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
4461	2026-07-13	Paired phase and magnitude reconstruction neural network for multi-shot diffusion magnetic resonance imaging 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103771 PMID:40857854	研究论文	提出一种用于多激发扩散磁共振成像的配对相位和幅度重建神经网络	设计了一种联合重建相位和幅度的神经网络，并利用高信噪比b0图像进一步优化网络，实现亚秒级快速重建	未明确提及局限性	实现多激发扩散磁共振成像的快速、高质量图像重建	多激发扩散加权成像数据	计算机视觉, 磁共振成像	肿瘤诊断	扩散加权成像	神经网络	图像	模拟数据和体内数据	NA	配对相位和幅度重建神经网络	客观评价指标, 图像质量评分（伪影抑制、整体质量、信噪比）	NA
4462	2026-07-13	Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103769 PMID:40865329	研究论文	提出一种基于部分独立生成模型和复差稀疏约束的无监督4D-flow MRI重建方法，利用深度图像先验框架实现图像恢复	设计了部分独立网络提高参数效率并减小模型规模；引入复差稀疏约束改善相位恢复精度；提出“预训练+ADMM微调”优化算法联合生成与稀疏优化目标	未明确提及局限性	解决有监督4D-flow MRI重建方法对高质量全采样数据依赖性强、泛化能力差的问题	4D-flow MRI图像重建算法	计算机视觉	血管疾病	4D-flow MRI	卷积神经网络	4D-flow MRI图像	两个内部采集数据集：主动脉数据集和脑血管数据集	NA	部分独立网络	重建性能、泛化能力	NA
4463	2026-07-13	MSARAE: Multiscale adversarial regularized autoencoders for cortical network classification 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103775 PMID:40865328	研究论文	提出一种多尺度对抗正则化自编码器（MSARAE）用于皮层结构连接网络的扩增与分类	利用拉普拉斯特征向量增强拓扑信息，引入多尺度图卷积层作为编码器捕捉不同尺度的图表示，并通过对抗正则化机制减少潜在空间分布差异	对数据规模有限的情况仍然依赖特定数据集，未探讨在其他脑部疾病或更广泛数据集上的泛化能力	从数据增强角度解决皮层网络分类中样本量有限导致的过拟合问题，提升深度学习模型的泛化性能	皮层结构连接网络，包括多类脑疾病数据集中的连接数据	机器学习，数字病理学	主要抑郁症（MDD），阿尔茨海默病（ADNI）	结构连接网络构建，数据增强	变分自编码器，多尺度图卷积网络，对抗正则化	图结构数据（皮层结构连接网络）	MDD数据集，HCP数据集，ADNI数据集（未具体说明样本数量）	NA	MSARAE（多尺度对抗正则化自编码器），含拉普拉斯特征向量层和多尺度图卷积层	准确率（未具体列出全部指标，但包含分类性能评估）	NA
4464	2026-07-13	Supervised white matter bundle segmentation in glioma patients with transfer learning 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103766 PMID:40876100	研究论文	探索迁移学习在神经胶质瘤患者白质纤维束分割中的应用	首次研究迁移学习在健康人群训练的深度学习模型适应神经胶质瘤患者的有效性，并首次全面描述域转移及其复杂性，区分系统性和肿瘤特异性成分	迁移学习无法适应肿瘤导致的大范围白质变形	评估迁移学习在临床患者中白质纤维束自动分割的效果	神经胶质瘤患者的白质纤维束	机器学习	神经胶质瘤	NA	深度学习模型	影像数据	NA	NA	NA	NA	NA
4465	2026-07-13	HarmonicEchoNet: Leveraging harmonic convolutions for automated standard plane detection in fetal heart ultrasound videos 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103758 PMID:40876099	研究论文	提出一种轻量级频率引导深度学习模型HarmonicEchoNet，用于胎儿心脏超声视频中标准切面自动检测	首次将基于离散余弦变换的谐波分解与空间通道注意力机制结合，在保持高精度的同时实现模型参数效率提升近10倍，推理速度提升10-15倍	未提及对不同超声设备、操作者经验差异的鲁棒性验证，以及实时临床应用中的潜在干扰因素	实现胎儿心脏超声标准切面的自动高效检测	胎儿心脏超声视频中的标准切面图像	计算机视觉	先天性心脏疾病	胎儿超声心动图	CNN+注意力机制	超声视频图像	来自PULSE和CAIFE两个私有研究的四个数据集	PyTorch	谐波卷积块（HCB）、谐波空间通道挤压激励模块（hscSE）	准确率、推理时间、参数效率	NA
