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
4841	2026-02-09	Template-guided reconstruction of pulmonary segments with neural implicit functions 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103916 PMID:41435447	研究论文	本文提出了一种基于神经隐式函数的方法，通过变形可学习模板来重建具有解剖感知的精确肺段三维模型	采用神经隐式函数结合可学习模板进行肺段重建，实现了计算高效且分辨率连续的三维表示，并引入了两个临床相关评估指标，同时构建了首个公开的肺段形状数据集Lung3D	未明确说明方法在极端解剖变异或病理情况下的鲁棒性，且数据集规模（800个样本）可能仍需扩大以覆盖更多临床场景	开发高质量的三维肺段重建方法以辅助肺段切除术和肺癌手术规划	肺段的三维解剖结构及其对应的气道、动脉、静脉和段间静脉	计算机视觉	肺癌	三维重建、隐式建模	神经隐式函数	三维模型/形状数据	800个标注的肺段三维模型及其相关解剖结构	NA	NA	两个临床相关评估指标（具体名称未在摘要中说明）	NA
4842	2026-02-09	Interpretable classification of endomicroscopic brain data via saliency consistent contrastive learning 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103917 PMID:41456554	研究论文	本文提出了一种用于脑组织pCLE数据分类的可解释深度学习框架，通过标签对比学习和显著性一致性模块提升分类性能与可解释性	首次提出标签对比学习损失替代交叉熵损失以学习类内相似性和类间对比；设计显著性一致性模块生成临床相关显著性图；创新性地使用指数移动平均更新全局嵌入而非模型权重；提出全局嵌入推理层替代可学习分类层	未明确说明模型在更大规模或更多样化数据集上的泛化能力；未与其他可解释性方法进行系统性比较	开发可解释的脑组织pCLE图像分类模型以辅助神经外科手术决策	离体和在体pCLE脑组织图像数据	计算机视觉	脑肿瘤	pCLE（共聚焦激光内窥镜）	深度学习	图像	未明确说明具体样本数量（仅提及离体和在体pCLE数据）	未明确说明	未明确说明基础架构（但包含自定义的TK-MMP层和GEI层）	准确率, 鲁棒性, 可解释性	未明确说明
4843	2026-02-09	Multi-cancer framework with cancer-aware attention and adversarial mutual-information minimization for whole slide image classification 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103927 PMID:41494313	研究论文	本文提出了一种用于多癌症全切片图像分类的新框架，通过癌症感知注意力模块和对抗性互信息最小化来提升泛化能力	引入了癌症感知注意力模块来建模跨癌症的共享模式和癌症特异性变异，并构建了对抗性癌症正则化机制以最小化癌症特异性偏差	NA	开发一个可扩展的多癌症全切片图像分类解决方案，以克服现有方法在泛化性和可扩展性方面的限制	全切片图像	数字病理学	多癌症	深度学习	NA	图像	NA	NA	NA	NA	NA
4844	2026-02-09	DVAP-Reg: Dual-view anatomical prior-driven cross-dimensional registration for spinal surgery navigation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103930 PMID:41506054	研究论文	提出了一种用于脊柱手术导航的双视图解剖先验驱动跨维度配准方法	提出了一种基于双视图X射线和空间相关机制的直接回归网络，并引入了通过Face-GCN模块提取的解剖先验作为条件信息，以增强高级空间感知并指导空间姿态对齐	未在摘要中明确说明	实现脊柱手术导航中术前3D椎骨与术中2D X射线的精确配准，以增强手术精度、减少辐射暴露和降低手术风险	脊柱（特别是腰椎）	计算机视觉	脊柱疾病	X射线成像，CT成像	GCN, 回归网络	图像（2D X射线，3D CT）	未在摘要中明确说明	未在摘要中明确说明	Face-GCN	旋转精度（度），平移精度（毫米）	未在摘要中明确说明
4845	2026-02-09	DTG: Dual transformers-based generative adversarial networks for retinal 2D/3D OCT image classification 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103915 PMID:41518764	研究论文	本文提出了一种基于双Transformer和生成对抗网络的深度学习架构DTG，用于视网膜2D/3D OCT图像的自动分类	结合Vision Transformer和Multiscale Vision Transformer编码2D/3D OCT图像，并采用生成对抗网络生成高质量语义表示，通过患者实例数据增强技术提升训练数据	未明确说明模型在数据稀缺情况下的表现或计算资源需求	实现视网膜疾病的自动准确分类，辅助眼科医生诊断	视网膜2D OCT图像（B-scans）和3D OCT图像（B-scans序列）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	GAN, Transformer	图像	两个真实世界OCT数据集（具体数量未说明）	NA	Vision Transformer, Multiscale Vision Transformer	准确率, 精确率, 召回率, F1分数, 二次加权Kappa, AUC-PR, AUC-ROC	NA
