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
1101	2026-07-06	Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103307 PMID:39303447	研究论文	通过Medico 2020和MedAI 2021挑战赛验证结肠镜中息肉和器械分割方法的有效性	组织两届挑战赛，系统分析息肉与手术器械分割方法的进步；引入透明度评估机制，由胃肠病学专家评估可重复性、故障案例分析和消融研究	方法缺乏多中心和分布外测试；许多算法使用私有数据或闭源软件，可重复性不足	开发高效透明的结肠镜图像自动分析系统，减少息肉漏检率并提升诊断准确性	结肠镜图像中的息肉和手术器械分割方法，以及算法透明度与可解释性	医学图像分析	结直肠癌（癌前息肉）	深度学习	分割模型（术语未明确说明，如U-Net等）	图像（结肠镜视频帧）	2020年17个团队，2021年另有17个团队；具体图像数量未提及	NA	NA	Dice系数，平均交并比，透明度评分	NA
1102	2026-07-06	Re-identification from histopathology images 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103335 PMID:39316996	研究论文	证明深度学习算法能从组织病理图像中以较高精度重新识别患者身份	首次证明即使是相对简单的深度学习算法也能在大型组织病理数据集中以较高精度重新识别患者身份，并系统比较了多种全切片图像分类器和特征提取器	未明确说明局限性	评估从组织病理图像重新识别患者身份的风险，以保护患者隐私	肺癌（肺鳞癌和肺腺癌）及脑膜瘤的组织病理切片	数字病理学	肺癌, 脑膜瘤	组织病理图像分析	深度学习（分类器和特征提取器）	图像（全切片图像）	TCIA数据集（肺鳞癌和肺腺癌）及内部脑膜瘤数据集	NA	全切片图像分类器及特征提取器	F值	NA
1103	2026-07-06	Maxillofacial bone movements-aware dual graph convolution approach for postoperative facial appearance prediction 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103350 PMID:39332232	研究论文	提出一种基于双图卷积的术后面部外观预测模型，考虑面部表面几何和骨移动信息，实现更准确的预测	创新性地在欧几里得空间和测地空间构建面部网格双图，同时利用骨移动信息指导面部移动预测，并采用从粗到细的预测策略以提高鲁棒性	现有深度学习方法仅从面部点云学习特征，独立处理区域点，难以感知表面细节和拓扑结构，且单步预测易受弱监督训练影响产生扭曲预测	提高正颌手术后面部外观预测的准确性和计算效率	正颌手术患者的面部外观术后变化	计算机视觉	颌面疾病	NA	图卷积网络（GCN）	面部网格数据（点云）	真实临床数据（具体数量未提及）	PyTorch	双图卷积网络（Dual Graph Convolution）	定性评估和定量指标（具体指标未提及）	NA
1104	2026-07-06	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	提出一种基于流的截断去噪扩散模型用于磁共振波谱成像超分辨率重建	通过截断扩散链并使用归一化流网络估计截断步骤，大幅缩短采样过程，同时支持多尺度超分辨率、不确定性估计和锐度调整	NA	开发一种后处理方法，从低分辨率MRSI数据生成高分辨率MRSI，加快采样速度并提高图像质量	高分辨率磁共振波谱成像（MRSI）	机器学习	神经疾病	磁共振波谱成像（MRSI）	扩散模型与流模型	MRSI数据	25例高级别胶质瘤患者的H-MRSI数据集	PyTorch	去噪扩散模型（DDPM），归一化流网络	采样速度、图像质量评估（神经放射科医师评估）	NA
1105	2026-07-06	PViT-AIR: Puzzling vision transformer-based affine image registration for multi histopathology and faxitron images of breast tissue 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103356 PMID:39378568	研究论文	提出一种基于视觉变换器的仿射图像配准深度学习管道，用于多组织病理学和乳腺组织传真图像的对齐	结合卷积神经网络和视觉变换器，通过拼图机制实现组织切片到宏观切片的同步配准与拼接，并采用合成单模态数据弱监督训练解决多模态真实数据限制	未在更大规模的多样化数据集上验证，且对组织变形和伪影的鲁棒性可能有限	实现放射学图像与组织病理学图像的自动配准，为乳腺癌诊断提供准确的标注数据	乳腺组织的传真图像和组织病理学图像	数字病理学	乳腺癌	NA	CNN-ViT混合模型	图像	未明确说明样本数量	PyTorch	CNN, Vision Transformer	平均标志点误差, 缝合距离	GPU（未指定具体型号）
