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
421	2026-05-15	Dose-aware diffusion model for 3D PET image denoising: Multi-institutional validation with reader study and real low-dose data 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104039 PMID:41930496	研究论文	提出一种剂量感知的扩散模型DDPET-3D用于3D低剂量PET图像去噪，并通过多机构验证、读者研究和真实低剂量数据评估其性能	首次将剂量感知机制引入扩散模型实现3D一致性重建，采用2.5D条件骨干网络解决相邻切片不连续问题，并能泛化到不同噪声水平、扫描仪和临床协议	模型依赖2.5D条件骨干而非全3D扩散网络，可能限制对完全3D空间关系的建模能力	开发一种能生成高质量、3D一致的PET图像的去噪模型，降低扫描时间和辐射剂量，同时保持图像质量和临床可用性	低剂量/低计数PET成像中的去噪问题及模型泛化能力	计算机视觉	NA	PET成像	扩散模型	3D医学图像	来自4个医疗中心的9783例F-FDG研究（1596名患者），低剂量水平从1%到50%	PyTorch	DDPET-3D (基于2.5D条件骨干的扩散模型)	定性视觉评估、蒙特卡洛模拟、病变分割网络	NA
422	2026-05-15	GCN combined with snake convolution for enhanced topological perception in thrombotic hepatic portal vein segmentation 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104050 PMID:41932133	研究论文	提出结合图卷积网络和蛇形卷积的3D分割模型SnakeGCN，用于血栓肝门静脉分割，增强拓扑感知能力	首次将3D蛇形卷积模块与nnU-Net特征提取结合，并在瓶颈层引入图卷积网络增强全局拓扑感知，同时融合关系损失处理血栓引起的血管段缺失	在多个数据集上Dice分数提升有限（1-2个百分点），可能依赖于特定数据集特性，且未提及计算资源消耗	解决肝硬化及血栓病变导致的肝门静脉分割中的血管不连续、缺失和错误连接问题，提升分割精度和拓扑一致性	肝门静脉血管分割，重点关注血栓病变影响下的血管拓扑结构	医学影像分析，深度学习	肝硬化，血管疾病	医学影像分割，深度学习	图卷积网络，蛇形卷积，nnU-Net	医学图像（CT扫描）	多中心临床数据集和两个公开数据集（MSD-HepaticVessel和3D-IRCADb），具体样本数量未提及	NA	SnakeGCN（3D蛇形卷积模块 + nnU-Net + 图卷积网络）	Dice系数，连通组件（CC）值	NA
423	2026-05-15	Point2SSM++: Self-supervised learning of anatomical shape models from point clouds 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104073 PMID:41955905	研究论文	提出一种基于自监督学习的点云解剖形状统计建模方法	直接从不完整、未对齐的点云学习对应点，无需模板或偏置假设，并扩展到动态时空和多解剖场景	未明确讨论对极高噪声或稀疏点云的鲁棒性限制	开发更高效、通用的自动统计形状建模方法，以促进临床形态计量分析	解剖形状（如骨骼和器官）的对应点云	机器学习	未明确提及	自监督深度学习	深度学习模型	点云	未明确提及	PyTorch	PointNet、Transformer	形状重建精度、对应点误差、下游任务分类性能	NVIDIA 显卡（未指定具体型号）
424	2026-05-15	Learning with less supervision: A survey of label-efficient learning for medical image analysis 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104062 PMID:41955904	综述	系统回顾了医学图像分析中标签高效学习方法的研究进展，并提出了一个全面的分类体系	提出了基于四种标注范式（无标签、标签不足、不精确标签、标签精炼）的分类体系，并强调了健康基础模型（HFMs）对标签高效学习的根本性变革	未详细量化不同方法在具体任务中的性能差异，且部分讨论基于预印本而未经同行评审	总结标签高效学习方法在医学图像分析中的现状，并指导其开发和临床转化	医学图像分析中的深度学习方法及相关研究论文	医学图像分析	NA	NA	健康基础模型	图像	NA	NA	NA	NA	NA