4846	2026-02-09	SupReMix: Supervised contrastive learning for medical imaging regression with mixup 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103909 PMID:41520605	研究论文	本文提出了一种名为SupReMix的监督对比学习方法，用于医学影像回归任务，通过引入混合策略来增强特征表示的质量	提出了结合混合策略的监督对比学习方法，解决了医学影像回归中忽略的序数性和难度问题，通过锚点包含混合和锚点排除混合构建更难的对比对	NA	改进医学影像回归任务的特征表示学习，提升回归性能	医学影像数据，包括MRI、X射线、超声和PET模态	计算机视觉	NA	深度学习	NA	图像	六个数据集	NA	NA	NA	NA
4847	2026-02-09	Unlocking 2D/3D+T myocardial mechanics from cine MRI: a mechanically regularized space-time finite element correlation framework 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103944 PMID:41547064	研究论文	本文提出了一种基于时空正则化有限元数字图像/体积相关框架，用于从常规电影MRI中提取2D/3D+T心肌运动和应变分析	将多视图对齐和2D/3D+T运动估计统一到一个连贯的流程中，结合区域特异性生物力学正则化和数据驱动的时间分解，以提升空间保真度和时间一致性	3D+T运动估计仅在临床数据集上评估，可能缺乏更广泛验证	从电影MRI中准确且生物力学一致地量化心脏运动	心肌运动和应变分析	数字病理学	心血管疾病	电影MRI	有限元数字图像/体积相关框架	图像	一个合成数据集、三个公共数据集和一个临床数据集	NA	有限元数字图像/体积相关框架	位移RMSE, 等效应变RMSE, 时间一致性, 地标误差, 边界跟踪Dice系数	NA
4848	2026-02-09	C2HFusion: Clinical context-driven hierarchical fusion of multimodal data for personalized and quantitative prognostic assessment in pancreatic cancer 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103937 PMID:41564638	研究论文	提出了一种名为C2HFusion的新型融合框架，用于胰腺癌的个性化定量预后评估	受临床决策启发，首次在多个表征层次和结构形式上整合多模态数据，并引入了可扩展的临床专家混合模块动态优化特征融合	未明确说明模型的可解释性如何，也未讨论在不同医疗中心间的泛化能力是否存在限制	提高胰腺导管腺癌的预后建模准确性，实现个性化临床管理	胰腺导管腺癌患者	数字病理学	胰腺癌	多序列MRI、结构化实验室数据、非结构化放射学报告	深度学习	图像、文本、结构化数据	681名PDAC患者的多中心真实世界数据集	未明确说明	C2HFusion（包含跨注意力机制、特征调制机制、临床专家混合模块）	C-index	未明确说明
4849	2026-02-09	UNISELF: A unified network with instance normalization and self-ensembled lesion fusion for multiple sclerosis lesion segmentation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103954 PMID:41570473	研究论文	提出一种名为UNISELF的统一网络，用于多发性硬化病灶的自动分割，该网络结合了实例归一化和自集成病灶融合技术	提出了一种新颖的测试时自集成病灶融合方法以提高分割精度，并利用测试时潜在特征的实例归一化（TTIN）来处理域偏移和缺失的输入对比度	方法仅在有限的单一源训练数据（ISBI 2015数据集）上进行训练和验证	开发一种能够在单一训练域内实现高精度，同时在多个域外测试数据集上表现出强泛化能力的多发性硬化病灶自动分割方法	多发性硬化（MS）病灶	数字病理学	多发性硬化	多对比度磁共振（MR）成像	深度学习	图像	ISBI 2015纵向MS分割挑战训练数据集，以及MICCAI 2016、UMCL公共数据集和一个私人多站点数据集用于测试	NA	统一网络（UNISELF）	分割精度，泛化性能	NA