1106	2026-07-06	MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103351 PMID:39388843	研究论文	提出一种基于肌肉骨骼感知的深度学习框架，用于头颈部CT图像的变形配准，通过分解骨骼与软组织的复杂运动提高配准精度和形变合理性	创新性地将复杂形变分解为整体姿势变化和残余精细形变，并利用多分辨率策略和非均匀形变约束实现解剖学引导的配准	未提及具体局限性，但可能对极端大形变或低质量图像效果有限	解决头颈部CT图像配准中骨骼与软组织联合多尺度运动导致的解剖不合理形变问题	头颈部CT图像中的骨骼结构和软组织区域	计算机视觉	NA	CT成像	深度学习形变配准网络	图像	未提及具体样本量	PyTorch（推测，因代码公开在GitHub）	未指定具体架构，但支持多种网络结构	配准精度、形变合理性	未提及
1107	2026-07-06	Enhancing global sensitivity and uncertainty quantification in medical image reconstruction with Monte Carlo arbitrary-masked mamba 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103334 PMID:39255733	研究论文	提出基于蒙特卡洛任意掩码Mamba模型MambaMIR，用于医学图像重建和不确定性量化	创新性地提出任意扫描掩码机制，结合蒙特卡洛方法和Mamba模型，无需超参数调优即可生成不确定性图，同时采用小波变换和GAN变体提升纹理保持和感知质量	未明确提及计算资源需求或大规模临床验证，可能对高维医学图像的实时应用存在计算效率挑战	提高医学图像重建的全局敏感性和不确定性量化精度	医学图像重建任务中的图像数据和不确定性估计	计算机视觉	NA	蒙特卡洛采样、小波变换	Mamba、生成对抗网络	医学图像	NA	NA	Mamba, 生成对抗网络	重建保真度、感知质量	NA
1108	2026-07-06	Controlled and Real-Life Investigation of Optical Tracking Sensors in Smart Glasses for Monitoring Eating Behavior Using Deep Learning: Cross-Sectional Study 2024-09-26, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/59469 PMID:39325528	研究论文	利用智能眼镜光学追踪传感器和深度学习实现进食行为的非侵入性监测	通过智能眼镜中的光学传感器实时监测面部肌肉活动，结合深度学习和隐马尔可夫模型，对咀嚼事件进行细粒度分析，区分咀嚼与其他面部活动	未明确提及研究局限性	开发一种准确且非侵入性的系统，用于自动监测进食和咀嚼活动	不同个体的进食、说话和咬牙等面部活动	机器学习	肥胖症	光学传感器	卷积长短期记忆网络 (ConvLSTM)	时间序列数据	未明确提及具体样本数量	NA	卷积长短期记忆网络	F1分数, 精确率, 召回率	NA
1109	2026-07-06	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	提出了一种基于深度残差批量协调的方法DeepResBat，以解决多数据集MRI数据中的协变量分布差异问题	首次在深度神经网络协调方法中显式考虑协变量分布差异，提出残差框架DeepResBat和coVAE，与ComBat相比能更有效消除数据集差异并增强生物学效果	coVAE可能产生虚假设关联，即使不存在关联也会在解剖MRI与协变量之间产生假阳性	开发一种基于深度学习的协调方法，在消除多数据集间不必要变异的同时保留生物学变量的效果	多数据集MRI数据中的协变量分布差异协调	数字病理学, 机器学习	NA	MRI扫描	条件变分自编码器(cVAE), 条件变分自编码器与残差网络的结合(DeepResBat)	图像（解剖T1扫描图像）	来自三大洲三个数据集的2787名参与者，共10085次解剖T1扫描	PyTorch（推测，基于CBIG库）	cVAE, coVAE, DeepResBat	数据集差异去除效果、生物学效果增强程度（具体指标如相关性、统计显著性等）	NA（未在标题和摘要中明确提及）
1110	2026-07-06	Wearable Data From Subjects Playing Super Mario, Taking University Exams, or Performing Physical Exercise Help Detect Acute Mood Disorder Episodes via Self-Supervised Learning: Prospective, Exploratory, Observational Study 2024-07-17, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/55094 PMID:39018100	research paper	利用自监督学习从穿戴设备数据中检测急性情绪障碍发作	首次将自监督学习应用于穿戴设备数据检测急性情绪障碍发作，提出E4mer模型架构和E4SelfLearning数据集，解决了数据标注瓶颈	自监督学习性能依赖于预训练代理任务的选择和无标签数据的规模	克服穿戴设备数据标注瓶颈，提升急性情绪障碍发作检测性能	急性情绪障碍患者和稳定期患者的穿戴设备数据	machine learning	mood disorder	NA	Transformer	穿戴设备数据（来自Empatica E4腕带）	161名受试者（其中64名患者，32名急性期，32名稳定期）	NA	E4mer, XGBoost	正确分类的片段数量（3353/4128 vs 3110/4128 vs 2973/4128）	NA
