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
881	2026-09-25	Improving Robustness and Reliability in Medical Image Classification With Latent-Guided Diffusion and Nested-Ensembles 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	提出了一种结合视觉Transformer和扩散模型的集成学习方法LaDiNE，用于提高医学图像分类在噪声、对抗扰动和分辨率退化下的鲁棒性和可靠性	首次将视觉Transformer的鲁棒性与扩散生成模型结合用于集成学习，同时解决预测准确性和置信度校准问题	仅在肺结核胸片和黑色素瘤皮肤癌数据集上验证，未在其他医学图像模态或更广泛的临床场景中测试	提高医学图像分类方法在面对未知协变量偏移（如噪声、对抗扰动、分辨率退化）时的鲁棒性和置信度校准	肺结核胸片和黑色素瘤皮肤癌图像	医学图像分析	肺结核, 黑色素瘤皮肤癌	扩散模型, 视觉Transformer	Transformer, 扩散模型, 集成学习	图像	NA	NA	Vision Transformer, Diffusion Model	预测准确率, 置信度校准	NA
882	2026-09-25	In Vivo Laparoscopic Image De-Smoking Dataset, Evaluation, and Beyond 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584641 PMID:40601460	研究论文	本文构建了一个来自腹腔镜手术视频的真实配对烟雾/无烟图像数据集，评估了现有去烟方法，并重新审视了传统去烟模型和先验的适用性	首次提供了从真实腹腔镜手术录像中提取的配对烟雾/无烟图像数据集，采用运动跟踪技术补偿患者不自主运动，确保可靠配对，并重新评估了大气散射模型、大气颜色假设和暗通道先验在手术烟雾去除中的适用性	数据集仅来源于132例腹腔镜前列腺切除术和45例胆囊切除术录像，样本来源相对有限，可能无法完全代表所有腹腔镜手术场景	解决腹腔镜手术烟雾去除领域缺乏真实配对数据集的问题，并评估现有去烟方法及传统模型的局限性	腹腔镜手术视频中的烟雾图像和无烟图像	计算机视觉	前列腺癌, 胆囊疾病	腹腔镜手术录像分析, 运动跟踪	NA	图像	132例腹腔镜前列腺切除术录像（41个视频序列，2000对图像），45例胆囊切除术录像（68个视频序列，1000对图像）	NA	NA	NA	NA
883	2026-09-25	A Novel Few-Shot Learning Framework for Supervised Diffeomorphic Image Registration Network 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585199 PMID:40601459	研究论文	提出了一种新颖的少样本学习框架用于监督微分同胚图像配准网络，包含随机微分同胚生成器和监督少样本学习网络，以解决物理网格折叠和标记训练数据稀缺的问题	提出了随机微分同胚生成器（RDG），通过随机生成复杂向量场来产生一系列微分同胚，仅需少量图像数据（理论上一个图像数据就足够）即可生成大量标签用于训练监督少样本学习网络；损失函数仅需保证变形的平滑性，无需其他控制即可消除物理网格折叠现象	未明确提及	解决医学图像配准中监督网络面临的物理网格折叠和标记训练数据稀缺两大挑战	医学图像配准	计算机视觉	NA	深度学习图像配准	监督少样本学习网络	图像	仅需少量图像数据，理论上一个图像数据即可	NA	NA	NA	NA
884	2026-09-25	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出一种互惠多网络噪声标签学习（MMNNLL）方法，旨在通过多个深度神经网络之间的协作与竞争，从含有噪声标签的数据中学习，并将其应用于双相情感障碍和精神分裂症的跨诊断分类	提出互惠多网络噪声标签学习框架，通过多个深度神经网络在识别和利用干净与噪声样本时最大化一致性，有效处理标签噪声；将该方法应用于精神疾病神经影像数据，识别出两种生物亚型，在跨诊断分类上优于原始临床类别	摘要中未明确提及方法的局限性	解决精神疾病诊断中主观性和标签噪声问题，提高双相情感障碍和精神分裂症的诊断准确性，实现跨诊断分类	双相情感障碍（BP）和精神分裂症（SZ）患者，以及公开数据集CIFAR-10和PathMNIST	机器学习，数字病理学	双相情感障碍，精神分裂症	脑功能连接数据（神经影像）	深度神经网络（DNN）	图像，脑功能连接数据	NA	NA	多个深度神经网络（DNN）	分类准确率	NA