4850	2026-02-09	Diagnostic text-guided representation learning in hierarchical classification for pathological whole slide image 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103894 PMID:41386185	研究论文	本文提出了一种名为PathTree的表示学习方法，用于处理病理全切片图像（WSI）的分层分类任务，通过结合专业病理文本描述来指导图像特征的层次化聚合	引入了分层病理图像分类概念，并提出了PathTree方法，将疾病多分类视为二叉树结构，利用文本描述引导层次化表示学习，并引入树特定损失函数来约束文本与图像间的关联	未明确说明方法在处理更复杂或非二叉树结构分类任务时的适用性，且实验数据集的多样性可能有限	开发一种深度学习辅助的解决方案，以应对更复杂的病理全切片图像分类任务	病理全切片图像（WSI）	数字病理	肺癌, 前列腺癌, 乳腺癌	表示学习, 文本引导的特征聚合	树状编码器	图像, 文本	三个数据集：内部冷冻切片肺组织病变识别、公共前列腺癌分级评估、公共乳腺癌亚型分类	未明确指定	PathTree	未明确指定	NA
4851	2026-02-09	U2AD: Uncertainty-based unsupervised anomaly detection framework for detecting T2 hyperintensity in MRI spinal cord 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103939 PMID:41558246	研究论文	本文提出了一种基于不确定性的无监督异常检测框架（U2AD），用于检测MRI脊髓图像中的T2高信号	提出了一种基于不确定性引导掩码策略的“掩码-重建”范式，通过蒙特卡洛推理估计重建不确定性，迭代优化正常表示学习，解决了领域偏移和任务冲突问题	未明确说明模型在跨中心或不同扫描协议数据上的泛化能力	开发一种无需异常标注的无监督异常检测方法，用于自动检测脊髓MRI中的T2高信号病变	脊髓磁共振图像（MRI）中的T2高信号区域	计算机视觉	退行性颈椎病（DCM）	MRI成像	Vision Transformer	图像	NA	PyTorch	Vision Transformer	患者级识别准确率，分割级定位精度	NA
4852	2026-02-09	Introducing AutoML framework for Drug-Drug Interaction Prediction: Application of AutoGluon 2026-Feb-07, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2026.2628929 PMID:41654993	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4853	2026-02-09	Sequential glioblastoma segmentation via topological data analysis and spatial adjacency 2026-Feb-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3e97 PMID:41604711	研究论文	本文提出了一种基于拓扑数据分析（TDA）和空间邻接信息的顺序分割框架，用于精确分割胶质母细胞瘤	利用TDA的可解释过滤和持久同源性捕获胶质瘤的内在拓扑特征，减少对大型标注数据集的依赖，并引入模糊边缘Dice分数作为新的性能指标	未明确提及方法的计算效率或在大规模数据集上的泛化能力	提高胶质母细胞瘤在医学影像中的分割准确性	胶质母细胞瘤的医学影像数据	数字病理学	胶质母细胞瘤	拓扑数据分析（TDA），持久同源性	NA	医学影像	BRATS2021和BRATS2022-Reg公共数据集	NA	NA	模糊边缘Dice分数	NA
4854	2026-02-09	MetaChest: generalized few-shot learning of pathologies from chest X-rays 2026-Feb-06, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-026-00214-4 PMID:41644911	研究论文	本文提出了MetaChest数据集，用于评估广义少样本学习在胸部X光病理分类中的应用	引入了专门设计用于广义少样本分类的大规模胸部X光数据集，并评估了标准迁移学习与ProtoNet扩展在少样本多标签分类任务中的表现	研究未提及模型在外部验证集上的泛化能力或临床部署的具体挑战	探索广义少样本学习在医学图像分析中的应用，特别是胸部X光病理分类	胸部X光图像中的病理分类	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	479,215张胸部X光图像，来自四个公共数据库	TensorFlow, PyTorch	ProtoNet, 未指定具体架构但提及高效模型架构	准确率	未具体说明，但提及高分辨率图像增加计算成本及高效模型减少资源需求
4855	2026-02-09	Mass spectrometry-based human spatial omics: fundamentals, innovations, and applications 2026-Feb-06, Journal of biomedical science IF:9.0Q1 DOI:10.1186/s12929-026-01219-0 PMID:41645178	综述	本文系统回顾了基于质谱的空间组学技术，涵盖其基本原理、技术创新、计算分析流程及其在生物医学领域的应用	系统梳理了质谱空间组学领域的技术与计算进展，包括空间分辨率提升、分子覆盖度扩展、深度学习整合及多模态平台融合等创新方向	NA	综述质谱空间组学技术的发展历程、当前进展、应用场景及未来挑战	人类组织中的蛋白质、代谢物、脂质等生物分子的空间分布	空间组学	肿瘤、神经退行性疾病	质谱成像（MSI）、标记技术、邻近标记技术	深度学习	空间分子成像数据	NA	NA	NA	NA	云优化数据格式