1111	2026-07-06	Assessing Biological Age: The Potential of ECG Evaluation Using Artificial Intelligence: JACC Family Series 2024-04, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.02.011 PMID:38597855	研究论文	探讨利用人工智能分析心电图评估生物年龄的潜力	利用深度学习模型在数十万份心电图数据上训练，通过AI-ECG得出的年龄与实际年龄的差值（delta age）作为生物年龄的替代指标，并发现其与死亡率相关	年龄预测存在误差，且未能实现完美预测	评估利用人工智能从心电图中预测生物年龄的可行性及其临床价值	数十万份心电图及其对应的个体年龄数据	机器学习	心血管疾病	心电图（ECG）	深度学习模型	心电图信号数据	数十万份心电图样本	NA	深度学习模型	年龄预测误差	NA
1112	2026-07-06	Efficient Prediction Model of mRNA End-to-End Distance and Conformation: Three-Dimensional RNA Illustration Program (TRIP) 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3766-1_13 PMID:38502487	研究论文	介绍了一种名为TRIP的计算机模拟模型，用于高效预测mRNA末端距和构象	提出了一种基于单链模型和单分子荧光原位杂交实验角度限制的快速高效预测模型，仅需最多三个输入即可获取输出，并实现RNA三维构象的粗略可视化	NA	开发一种快速高效的预测模型，用于预测长mRNA的末端距和三维构象	长mRNA分子	计算机模拟，生物信息学	NA	计算机模拟，单分子荧光原位杂交（smFISH）	单链模型	RNA序列及构象数据	NA	NA	NA	NA	NA
1113	2026-07-06	Beyond the AJR: Deep Learning Model for Risk-Based Breast Cancer Screening 2023-07, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28703 PMID:36350116	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1114	2026-07-06	Deep Learning vs Traditional Breast Cancer Risk Models to Support Risk-Based Mammography Screening 2022-10-06, Journal of the National Cancer Institute DOI:10.1093/jnci/djac142 PMID:35876790	研究论文	比较深度学习与传统乳腺癌风险模型在基于风险的乳腺X线筛查中的准确性	首次在前瞻性筛查队列中验证深度学习乳腺癌风险模型优于传统风险模型	未明确提及局限性，但可能包括数据来源局限性或模型泛化能力	评估深度学习风险评分与传统风险评分在识别筛查中癌症患者方面的准确性	57,617名患者的119,139次双侧筛查乳腺X线图像	深度学习	乳腺癌	乳腺X线成像	深度学习模型	图像	57,617名患者，119,139次筛查乳腺X线图像	NA	NA	接收者操作特征曲线下面积、癌症检出率	NA
1115	2026-07-05	3D anatomical atlas of the heads of male and female adult Chamaeleo calyptratus 2026-Aug, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70077 PMID:41239830	研究论文	首次完整描述了成年雄性 and 雌性变色龙（Chamaeleo calyptratus）头部的三维解剖图谱，包括骨骼、神经、肌肉等软硬组织	首次提供变色龙头骨完整骨骼和软组织的数字解剖图谱，包括颅缝和肌肉附着点的首次图谱，并利用对比增强染色、microCT扫描和深度学习模型进行分割	仅基于两个成年标本，样本量小，可能无法完全代表种群变异，且未涵盖幼体或不同年龄阶段的变化	提供变色龙头部解剖结构的全面描述，探索性别差异，并为爬行动物进化发育研究和教育提供数字资源	成年雄性 and 雌性变色龙（Chamaeleo calyptratus）的头部解剖结构	数字病理学	NA	对比增强染色, microCT扫描, 深度学习分割	深度学习模型	图像（microCT扫描）	两个成年标本（一雄一雌）	NA	NA	NA	NA