885	2026-09-25	Coupled Diffusion Models for Metal Artifact Reduction of Clinical Dental CBCT Images 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3587131 PMID:40627491	研究论文	本文提出了一种耦合扩散模型（CDM）方法，用于临床牙科CBCT图像的金属伪影减少	分别对临床金属伪影退化和干净图像训练两个扩散模型以获取先验信息，在去噪过程中计算噪声水平的方差，并开发噪声变换模块将金属伪影噪声图像转换为新的初始值，引入金属伪影自适应推理技术以适应不同区域的退化	未明确提及局限性	减少临床牙科CBCT图像中的金属伪影，以改善后续诊断	临床牙科CBCT图像	计算机视觉	牙科疾病	锥形束CT（CBCT），扩散模型	扩散模型	图像	未明确说明，使用临床数据集	未明确说明	扩散模型（Coupled Diffusion Models）	客观指标（未具体说明），视觉质量	未明确说明
886	2026-09-25	ssEM Image Restoration via Diffusion Models With Multi-Output Joint Strategy for Noise Estimation 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584726 PMID:40627490	研究论文	本文提出了一种基于扩散模型的方法，用于恢复ssEM图像中的缺失切片，通过多输出联合策略进行噪声估计，并改进了推理过程	1. 利用扩散模型恢复ssEM图像缺失切片；2. 使用非对称和对称3D卷积增强主干网络以适应各向异性；3. 提出自适应可学习重建模块（ALR）和首尾切片注意力块（FLAB）；4. 采用多输出联合策略（MJS）进行噪声估计；5. 重新设计推理过程以优化部分损坏切片的恢复	未明确提及	恢复ssEM图像中的缺失切片，提高图像质量和下游任务性能	ssEM图像	计算机视觉	NA	ssEM	扩散模型	图像	NA	NA	扩散模型, 3D卷积, 注意力机制	NA	NA
887	2026-09-25	Region Uncertainty Estimation for Medical Image Segmentation With Noisy Labels 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589058 PMID:40658577	研究论文	本文提出了一种基于区域不确定性估计的框架，用于在噪声标签条件下进行CT图像分割，通过样本分层训练策略和边界引导的区域不确定性估计模块，提升分割性能并降低标注成本	提出了样本分层训练策略，根据标签质量对样本进行分层，优先利用高置信度和细粒度信息进行训练；设计了边界引导的区域不确定性估计模块，将样本分层训练与不确定性估计相结合，辅助评估样本置信度；实现了从样本级到体素级的可靠监督信息传播，有效缓解噪声标注的影响	摘要中未明确提及研究的局限性	解决在噪声标签条件下3D医学图像分割的挑战，特别是针对边界模糊的器官和组织分割任务，降低医学图像标注成本并提升在低资源和远程场景下的分割性能	CT图像中的器官和组织分割	计算机视觉	NA	CT图像分割	NA	图像	NA	NA	NA	NA	NA
888	2026-09-25	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本文提出了一种基于改进去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET中动力学参数的贝叶斯后验分布，以提高计算效率	首次将改进去噪扩散概率模型（iDDPM）应用于动态PET动力学参数的后验分布估计，实现了高计算效率和准确性	未明确说明	估计动态脑PET中动力学参数的贝叶斯后验分布	动态脑PET图像中的动力学参数	医学图像分析	阿尔茨海默病	动态PET成像	生成式深度学习模型	图像	未明确说明	NA	改进去噪扩散概率模型（iDDPM）, 条件变分自编码器与双解码器（CVAE-DD）, 带梯度惩罚的Wasserstein GAN（WGAN-GP）	平均误差, 标准差误差	NA