4856	2026-02-09	Comment on "Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction" 2026-Feb-06, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2026.02.006 PMID:41654475	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4857	2026-02-09	Protein model building for intermediate-resolution cryo-EM maps by integrating evolutionary and experimental information 2026-Feb-05, Structure (London, England : 1993) DOI:10.1016/j.str.2025.11.004 PMID:41314215	研究论文	本文提出了一种名为CryoEvoBuild的自动化方法，用于通过有效整合进化和实验信息，从中间分辨率冷冻电镜图中改进蛋白质模型构建	CryoEvoBuild引入了一种新颖的基于域的分割、精修、组装和重建流程，并采用由AlphaFold2指导的循环框架，显著提升了AF2预测结构的准确性	NA	解决在中间分辨率冷冻电镜图中，使用深度学习预测的初始结构进行准确模型构建的挑战	蛋白质结构模型	结构生物学, 计算生物学	NA	冷冻电镜, AlphaFold2	深度学习模型	冷冻电镜图	117个分辨率在4.0-10.0 Å的多样化测试图	NA	AlphaFold2	准确性	NA
4858	2026-02-09	LSTM-GPT-4 Integration for Interpretable Biomedical Signal Classification 2026-Feb-05, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41653471	研究论文	本研究开发并评估了一个集成LSTM网络与GPT-4的技术框架，用于自动化生物医学信号分类和生成人类可读的临床解释	首次将LSTM网络与GPT-4进行显式方法学整合，用于生物医学信号分类并生成临床解释，为资源受限环境下的部署提供了技术基础	本研究为概念验证阶段，尚未进行前瞻性临床验证和现场研究，且仅使用了公开数据集	开发一个适用于资源受限环境的自动化生物医学信号分类和临床解释框架	心电图(ECG)和脑电图(EEG)等生物医学信号	数字病理学	心血管疾病	生物医学信号处理	LSTM, GPT-4	信号数据	使用了多个公开PhysioNet数据集：MIT-BIH心律失常数据库、PTB诊断心电图数据库、PTB-XL、Chapman-Shaoxing、MIMIC-III波形数据和Sleep-EDF	NA	两层LSTM架构(128→64单元)	准确率, F1分数, AUC, 临床准确性评分, 清晰度评分, 可操作性评分	NA
4859	2026-02-09	Deep learning approach for hybrid beamforming design in MU-MISO mmWave systems 2026-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35247-5 PMID:41639140	研究论文	本文提出了一种基于深度学习的混合波束成形方法，用于降低MU-MISO毫米波系统中的计算延迟并保持可接受的速率性能	提出了一种深度学习驱动的混合波束成形方法，相比传统迭代优化算法显著降低计算复杂度，并引入高效的数据集生成流程以加速部署和扩展	未明确提及模型在极端信道条件下的性能或泛化能力，且可能依赖于仿真环境验证	为多用户多输入单输出毫米波系统设计低计算延迟、高实时性的混合波束成形方案	MU-MISO毫米波系统中的混合波束成形架构	机器学习	NA	深度学习	深度学习模型	信道数据	NA	NA	NA	和速率	NA
4860	2026-02-09	Deep neural network-based analysis of voice biomarkers for monitoring treatment response in adolescent major depressive disorder 2026-Feb-04, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01326-3 PMID:41639246	研究论文	本研究利用深度学习模型分析青少年重度抑郁症患者的语音生物标志物，以监测治疗反应	提出了双语音抑郁状态分析方法，用于评估患者个体内治疗期间抑郁状态的变化，而非仅进行横断面比较	样本量较小，仅包含48名患者，且仅分析了基频等有限声学特征	开发基于语音生物标志物的客观方法，以监测青少年重度抑郁症患者的治疗反应	48名青少年重度抑郁症患者	自然语言处理	重度抑郁症	语音分析	深度学习模型	语音	48名青少年重度抑郁症患者的治疗前后语音样本	NA	WavLM	F1分数	NA