4466	2026-07-13	Completing spatial transcriptomics data for gene expression prediction benchmarking 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103754 PMID:40885036	研究论文	提出了用于空间转录组学数据中基因表达预测的标准化基准和补全模型	首次建立系统性整理的SpaRED数据库，包含26个公共数据集，提供标准化资源用于模型评估；提出SpaCKLE，一种基于Transformer的基因表达补全模型，将均方误差降低超过82.5%	未提及具体限制，但可能包括数据集的多样性有限以及未讨论泛化性到其他空间转录组技术	解决空间转录组学中基因表达预测任务的数据集、预处理和训练协议不一致问题，建立公平比较的基准	空间转录组学数据中的基因表达预测模型	数字病理学	NA	空间转录组学	Transformer	组织学图像和基因表达谱	26个公共数据集	PyTorch	Transformer	均方误差	NA
4467	2026-07-13	Leveraging sparse annotations for leukemia diagnosis on the large leukemia dataset 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103760 PMID:40897065	研究论文	提出大规模白血病数据集LLD和利用稀疏注释的白细胞检测与属性预测方法	首次构建包含多显微镜、多相机、多放大倍数的大规模白血病数据集，并提出多任务模型同时实现白细胞检测和形态属性预测，且能利用稀疏注释减少标注负担	NA	解决白血病诊断中缺乏大规模多任务数据集的问题，提高诊断可解释性和临床接受度	白血病患者外周血涂片中的白细胞	计算机视觉	白血病	显微镜成像	多任务模型	图像	48名患者的白细胞图像	NA	NA	NA	NA
4468	2026-07-13	Short- and long-term captivity impacts on bird memory, corticosterone level, and oxidative stress genes: Perspectives on deep learning analysis 2025-11-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.115064 PMID:40816474	研究论文	本研究探讨了短期和长期圈养对三种鸟类记忆、皮质酮水平及氧化应激基因表达的影响，并利用深度学习分析监测其行为	首次将深度学习（VGG16神经网络）用于分析鸟类头部、腿部、翅膀和尾部运动，以揭示其认知和行为响应，并结合分子指标评估圈养应激	未明确提及具体局限性	评估圈养应激对鸟类大脑功能、记忆、激素水平及基因表达的影响，并开发深度学习行为分析方法	冠小嘴乌鸦（Corvus cornix）、普通八哥（Acridotheres tristis）和牛背鹭（Bubulcus ibis）三种鸟类	计算机视觉, 机器学习, 动物行为学	NA	qRT-PCR, 视频记录	CNN	视频	三种鸟类（具体数量未提及）	NA	VGG16	NA	NA
4469	2026-07-13	Artificial Intelligence in Surgical Training and Applications to Otolaryngology: A Scoping Review 2025-10, The Laryngoscope DOI:10.1002/lary.32246 PMID:40371996	综述	本文系统性回顾了人工智能在耳鼻喉科手术培训中的应用进展，特别是手术技能评估的自动化方法	首次聚焦于人工智能在耳鼻喉科手术技能评估中的系统综述，涵盖多种手术类型和评估维度	纳入研究数量有限（34项），且研究间方法和指标存在异质性，可能导致结论推广性受限	探讨人工智能在耳鼻喉科手术技能评估中的应用进展，以增强手术教育质量	34项关于人工智能评估手术技能的研究，涵盖机器人手术、腹腔镜手术及耳鼻喉科特定手术（如乳突切除术、鼻中隔成形术、内窥镜鼻窦手术）	计算机视觉	不适用	不适用	深度学习、机器学习、计算机视觉模型	运动数据、力数据、视频数据	34项研究	不适用	不适用	分类准确率（66%-100%用于运动/力数据，60%-96%用于视频分析）	不适用
4470	2026-07-13	Mitigating medical dataset bias by learning adaptive agreement from a biased council 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103629 PMID:40472465	研究论文	提出一种称为Ada-ABC的去偏框架，用于缓解医学图像数据集中的偏差问题，无需依赖明确的偏差标签	首次在医学图像分类领域提出不依赖明确偏差标签的去偏差框架，通过构建有偏委员会并引入自适应一致性学习策略，使去偏差模型兼顾无虚假相关样本和含虚假相关样本的特征学习	未提及具体局限性	解决医学图像数据集中的偏差问题，提升深度学习模型在真实临床应用中的准确性、可靠性和公平性	包含七种不同偏差场景的四个医学图像数据集	机器学习, 数字病理学	未明确指定	NA	分类器神经网络	图像	涉及四个医学图像数据集，涵盖七种偏差场景，具体样本数量未提及	PyTorch	有偏委员会由多个分类器组成，去偏差模型架构未明确指定	准确性	未提及