425	2026-05-15	Multiparametric MRI-Based Integrated Analysis of Clinical, Radiomics, Deep Learning, and Machine Learning for Predicting Tumor Proliferation and Prognosis in Locally Advanced Rectal Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.033 PMID:41956924	研究论文	基于多参数MRI的临床、影像组学、深度学习及机器学习综合模型，用于预测局部晚期直肠癌的肿瘤增殖及预后	首次将多序列MRI的影像组学与深度学习特征相结合，通过107种机器学习算法组合筛选最优模型，并整合临床风险特征构建列线图，实现肿瘤增殖状态与无复发生存期的双重预测	回顾性研究设计可能存在选择偏倚；样本量相对较小（384例），且来自三个中心，仍需更大规模外部验证	开发并验证一个整合临床、影像组学、深度学习和机器学习特征的多参数MRI预测模型，用于预测局部晚期直肠癌患者的肿瘤细胞增殖状态和预后	局部晚期直肠癌患者的肿瘤增殖状态（Ki-67表达）和预后（无复发生存期）	医学影像分析	直肠癌	多参数MRI（T2WI, DWI, T1WI, 增强T1WI）、影像组学、深度学习、机器学习	Stepglm[both] + glmBoost算法组合	医学影像（MRI）	384例局部晚期直肠癌患者（来自三个中心，2016年1月至2022年8月）	NA	影像组学特征提取与深度学习特征提取的混合架构	AUC曲线下面积、DeLong检验、校准曲线、决策曲线分析、Kaplan-Meier分析	NA
426	2026-05-15	Multimodal CT for Predicting Microvascular Invasion in Solitary cHCC-CCA: Dual-Center External Validation 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.053 PMID:41723042	研究论文	开发并外部验证一种结合门静脉期定量CT特征与多期CT语义特征的多模态模型，用于预测孤立性联合肝细胞-胆管癌的微血管侵犯	首次针对孤立性cHCC-CCA开发基于CT的多模态MVI预测模型，并采用双中心外部验证，同时比较了肿瘤内、10mm瘤周及联合分割策略的效果	回顾性设计、外部验证队列样本量小、人群多样性有限，需要前瞻性多中心验证来确认其作为术前MVI风险分层决策支持工具的作用	开发并外部验证一个多模态模型，用于预测孤立性cHCC-CCA的微血管侵犯	184名病理证实为孤立性cHCC-CCA的患者（中心1:139人，中心2:45人）	医学影像	肝癌	CT	NA	影像	184名孤立性cHCC-CCA患者（中心1:139人，中心2:45人）	NA	NA	AUC，灵敏度	NA
427	2026-05-15	Multiparametric MRI-Based Deep Learning and Radiomics for Predicting Progression-Free Survival Benefit in Patients with Hepatocellular Carcinoma Treated with Immunotherapy and Targeted Therapy Plus Transarterial Chemoembolization: A Bicentric Study 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.059 PMID:41723043	研究论文	开发一种整合深度学习、放射组学和临床因素的非侵入性影像生物标志物，用于预测接受免疫治疗及分子靶向治疗联合经动脉化疗栓塞术的肝细胞癌患者的无进展生存期	首次整合CRAFITY评分、放射组学和深度学习特征，构建多参数MRI预测模型，用于肝细胞癌患者联合治疗后的无进展生存期预测，且模型具有良好的鲁棒性和泛化能力	样本量有限（180例），且为双中心回顾性研究，需外部验证	开发非侵入性影像生物标志物，预测接受免疫治疗和分子靶向治疗联合经动脉化疗栓塞术的肝细胞癌患者的无进展生存期	180例接受免疫治疗和分子靶向治疗联合经动脉化疗栓塞术的肝细胞癌患者	机器学习, 数字病理学	肝细胞癌	多参数磁共振成像	深度学习模型（ResNet50）	医学影像（多参数MRI）	180例肝细胞癌患者	PyTorch	ResNet50	C-index，时间依赖性ROC曲线AUC	未提及