889	2026-09-25	Robust Polyp Detection and Diagnosis Through Compositional Prompt-Guided Diffusion Models 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589456 PMID:40663685	研究论文	本文提出了一种渐进式频谱扩散模型（PSDM），通过整合分割掩码、边界框和结肠镜报告等多种临床标注生成合成息肉图像，以增强结直肠癌筛查中的息肉检测、分类和分割性能	提出渐进式频谱扩散模型（PSDM），将多种临床标注（分割掩码、边界框、结肠镜报告）转化为组合提示，并组织为粗粒度和细粒度组件，使模型能够同时捕捉广泛的空间结构和精细细节，生成临床准确的合成图像，克服了传统扩散模型仅依赖分割掩码作为条件的局限性	摘要中未明确说明研究的局限性	通过生成合成息肉图像来增强训练数据，提高息肉检测、分类和分割模型在分布外（OOD）场景下的泛化能力	结直肠癌筛查中的息肉图像，使用PolypGen等多中心数据集	医学图像分析，数字病理学	结直肠癌	扩散模型，数据增强，组合提示学习	扩散模型（Diffusion Model）	图像（结肠镜图像），文本（结肠镜报告）	使用PolypGen多中心数据集，具体样本数量未在摘要中说明	NA	渐进式频谱扩散模型（PSDM）	F1分数，平均精度均值（mAP）	NA
890	2026-09-25	Topology Optimization in Medical Image Segmentation With Fast χ Euler Characteristic 2025-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589495 PMID:40720275	研究论文	本文提出了一种基于欧拉示性数的快速拓扑感知医学图像分割方法，通过计算拓扑误差图并利用校正网络来优化分割结果的拓扑正确性	提出了一种快速计算2D和3D欧拉示性数的方法，并基于拓扑违反图开发了拓扑感知校正网络，避免了传统持久同调方法的高计算复杂度	未明确提及	在医学图像分割中，在保持像素级分割准确性的同时，显著提高分割结果的拓扑正确性	2D和3D医学图像分割数据集	计算机视觉, 医学图像分割	NA	深度学习, 欧拉示性数, 拓扑分析	CNN	图像	NA	NA	NA	Dice分数, 交并比, 欧拉示性数误差	NA
891	2025-09-19	Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score" 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2561801 PMID:40964794	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
892	2026-09-25	Advances in computational nephropathology 2025-12, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.06.029 PMID:40976424	综述	本文全面综述了计算肾脏病理学的研究进展与应用，涵盖定量病理学、深度学习图像分类与回归以及非图像应用等方法，并讨论了技术、监管和伦理挑战。	系统性地总结了计算病理学在肾脏病理学中的最新进展，提出了'kidnAI pathology'这一新概念，并展望了未来发展方向	尚未充分讨论现有方法在常规临床实践中推广的具体障碍量化分析，且对多中心验证和大规模前瞻性研究的讨论有限	全面概述计算病理学在肾脏病理学领域的进展和应用，探讨方法论、挑战及未来发展方向	肾脏病理学中的计算病理学方法、数字病理学工作流程及相关临床应用	数字病理学	肾脏疾病	计算病理学、深度学习、定量病理学、数字病理学	NA	图像	NA	NA	NA	NA	NA
893	2026-09-25	Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment 2025-Dec, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03206-y PMID:40993310	综述	本文综述了人工智能在癌症组织学评估中的应用，从诊断辅助到临床决策的转变，涵盖深度学习技术、多模态方法等	强调了AI从诊断辅助到临床决策核心的演变，以及多模态方法整合组织学图像与临床分子数据实现的优越预测准确性和可解释性	AI预测的验证挑战，特别是在预后应用方面，以及在资源有限环境中的可及性问题	综述人工智能在癌症诊断和个性化治疗中组织学评估的变革	癌症组织学评估的人工智能应用	数字病理学	癌症	深度学习，全切片图像（WSI），空间转录组学	NA	图像，基因组数据，临床数据	NA	NA	NA	NA	NA