4471	2026-07-13	ElastoNet: Neural network-based multicomponent MR elastography wave inversion with uncertainty quantification 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103642 PMID:40482562	研究论文	提出了一种基于神经网络的多分量磁共振弹性成像波反演方法，并引入了不确定性量化	首次实现独立于分辨率和振动频率的多波组件分析，并提供不确定性量化图，无需为不同设置重新训练	未提及	开发一种通用且鲁棒的神经网络方法，用于磁共振弹性成像中的波反演，克服噪声和压缩波影响，并提供不确定性估计	合成波斑块（5×5像素）、有限元腹部模拟、体模数据和14名健康志愿者的宽频多频腹部磁共振弹性成像数据	计算机视觉	NA	磁共振弹性成像	神经网络	图像	14名健康志愿者	PyTorch	NA	均方根误差	NA
4472	2026-07-13	Navigating the landscape of multimodal AI in medicine: A scoping review on technical challenges and clinical applications 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103621 PMID:40482561	综述论文	这篇综述论文系统分析了2018至2024年间432篇基于深度学习的多模态AI在医疗领域的应用，评估不同架构、融合策略和临床应用效果	首次全面梳理多模态AI在医学各领域的应用，量化分析显示多模态模型AUC平均提升6.2个百分点，并系统总结了技术挑战和商业化模型现状	仅涵盖2018-2024年间432篇论文，可能遗漏早期研究或最新突破；未对具体模型性能进行元分析；未深入探讨数据隐私和伦理问题	全面综述深度学习多模态AI在医疗领域的应用现状、技术挑战、临床实施策略和未来发展方向	2018至2024年间发表的432篇关于医学多模态AI的学术论文	机器学习	NA	NA	深度学习	多模态医疗数据（如影像、文本、基因组等）	432篇论文	NA	NA	AUC	NA
4473	2026-07-13	A novel explainable AI framework for medical image classification integrating statistical, visual, and rule-based methods 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103665 PMID:40505210	研究论文	提出一种面向医学图像分类的可解释AI框架，整合统计、视觉和基于规则的多种解释方法	创新性地整合统计特征、视觉叠加图和规则提取三种解释方法，突破现有可解释AI仅依赖单一可视化或规则解释的局限	NA	提升深度学习模型在医学图像分析中的透明度和可解释性	医学图像分类任务中的模型决策过程	计算机视觉	COVID-19、乳腺癌、脑肿瘤、肺癌、结肠癌、青光眼	深度学习、特征选择、决策树、RuleFit	CNN (Mobilenetv2)、决策树、RuleFit	影像数据（X光、超声、MRI、组织病理图像、眼底图像）	五个医学影像数据集（COVID-19放射影像、超声乳腺癌、脑肿瘤MRI、肺与结肠癌组织病理、青光眼图像），具体样本量未提供	NA	Mobilenetv2, 决策树, RuleFit	NA	NA
4474	2026-07-13	TCFNet: Bidirectional face-bone transformation via a Transformer-based coarse-to-fine point movement network 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103653 PMID:40527150	研究论文	提出基于Transformer的粗到细点运动网络TCFNet，实现面部与骨骼点云间的双向变换	首次将Transformer与局部信息聚合网络（LIA-Net）结合，在补丁和点级别学习复杂对应关系，实现密集面骨点云变换，并引入可变形医学图像配准启发辅助损失以利用专家知识重建关键器官	仍存在大规模点处理挑战，可能局限于特定数据集，辅助损失为可选且依赖专家知识	实现计算机辅助正颌手术规划中面部-骨骼形状变换的高精度模拟	面部与骨骼点云之间的点对点变换	计算机视觉	无特定疾病	NA	Transformer	点云	自收集数据集（未具体说明数量）	PyTorch	Transformer, LIA-Net	评估指标和可视化结果（未列出具体名称）	NA
4475	2026-07-13	SurgRIPE challenge: Benchmark of surgical robot instrument pose estimation 2025-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103674 PMID:40541088	研究论文	介绍SurgRIPE挑战赛，旨在通过提供真实手术视频数据和基准，推动无标记手术器械姿态估计的深度学习研究	提出了首个面向手术机器人器械姿态估计的基准挑战赛，提供了带真实姿态标签的临床手术视频数据，并评估了多种新型无标记方法	未明确提及，但挑战赛数据可能受限于特定手术场景和器械类型	建立手术机器人器械姿态估计的基准，推动无标记深度学习方法的开发与评估	手术机器人及其器械（如持针器、剪刀等）的六自由度姿态	计算机视觉	NA	深度学习	多种（具体未指定，如CNN等）	手术视频	SurgRIPE数据集（具体样本数未提及）	NA	多种（如ResNet、Transformer等）	准确性、鲁棒性	NA