428	2026-05-15	Explicable intensity-aware 3D cerebrovascular segmentation with planar representation 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104032 PMID:41833170	研究论文	提出了一种可解释的强度感知3D脑血管分割方法，利用三平面表示实现高效特征学习	结合三维与三平面表示，通过解缠和循环一致性策略在潜在空间中准确描述脑血管语义特征，利用近2D结构实现3D语义表示，大幅节省计算资源	未提及具体局限性	实现精准且高效的脑血管分割，降低对庞大计算能力的依赖	脑血管	数字病理学	脑血管疾病	NA	EI-Seg	图像	NA	PyTorch	NA	性能指标	NA
429	2026-05-15	PCa-Mamba: Spatiotemporal state space models for prostate cancer detection in multi-parametric MRI 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104033 PMID:41846146	研究论文	提出PCa-Mamba框架，首次全面结合DCE-MRI的时空动态信息与T2和DWI的空间对比信息，用于多参数MRI中临床显著性前列腺癌检测	首次将状态空间模型用于多参数MRI中整合DCE-MRI的时空动态特征，引入药代动力学正则化和排列顺序化机制增强时空表征，并设计随机丢弃机制处理实际应用中DCE-MRI缺失场景	对小型病灶和周边区病灶的诊断优势仍存在挑战，且框架依赖于多元数据完整性，实际部署中DCE-MRI的缺失率影响模型表现	开发一种新型深度学习方法，充分整合多参数MRI中DCE-MRI的时空动态与T2、DWI的空间对比信息，提升临床显著性前列腺癌检测性能	多参数MRI数据（T2加权成像、扩散加权成像、动态增强成像）中的前列腺癌病灶	计算机视觉, 数字病理	前列腺癌	多参数磁共振成像（T2、DWI、DCE-MRI）	状态空间模型	医学图像	内部数据集和PI-CAI数据集（具体数量未在摘要中提及）	NA	PCa-Mamba（时空SSM模块）	NA	NA
430	2026-05-15	SEQUAL: Self-refining and effective querying active learning with pseudo label divergence score for carotid intima-media segmentation in ultrasound 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104048 PMID:41916103	研究论文	提出一种名为SEQUAL的自改进主动学习框架，利用伪标签散度分数进行高效查询，用于超声图像中的颈动脉内膜-中膜分割	首次将自动生成的高置信度伪标签与稀疏临床标注融合实现标签质量自改进，并引入基于伪标签散度分数的新型查询策略量化信息增益，采用双网络设计加速计算	NA	解决超声图像中颈动脉内膜-中膜分割在稀疏噪声标注下的标注成本高和模型表现受限问题	颈动脉超声图像中的内膜-中膜区域	计算机视觉	心血管疾病	超声成像	CNN	图像	颈动脉超声数据集（具体样本数未提及）	PyTorch	U-Net	分割准确率, 标注效率, 鲁棒性	GPU（具体型号未提及）
431	2026-05-15	UniPET: A universal network for high-quality PET image denoising across varied dose reduction factors 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104059 PMID:41965166	研究论文	提出一种通用网络UniPET，用于在不同剂量减少因子下实现高质量PET图像去噪	创新性地将领域泛化引入PET图像去噪，提出风格对齐网络和区域感知学习策略，解决不同DRF数据间的风格对齐问题	NA	实现跨不同剂量减少因子的高质量PET图像通用去噪	不同剂量减少因子下的低剂量PET图像	计算机视觉	NA	PET成像	CNN	PET图像	NA	PyTorch	UniPET, 包含风格对齐网络和区域感知学习策略	定量指标、感知指标、临床指标	NA