894	2026-09-25	Pyramidal attention-based T network for brain tumor classification: a comprehensive analysis of transfer learning approaches for clinically reliable and reliable AI hybrid approaches 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11574-x PMID:40764518	研究论文	本文提出了一种基于金字塔注意力机制的双分区T网络（PABT-Net），用于脑肿瘤MRI图像的分类，并在三个基准数据集上进行了全面评估和迁移学习方法的比较分析	提出了新颖的金字塔注意力双分区T网络（PABT-Net），结合了分层金字塔注意力机制、基于T块的双分区特征提取和自卷积膨胀神经分类器，通过自适应聚焦脑MRI图像中的信息区域来提高空间可判别性并减少误判	摘要中未明确提及该研究的局限性	开发一种临床上可部署、可解释的自动化脑肿瘤分类模型，提高脑肿瘤分类的准确性和鲁棒性	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、无肿瘤和垂体瘤四类	计算机视觉	脑肿瘤	迁移学习	CNN	图像	7023张MRI图像，来自三个基准数据集（Figshare脑肿瘤数据集、Sartaj脑MRI数据集和Br35H脑肿瘤数据集），分为四类：胶质瘤、脑膜瘤、无肿瘤和垂体瘤	NA	PABT-Net、NASNet、VGG19、MobileNet、CNN、LSTM、CNN-LSTM、ANN	准确率、交叉验证准确率、Jaccard相似系数、Cohen's Kappa值、精确率、召回率、特异性、F1分数、AUC、混淆矩阵、ROC分析	NA
895	2026-09-25	Explaining care need assessment surveys: qualitative and quantitative evaluation of state-of-the-art local and global explainable artificial intelligence methods 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf064 PMID:40741010	研究论文	本文利用可解释人工智能方法，对德国超过72000份护理福利申请文本进行分析，以识别影响护理需求评估的关键因素	首次系统性地比较传统和先进的基于深度学习的可解释人工智能方法，从大规模护理福利申请文本中提取护理需求评估的关键短语，并将局部解释聚合为全局洞察	可解释人工智能结果可能变得难以处理；研究仅基于德国护理福利申请数据，可能不适用于其他国家的护理评估体系	利用大规模护理福利申请文本语料库，探索影响护理需求评估的因素，以支持专家确定可靠护理需求评估标准的繁琐工作	德国护理福利申请文本（超过72000份申请）	自然语言处理	老年疾病	可解释人工智能（XAI）、特征归因方法	Transformer	文本	超过72000份德国护理福利申请	NA	Transformer、词袋模型	NA	NA
896	2026-09-25	Transparent brain tumor detection using DenseNet169 and LIME 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13233-7 PMID:40750659	研究论文	本文提出了一种基于DenseNet169与LIME集成的DenseNet169-LIME-TumorNet模型，用于脑肿瘤分类并提升模型可解释性	将DenseNet169与LIME集成，在提升脑肿瘤分类性能的同时增强模型透明度和临床决策可靠性	未采用多模态学习方法，未来需提升泛化能力、开发混合深度学习和实时AI辅助诊断应用	提高脑肿瘤分类性能并增强模型可解释性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	NA	CNN	图像	2870张脑肿瘤MRI图像，涵盖三种肿瘤类型	NA	DenseNet169, Inception V3, ResNet50, MobileNet V2, EfficientNet	准确率	NA
