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
1201	2026-07-05	Cross-modality PET image synthesis for Parkinson's Disease diagnosis: a leap from [18F]FDG to [11C]CFT 2025-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07096-3 PMID:39828866	研究论文	开发深度学习框架从真实[18F]FDG PET图像合成[11C]CFT PET图像，用于帕金森病诊断	首次实现了从[18F]FDG到[11C]CFT的跨模态PET图像合成，无需[11C]CFT示踪剂即可增强PD诊断	合成图像质量依赖于[18F]FDG PET图像质量，且仅针对单一疾病诊断验证	利用深度学习跨模态合成提升帕金森病诊断准确性	帕金森病患者和正常对照的[11C]CFT与[18F]FDG PET图像	计算机视觉	帕金森病	PET成像	深度学习	图像	604名受试者（274名帕金森病患者，330名正常对照）	NA	NA	峰值信噪比，结构相似性指数，诊断准确率，AUC	NA
1202	2026-07-05	Deep learning radiomics nomogram for preoperatively identifying moderate-to-severe chronic cholangitis in children with pancreaticobiliary maljunction: a multicenter study 2025-02-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01579-3 PMID:39910477	研究论文	开发并验证基于深度学习影像组学列线图，用于术前识别胰胆管合流异常儿童的中重度慢性胆管炎	首次构建结合临床因素、手工影像组学特征和深度学习特征的列线图模型，并在多中心数据中验证其在中重度慢性胆管炎术前识别中的性能优于单一模态模型	回顾性研究设计可能引入选择偏倚，且样本量相对较小，外部验证队列的通用性需进一步验证	开发一种非侵入性工具用于术前识别胰胆管合流异常儿童的中重度慢性胆管炎，以指导治疗策略和手术规划	胰胆管合流异常（PBM）患儿的中重度慢性胆管炎	计算机视觉	肝胆疾病	CT影像	卷积神经网络	图像	323例儿科PBM患者（训练集153例，内部验证集67例，外部测试集58例和45例）	PyTorch	ResNet50	AUC，鉴别改善指数，校准曲线，决策曲线分析，临床影响曲线	GPU加速计算
1203	2026-07-05	Deep learning-based CT-free attenuation correction for cardiac SPECT: a new approach 2025-02-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01570-y PMID:39905320	研究论文	提出一种基于深度学习的心脏SPECT无CT衰减校正新方法，通过FA-ACNet网络生成Deep AC图像	创新地结合多尺度特征对齐和对抗学习技术，从非衰减校正SPECT和CT中提取特征并对齐，实现无需CT扫描即可生成高质量衰减校正图像	训练集和测试集的样本量相对较小（分别为167和35例），且依赖CTAC作为参考可能导致偏差，灌注分类变化在训练集和测试集中分别观察到4.19%和5.9%	开发一种无需CT扫描的深度学习衰减校正方法，以减少CT伪影、SPECT-CT错位及额外辐射暴露等问题	心脏SPECT/CT成像数据	计算机视觉	心血管疾病	SPECT/CT成像	3D U-Net	图像	训练集167例心脏SPECT/CT研究，测试集35例，使用5折交叉验证	PyTorch	FA-ACNet, 3D U-Net	均方误差, 结构相似性指数, 峰值信噪比	NA
1204	2026-07-05	Comparative analysis of the DCNN and HFCNN Based Computerized detection of liver cancer 2025-02-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01578-4 PMID:39901085	研究论文	比较两种深度学习框架DCNN和HFCNN在肝癌症检测中的效果	通过滤波增强CT图像的边缘和纹理以精确分割肝脏，并系统比较DCNN与HFCNN两种框架在肝癌症检测中的性能差异	CT图像中重叠结构（如胆管、血管）、图像噪声、纹理变化、大小和位置差异以及异质性导致分割误差，影响分析结果	评估DCNN和HFCNN在基于CT图像的肝癌症自动检测和分割中的有效性	肝癌症患者的CT图像	计算机视觉	肝癌症	CT成像	深度卷积神经网络（DCNN）与层次融合卷积神经网络（HFCNN）	图像	未提及	未提及	DCNN, HFCNN	精确率、F1分数、召回率、准确率	未提及
1205	2026-07-05	PRISM Lite: A lightweight model for interactive 3D placenta segmentation in ultrasound 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047410 PMID:40463735	研究论文	提出一种轻量级交互式3D胎盘超声分割模型PRISM Lite，用于临床实时交互式分割	提出轻量级交互分割模型，参数少、推理快，能在低资源环境或移动设备上实现实时交互式3D胎盘超声分割，且对初始掩膜鲁棒	未提及具体局限性	开发适用于临床的轻量级交互式3D胎盘超声分割模型，实现实时交互式分割	3D超声图像中的胎盘	计算机视觉	妊娠相关疾病	3D超声	交互式分割模型	3D超声图像	NA	NA	轻量级交互分割架构	Dice分数，归一化表面Dice	NA