432	2026-05-15	Accuracy of deep learning for risk prediction and screening of diabetic foot Ulcers: A systematic review and meta-analysis 2026-Jun, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113262 PMID:41985563	系统综述与荟萃分析	系统评估深度学习在糖尿病足溃疡风险预测与筛查中的准确性	首次系统性地对基于图像的深度学习检测糖尿病足溃疡的诊断准确性进行荟萃分析，为AI辅助工具开发提供新见解	可能存在纳入研究的方法学异质性，且模型在多元数据集的泛化性能需进一步验证	评估深度学习在糖尿病足溃疡诊断中的准确性，为AI辅助工具更新提供证据	糖尿病足溃疡患者	计算机视觉	糖尿病足溃疡	NA	深度学习模型	图像	55项研究，其中32项纳入荟萃分析，涉及87个诊断2×2表格	NA	NA	灵敏度, 特异度	NA
433	2026-05-15	Deep-learning endomicroscope with large field-of-view and depth-of-field for real-time in vivo imaging of epithelial cancer hallmarks 2026-May-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2602705123 PMID:42113975	研究论文	提出一种基于深度学习的共聚焦内窥镜，具备大视场和大景深，可实时在体成像上皮癌症标志物	通过深度学习优化的相位掩模和实时重建技术，打破传统在体显微镜在分辨率、视场和景深之间的权衡，实现20毫米视场和500微米景深，同时保持4微米分辨率	未明确说明局限性	开发一种计算内窥镜，用于早期癌症检测的即时诊断	健康志愿者的口腔和具有癌前病变的宫颈标本	计算机视觉	上皮癌	荧光和反射成像	深度学习模型	图像	健康志愿者口腔和宫颈癌前病变标本，覆盖1至3厘米区域	NA	相位掩模优化网络和实时重建网络	分辨率、视场、景深	NA
434	2026-05-15	ReaderAdaptNet: modeling reader variability in breast imaging with reader-specific embeddings 2026-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae6227 PMID:42009042	研究论文	提出ReaderAdaptNet，一种通过读者特定嵌入建模乳腺影像中读者变异性的自适应网络	首次提出通过读者特定嵌入显式建模读者变异性，并采用两阶段深度学习框架实现个性化分类和快速校准，无需重新训练完整模型	未明确说明局限性，但依赖于多读者数据集，可能在小样本场景下泛化能力受限	解释并建模乳腺影像判读中的读者变异性，而非消除它，以提高AI模型在真实世界变异性下的可靠性	乳腺密度分类和背景实质增强分类任务中的多读者数据集	计算机视觉	乳腺疾病	深度学习	自适应网络	医学图像	NA（未明确说明样本数量）	PyTorch	ReaderAdaptNet（包含读者嵌入的两阶段框架）	平均分类准确率	NA（未明确说明计算资源）
435	2026-05-15	DEEP Phaser: A Deep Learning Tandem Vision Transformer for Fully Automated NMR Phase Correction 2026-May-14, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00770 PMID:42081261	研究论文	提出一种基于深度学习的串联视觉变换器自动相位校正方法	首次将串联视觉变换器神经网络用于NMR相位校正，无需人工调整即可实现高精度自动校正	未提及具体局限性	开发全自动NMR相位校正方法，消除人工干预需求	溶液1D 1H NMR谱，涵盖小分子、复杂混合物及生物大分子	机器学习	NA	NMR	视觉变换器	光谱数据	大量合成谱及多种真实实验谱	PyTorch	串联视觉变换器	相位校正精度	NA
436	2026-05-15	MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data 2026-May-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101141 PMID:41650976	研究论文	提出MultiSP深度学习方法，从空间多组学数据解析组织结构和多细胞通讯	通过高效的空间和特征相似性融合、模态特定概率生成建模及跨模态对抗学习增强数据表示，优于现有方法在捕捉生物学可解释空间域方面的性能	NA	开发能够从空间多组学数据中揭示组织结构和细胞通讯的深度学习框架	空间多组学数据集，包括肿瘤微环境中的细胞分布和基因调控机制	机器学习	肿瘤	空间多组学	深度学习	空间多组学数据	NA	NA	NA	NA	NA