1116	2026-07-05	Automated multiclass bone segmentation using deep learning: implications for templating in radial head replacement 2026-Aug, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2026.02.005 PMID:41720251	研究论文	训练并验证基于nnU-Net的深度学习模型，实现桡骨头置换术中多类骨骼的自动化分割，以提高术前三维模板制作的效率和精度	首次将nnU-Net深度学习模型应用于桡骨头置换术的多类骨骼分割，实现了皮质骨和非皮质骨的精确分割，分割时间从手动78分钟缩短至3分钟，且性能在不同性别、手臂侧和CT层厚下保持一致	模型无法捕捉软骨组织，这可能会影响某些临床应用中的分割完整性	开发和验证用于桡骨头置换术术前三维模板制作的多类骨骼自动分割深度学习模型	上肢骨骼（肱骨、尺骨、桡骨的皮质和非皮质区域）	深度学习, 医学图像分割	骨科疾病（桡骨头骨折或相关适应症）	CT扫描	nnU-Net	三维CT图像	93例上肢CT扫描	PyTorch	nnU-Net	Dice相似系数, Hausdorff距离, 平均表面距离, 均方根误差	NA
1117	2026-07-05	Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China 2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111596 PMID:42134661	研究论文	开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌患者放射性颞叶损伤的检测和自动可视化	首次构建了基于2.5D ResNet的多任务学习网络，集成RTLI分类与分割任务，并在中国南部和北部不同流行病学区域进行了跨地域验证	仅使用轴向T2加权MRI单一序列，未纳入其他MRI序列或临床指标；前瞻性临床获益的验证仍在进行中	开发一种能够早期检测放射性颞叶损伤并自动可视化病灶的深度学习模型，以辅助临床诊断	鼻咽癌患者放疗后出现的放射性颞叶损伤	计算机视觉	鼻咽癌	MRI	多任务深度学习模型	图像	956名鼻咽癌患者，来自中国南部和北方的回顾性和前瞻性队列	PyTorch	2.5D ResNet	AUC, DSC, 灵敏度	NA
1118	2026-07-05	Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor 2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111606 PMID:42162744	研究论文	开发一个多中心验证的三序列深度学习模型，用于下咽肿瘤的三维MRI分割，并评估AI辅助能否缩小轮廓勾画的专业差距	首次提出多中心验证的三序列3D nnU-Net模型用于下咽鳞状细胞癌MRI分割，并通过随机交叉读者研究证明AI辅助能显著提升不同资历放射肿瘤医生的勾画一致性和效率，同时引入基于MRI质量特征的低重叠风险模型以支持部署决策	研究为回顾性设计，样本量有限（727例），且外部验证中低重叠风险模型的AUC在外部队列有所下降（0.71-0.78），可能需要进一步优化	开发并验证深度学习辅助的MRI自动分割方法，以提高下咽鳞状细胞癌放射治疗计划中靶区勾画的准确性和一致性，缩小专家经验差距	来自三个医疗机构的727名下咽鳞状细胞癌患者	计算机视觉, 医学影像分析	下咽鳞状细胞癌	MRI	3D nnU-Net	三维MRI图像（三序列）	727名患者，分为开发队列（530例）、内部测试队列（37例）、外部队列1（109例）和外部队列2（51例）	PyTorch	3D nnU-Net, XGBoost（用于低重叠风险模型）	Dice相似系数（DSC）、表面DSC、平均对称表面距离（ASSD）、平均表面距离（MSD）、Fleiss' κ、5点Likert评分、受试者工作特征曲线下面积（AUC）	NA
1119	2026-07-05	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Jul-04, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	基于深度学习的上腹部超声标准切面识别与多器官分割	提出两阶段框架，先使用卷积神经网络识别标准切面，再对识别出的切面进行多器官分割，实现了两项互补任务的有效结合	单中心数据且样本量有限，外部验证尚未进行，脾脏和胰腺分割性能较低（胰腺测试IoU仅53.76%）	开发并评估用于上腹部超声标准切面识别和下游多器官分割的深度学习模型	上腹部超声检查视频中的标准切面帧	计算机视觉, 医学影像分析	NA	超声成像	卷积神经网络（CNN）	超声图像	465段上腹部超声检查视频，5535张标准切面图像	NA	NA	精确率, 召回率, 特异度, 准确率, 交并比（IoU）	NA
1120	2026-07-05	Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery 2026-Jul-04, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05289-x PMID:42399390	研究论文	评估商用深度学习算法在全脊柱X光片上测量脊椎-骨盆参数的准确性，并分析其在融合手术后的局限性	首次评估商业AI软件在脊柱融合术后患者中的测量可靠性下降，并量化了与放射科医生的诊断一致性	对腰椎前凸参数的测量一致性仅为中等（ICC 0.68），且在脊柱内固定术后患者中测量偏差增大，相关性降低	评估商用AI算法在站立位全脊柱X光片中自动测量脊柱-骨盆参数的诊断准确性	临床队列的全脊柱X光片，包含495份影像，其中包含脊柱融合术后亚组	计算机视觉	脊柱疾病	深度学习算法，全脊柱X光成像	CNN	医学图像	495份全脊柱X光片	NA	商用AI算法（未具体说明架构）	平均绝对误差，组内相关系数，Spearman相关系数，敏感性，特异性，预测值	NA