4476	2026-07-13	Concentration-dependent responses of C. reinhardtii to silver ions: hormetic response in growth and reduction of motility 2025-09-15, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-025-00521-3 PMID:40952583	研究论文	研究不同浓度银离子对莱茵衣藻生长、叶绿素含量和运动能力的生物物理响应	首次揭示银离子对微藻的毒物兴奋效应，表现为低浓度促进生长而高浓度抑制；同时利用深度学习算法跟踪单个微藻的运动，量化银离子对运动能力的影响	未深入探讨银离子影响微藻运动的分子机制，且仅使用单一藻种，结论的普适性有限	探究银离子对微藻（莱茵衣藻）的毒性效应及非线性响应模式	莱茵衣藻（C. reinhardtii）微藻	machine learning	NA	分光光度分析	深度学习算法	图像数据	不同浓度银离子（0.29至1.18 µM）暴露下的莱茵衣藻样本	NA	NA	NA	NA
4477	2026-07-13	Development and interpretation of a pathomics-driven ensemble predictive model for prognosis of intrahepatic cholangiocarcinoma 2025-09, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110295 PMID:40627917	research paper	开发并解释了一个基于病理组学的集成预测模型，用于肝内胆管癌的预后预测	首次开发了用于肝内胆管癌预后的病理组学集成模型，并通过多种方法提高模型可解释性	NA	开发并解释一个用于肝内胆管癌预后的病理组学集成模型	252例肝内胆管癌患者的术后肿瘤切片	digital pathology	intrahepatic cholangiocarcinoma	NA	CNN	病理图像	252例肝内胆管癌患者	PyTorch	CNN, K-means	AUC	NA
4478	2026-07-13	Recurrent Inference Machine for Medical Image Registration 2025-Jul-22, ArXiv PMID:39371087	研究论文	提出一种名为循环推理图像配准（RIIR）网络的新方法，用于医学图像配准，通过元学习求解器迭代优化配准问题	通过将配准问题公式化为元学习求解器，结合隐式正则化和显式梯度输入学习优化更新规则，在仅使用5%训练数据的情况下仍优于多种深度学习方法	未明确说明局限性	提高医学图像配准的准确性和数据效率	脑部MRI和定量心脏MRI数据集	数字病理学	NA	MRI	循环神经网络（RNN）	图像	脑部MRI和定量心脏MRI数据集，未明确样本数量	PyTorch	循环推理架构	配准准确性、训练数据效率	NA
4479	2026-07-13	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	研究论文	基于[18F]PSMA-1007 PET/CT和多参数MRI的多模态深度学习预测前列腺癌中的不良病理	首次将[18F]PSMA-1007 PET/CT与mpMRI集成构建多模态深度学习模型，并证明该集成模型在预测不良病理方面优于单一模态模型	研究为回顾性分析，样本量相对有限（341例），且仅包含接受根治性前列腺切除术的患者，可能存在选择偏倚	开发和评估基于[18F]PSMA-1007 PET/CT和mpMRI的多模态深度学习模型，预测前列腺癌患者是否存在不良病理，并比较集成模型与单一模态模型的性能	前列腺癌患者的不良病理预测	机器学习	前列腺癌	[18F]PSMA-1007 PET/CT	卷积神经网络与Transformer结合的深度学习模型	医学影像（PET/CT和mpMRI图像）以及临床特征	341例接受根治性前列腺切除术的前列腺癌患者	NA	卷积神经网络与Transformer	AUC	NA
4480	2026-07-13	Transformer-Based Multilabel Deep Learning Model Is Efficient for Detecting Ankle Lateral and Medial Ligament Injuries on Magnetic Resonance Imaging and Improving Clinicians' Diagnostic Accuracy for Rotational Chronic Ankle Instability 2025-03, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.05.027 PMID:38876447	研究论文	开发了一种基于Transformer的多标签深度学习模型AnkleNet，用于在磁共振成像上同时检测踝关节内外侧副韧带损伤，并提升临床医生诊断旋转性慢性踝关节不稳定的准确率	首次将Transformer架构用于多标签韧带损伤检测，在踝关节MRI上同时识别内外侧韧带损伤，且性能显著优于传统CNN模型	未提及模型在更多样化人群或不同MRI设备上的泛化性验证，以及计算资源的具体细节	开发可同时检测踝关节内外侧副韧带损伤的深度学习模型，辅助诊断慢性踝关节不稳定并评估其临床效用	踝关节内外侧副韧带损伤的MRI影像数据	计算机视觉	慢性踝关节不稳定	MRI	Transformer	影像	来自3个中心的回顾性MRI数据	NA	Transformer	AUC	NA