437	2026-05-15	The influence of global artificial intelligence on accessibility design for people with disabilities: trends, hotspots and emerging technologies 2026-May-13, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2026.2662425 PMID:42126947	综述	通过文献计量分析，梳理全球人工智能对无障碍设计影响的研究现状、热点与新兴技术	构建了全球理论知识图谱，揭示了从“单感官补偿”到“多模态认知增强”的范式转变，并提出了针对多重残疾和社会伦理参与不足的未来方向	研究依赖单一数据库（Web of Science），可能遗漏部分重要文献；对多重残疾关注不足，社会伦理参与有限	系统分析人工智能在无障碍设计领域的研究趋势、热点和新兴技术，促进技术与残疾人群多样化需求的对接	2001年1月1日至2025年12月31日期间Web of Science核心合集数据库中关于无障碍设计的文献	自然语言处理	NA	NA	深度学习	文本, 自然语言	NA	NA	NA	NA	NA
438	2026-05-15	Importance of integrating biological sex and age analyses in health research 2026-May-12, Biology of sex differences IF:4.9Q1 DOI:10.1186/s13293-026-00900-1 PMID:42116218	评论	强调在健康研究中整合生物学性别和年龄分析的重要性	提出应将性别和年龄作为主要分析变量，而非传统上视为混杂因素，并主张在数据开放和人工智能应用的背景下优先进行按性别和年龄的分析	未提供具体数据或实验验证，仅通过示例说明观点，缺乏量化分析支持	呼吁健康研究改变对性别和年龄变量的统计处理方式，以发现更准确的研究洞察	人类、动物及细胞群体的研究数据	机器学习	NA	NA	深度学习模型、人工智能	公开可用的研究数据	未明确说明	NA	未指定具体架构	NA	NA
439	2026-05-15	Critical evaluation of drug response prediction models with DrEval 2026-05-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72903-w PMID:42120410	研究论文	提出DrEval流程用于公正、有生物学意义的癌症药物反应模型评估，揭示深度学习模型表现不佳	开发了DrEval开源基准框架，整合标准化超参数调优、统计严谨评估、跨研究基准和消融研究，揭示现有模型性能过于乐观的问题	未提及具体局限性，但可能包括基准覆盖范围有限或评价指标单一	批判性评估药物反应预测模型，建立无偏评估标准以推动领域进展	基于癌症细胞系组学数据的药物反应预测模型	机器学习	癌症	NA	深度学习、树集成模型	组学数据（癌症细胞系特征谱）	NA	NA	深度学习架构（未具体指定）、树集成模型（未具体指定）	NA	NA
440	2026-05-15	Comparative classification of spectrally overlapping Allium seed genotypes using Vis-NIR spectroscopy and hyperspectral imaging with chemometric, machine, and deep learning models 2026-05-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46764-8 PMID:42120602	研究论文	比较可见-近红外光谱与高光谱成像结合化学计量学、机器学习和深度学习模型对光谱重叠的葱属种子基因型进行分类	首次系统比较了可见-近红外光谱仪和高光谱相机在区分七种光谱重叠葱属种子基因型时的性能，并评估了集成学习与深度学习方法在高通量、非破坏性种子分选中的应用潜力	样本量相对较小（700个光谱和70张图像），且未提及对不同环境条件下模型泛化能力的验证	评估可见-近红外光谱仪和高光谱相机对七种近缘葱属种子基因型进行非破坏性分类的潜力	七种葱属种子基因型，包括葱头、红洋葱、白洋葱、黄洋葱、Bon-Sorkh和两种韭葱品种	机器视觉, 机器学习	NA	可见-近红外光谱, 高光谱成像	SIMCA, 人工神经网络, 直方图梯度提升, 一维和二维卷积神经网络	光谱数据, 图像数据	700个光谱和70张图像	NA	SIMCA, ANN, HisGB, 1D CNN, 2D CNN	F1分数, 准确率, 误差率	NA