	高分辨率计算机断层扫描（HRCT）	U-Net	图像	19个COVID-19公共数据集CT扫描用于深度学习训练，8个EXACT'09挑战赛注释扫描用于气道分割验证，20个回顾性HRCT扫描用于管道验证	NA	U-Net	Dice系数, 视觉评分（1-5级）, Kruskal-Wallis检验	NA
414	2026-04-24	Deep Learning Based Approach for Lossless ECG Compression 2026-Apr, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00821-5 PMID:41761039	研究论文	提出一种基于深度学习的无损失心电图压缩方法，通过自适应ARIMA模型实现高效压缩	创新性地结合深度自编码器和多层感知机神经网络回归器预测最优超参数，并采用粒子群优化算法进行离线调优	NA	实现无损失心电图信号的高效压缩，用于远程监测和存储传输	MIT-BIH心律失常数据库中的46条心电图记录，包括10种主要异常心搏类型	机器学习	心血管疾病	心电图信号处理	自编码器, 多层感知机神经网络	信号	46条心电图记录（包含多种异常心搏）	NA	自适应回归移动平均模型, 自编码器, 多层感知机神经网络	压缩比, 百分比均方根差	NA
415	2026-04-24	Deep Learning Echocardiographic Trajectories of Heart Failure With Preserved Ejection Fraction: A Retrospective Cohort Study 2026-Apr, JACC. Advances DOI:10.1016/j.jacadv.2026.102659 PMID:41855744	研究论文	利用深度学习对射血分数保留的心力衰竭患者超声心动图轨迹进行纵向表型分析，揭示不同轨迹的临床特征和预后差异	首次通过机器学习与深度学习纵向聚类方法，基于超声心动图变量识别HFpEF患者的三种不同心脏结构与功能变化轨迹，并系统关联临床结局	单中心回顾性设计，可能存在选择偏倚；仅纳入至少有一次≥1年随访超声心动图的患者，可能排除病情快速恶化者；未进行外部验证	探究射血分数保留的心力衰竭患者超声心动图测量的心脏结构与功能轨迹及其与临床结局的关系	射血分数保留的心力衰竭患者	机器学习	心血管疾病	NA	深度学习纵向聚类模型	超声心动图纵向数据	1626例HFpEF患者	NA	深度学习聚类模型	全因死亡率、B型利钠肽水平变化、实验室生物标志物变化	NA
416	2026-04-24	Risk Classification of Low-Resolution Whole-Slide Thumbnail Images by Multi-dimensional Feature Reconstruction with Multi-task Deep Learning Network Helps Prioritize Pathology Case Registration 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01582-8 PMID:40563041	研究论文	提出一种基于多任务深度学习网络的多维特征重建方法，利用低分辨率全切片缩略图进行病例风险分类，以优先处理病理登记中的恶性病例	首次将人工智能分析应用于低分辨率全切片缩略图，并结合多任务深度学习网络同时进行组织分割和良恶性分类，再通过多维特征重建提升分类准确性	基于334张图像的小样本研究，假阴性率为6.41%，且仅针对良恶性分类，未涉及具体肿瘤亚型或罕见病变	通过分析苏木精-伊红染色的低分辨率全切片缩略图，自动化筛查并优先处理恶性病例，改进手术病理标本的分类和排序	低分辨率全切片缩略图，包含100个良性病例和234个恶性病例	数字病理学	恶性肿瘤	苏木精-伊红染色	多任务深度学习网络	图像	334张小尺寸缩略图（746×1632像素），含100例良性、234例恶性	NA	多任务深度学习网络	准确率、敏感性、特异性、阳性预测值、阴性预测值、假阴性率、推理时间	NA
417	2026-04-24	Predicting IDH Mutation in Glioma Patients Using Deep Learning Algorithms with Conformal Prediction 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01580-w PMID:40563037	研究论文	利用深度学习算法和一致性预测方法预测神经胶质瘤患者的IDH突变	将一致性预测用于深度学习模型的概率量化，提高IDH突变预测的性能	外部测试集上的AUPRC较低（0.2139-0.5217），表明模型泛化能力有限	开发具有不确定性感知的深度学习模型，预测神经胶质瘤患者的IDH突变	神经胶质瘤患者	机器学习, 数字病理学	神经胶质瘤	NA	3D卷积神经网络, 逻辑回归集成分类器	医学影像	UCSF数据集（训练集70%，验证集30%），UPENN数据集（校准集30%，外部测试集70%）	NA	3D卷积神经网络, 逻辑回归集成模型	精确率-召回率曲线下面积, 受试者工作特征曲线下面积	NA
418	2026-04-24	Assessment of Robustness of MRI Radiomic Features in the Abdomen: Impact of Deep Learning Reconstruction and Accelerated Acquisition 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01503-9 PMID:40563044	研究论文	评估深度学习重建与加速采集对腹部MRI影像组学特征稳健性的影响	首次系统评估深度学习重建与加速采集相结合对腹部MRI影像组学特征可重复性和变异性的影响	未考虑临床意义，且样本量较小（17名志愿者）	探究深度学习重建与加速采集对腹部MRI影像组学特征可重复性和变异性的影响	腹部MRI影像的93个影像组学特征	数字病理学	不适用	MRI	深度学习重建模型	图像	17名志愿者，每个志愿者扫描4次，共68次的腹部MRI影像	PyRadiomics	NA	组内相关系数 (ICC), 一致性相关系数 (CCC), 变异系数 (CV), 四分位离散系数 (QCD)	NA
419	2026-04-24	ECG and PPG Signals-Based Premature Ventricular Contraction Detection Methods: A Review, Key Challenges, and Future Directions 2026-Apr, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00819-z PMID:41634439	综述	综述基于心电图和光电容积描记图信号的室性早搏检测方法、关键挑战及未来方向	系统回顾了基于ECG和PPG信号的PVC检测方法，包括信号处理、传统机器学习和深度学习技术，并探讨了在动态和运动条件下的噪声干扰及可穿戴设备的资源限制等挑战	未提供具体实验验证，主要基于现有文献总结，可能缺乏对新兴方法的实时评估	总结PVC检测方法现状，识别关键挑战和未来研究方向	基于ECG和PPG信号的室性早搏检测方法	机器学习, 数字信号处理	心血管疾病	ECG, PPG	传统机器学习, 深度学习	信号数据	NA	NA	NA	基准指标（如准确率、召回率等）	NA
420	2026-04-24	Dynamic Eyelid Evaluation Using a Deep Neural Network in Upper Blepharoplasty: A Prospective Multicenter Pilot Study 2026-Apr, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-026-05632-6 PMID:41642312	研究论文	利用深度神经网络在重睑术中动态评估眼睑形态的多中心前瞻性试点研究	首次将深度神经网络（UNet和PointRend）应用于眼睑形态的自动评估，提供形态参数以辅助手术效果评估和修正计划	样本量较小（102只眼来自51名患者，100只眼来自50名志愿者），且为多中心试点研究，结果需进一步验证	应用深度神经网络分析面部图像，提供形态参数以辅助评估重睑术效果和修正计划	51名寻求修正重睑术的患者和50名天生双眼皮的志愿者	计算机视觉	NA	图像分析	深度神经网络	图像和视频	102只眼来自51名患者，100只眼来自50名志愿者	NA	UNet, PointRend	组内相关系数（ICC）， FACE-Q量表评分	NA