897	2026-09-25	Generating human facial animation by aggregation deep network and low-rank active learning with table tennis applications 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13779-6 PMID:40750813	研究论文	该研究提出了一种利用情感语音线索生成逼真人脸动画的新方法，并将其应用于乒乓球直播中	结合深度网络与低秩主动学习，从语音信号中提取音素-情感组合的关键帧，并通过变形技术生成流畅的人脸动画	未明确说明方法在复杂情感或多种语言场景下的泛化能力，也未提供定量性能评估指标	基于情感和语音信号生成逼真的人脸动画，并探索其在乒乓球直播等实时场景中的应用	语音信号、人脸图像帧、音素-情感组合、面部表情动画	计算机视觉	NA	主动学习、深度网络、变形技术	深度学习模型	语音信号、图像	NA	NA	聚合深度网络、低秩主动学习	NA	iOS和Android移动操作系统
898	2026-09-25	Construction of GAN-RES and Its Application to Small Sample Fusulinid Fossil Recognition 2025-Aug, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71845 PMID:40755890	研究论文	该文提出GAN-RES方法，结合生成对抗网络和多种CNN架构，用于小样本䗴类化石识别	将GAN与ResNet50、EfficientNet及自定义CNN结合，通过生成样本扩充数据集，提升小样本化石识别精度	未明确说明计算资源，且仅与数据增强方法对比，未与其他先进方法比较	解决稀有化石小样本识别精度低的问题	䗴类化石图像	计算机视觉	NA	生成对抗网络	GAN, CNN	图像	NA	NA	ResNet50, EfficientNet, 自定义CNN	准确率	NA
899	2026-09-25	Cerebral Amyloid Deposition With 18F-Florbetapir PET Mediates Retinal Vascular Density and Cognitive Impairment in Alzheimer's Disease 2025-08-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70310 PMID:40757876	研究论文	本研究探讨了脑内淀粉样蛋白沉积、视网膜血管密度与阿尔茨海默病认知障碍之间的关系	使用深度学习基于眼底摄影量化视网膜血管密度，并结合18F-Florbetapir PET/MRI测量脑内Aβ沉积，通过中介分析揭示血管密度通过Aβ沉积影响认知功能	样本量相对较小，未提及纵向随访数据	研究脑内淀粉样蛋白沉积、视网膜血管密度与认知 decline 之间的关系，探索视网膜血管密度作为阿尔茨海默病早期检测生物标志物的潜力	92名参与者，包括47名阿尔茨海默病患者和45名健康对照	数字病理学	阿尔茨海默病	18F-Florbetapir PET/MRI，深度学习基于眼底摄影	CNN	图像	92名参与者（47名AD患者，45名健康对照）	NA	NA	Pearson相关系数，p值，标准化摄取值比率	NA
900	2026-09-25	AI-assisted intraoperative navigation for safe right liver mobilization in pure laparoscopic donor hepatectomy: an experimental multi-institutional validation study 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11627-1 PMID:40744949	研究论文	本研究开发并验证了一种基于深度学习的AI辅助术中导航系统，通过实时分割血管结构和无血管平面，用于纯腹腔镜供体右肝切除术中的安全右肝游离	首次将U-Net结合Mix Transformer编码器应用于纯腹腔镜供体右肝切除术的术中实时分割导航，提供安全解剖平面的AI辅助识别，并通过多机构外部验证证实其可行性	血管结构的定量分割指标较低（DSC约0.65-0.69），需要改进标注策略，且尚未在真实手术室环境中进行前瞻性验证	探索人工智能在微创肝脏手术中提供术中导航的潜力，通过实时分割安全解剖平面来辅助完成高难度微创肝脏手术	48例来自三家机构的纯腹腔镜供体右肝切除术手术视频	计算机视觉	肝脏疾病	深度学习图像分割	CNN	视频	48例纯腹腔镜供体右肝切除术视频（40例用于五折交叉验证，8例用于外部验证）	NA	U-Net, Mix Transformer	Dice相似系数, 精确率, 召回率, 特异度	NA