1206	2026-07-05	Recovery of GLRLM Features in Degraded Images using Deep Learning and Image Property Models 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047257 PMID:40727416	研究论文	提出一种利用深度学习和图像属性模型恢复退化图像中灰度游程矩阵特征的方法	首次引入可微分近似算法用于灰度游程矩阵计算，并扩展双域深度学习框架以实现特征恢复	仅针对已知模糊和噪声的退化图像进行验证，且测试数据仅限于肺部CT图像斑块	提高放射组学模型在多样成像条件下的泛化能力，实现特征值标准化	从退化CT图像中恢复的灰度游程矩阵特征以及其分类性能	机器学习	COVID-19相关肺部疾病	NA	CNN	图像	肺部CT图像斑块	PyTorch	NA	均方误差，准确率	NA
1207	2026-07-05	Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047244 PMID:41322092	研究论文	提出了一种名为多面体编码Transformer（PE-Transformer）的新方法，专门用于处理弥散加权磁共振成像（dMRI）中的球形信号，通过将二十面体多边形投影到单位球面上重新采样信号，并转换为嵌入信息，利用Transformer编码器处理基于二十面体结构的方向信息，从而提升多组分模型和纤维方向分布估计的准确性	该方法创新性地利用二十面体多边形对dMRI球形信号进行重新采样和编码，并设计了能够反映二十面体结构方向信息的Transformer编码器，超越了传统的像素级或体素级嵌入方法	未见明确讨论局限性的信息	提升弥散磁共振成像数据分析中多组分模型和纤维方向分布的估计精度	弥散加权磁共振成像中的球形信号	机器学习	NA	dMRI	Transformer	图像	多种梯度编码协议	NA	PE-Transformer	准确性	NA
1208	2026-07-05	Tractography enhancement in clinically-feasible diffusion MRI using T1-weighted MRI and anatomical context 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047112 PMID:41451395	研究论文	提出一种利用T1加权MRI和解剖上下文从临床可行的扩散MRI数据中增强纤维束成像的方法	首次将卷积循环神经网络（CoRNN）作为局部纤维束成像估计器，结合临床质量dMRI、T1w体积和解剖标签，提升纤维束成像质量	未提及具体限制	从临床可行的dMRI数据中获得高质量纤维束成像，估计脑连接模式	人类大脑白质通路	数字病理学	NA	扩散MRI	卷积循环神经网络（CoRNN）	图像（dMRI、T1w MRI、解剖标签）	未提及	NA	CoRNN	NA（仅提及性能比较有统计学显著差异）	NA
1209	2026-07-05	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	全面概述大型语言模型在生物信息学中的关键组成部分、应用及未来展望	系统总结了大型语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等多个生物信息学领域的应用，并提供了用户和开发者的实用指南	未提及具体数据或实验验证，仅基于现有文献综述	探讨大型语言模型在生物信息学领域的潜力及应用	大型语言模型在生物信息学中的组件和应用	自然语言处理, 机器学习	NA	大型语言模型	Transformer	文本, 序列数据	NA	NA	Transformer	NA	NA
1210	2026-07-05	A deep learning approach for early prediction of breast cancer neoadjuvant chemotherapy response on multistage bimodal ultrasound images 2025-01-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01543-7 PMID:39849366	研究论文	提出一种基于深度学习的卷积神经网络模型，利用多阶段双模态超声图像早期预测乳腺癌新辅助化疗疗效	创新性地设计了双模态逐层特征融合模块（BLFFM）和时间混合注意力模块（THAM），能够有效挖掘灰度超声与彩色多普勒血流成像之间的复杂关联和互补特征，并聚焦于化疗前后病灶进展的关键特征	NA	早期预测局部晚期乳腺癌患者新辅助化疗的疗效，为临床诊断和治疗提供依据	局部晚期乳腺癌患者的多阶段双模态超声图像	计算机视觉	乳腺癌	超声成像	卷积神经网络	图像	101名患者的GUS和CDFI视频，经预处理得到3000组多阶段双模态超声图像组合	PyTorch	BLTA-CNN（含BLFFM和THAM的CNN架构）	准确率、精确率、召回率、F1分数、AUC	NA
1211	2026-07-05	A radiomics and deep learning nomogram developed and validated for predicting no-collapse survival in patients with osteonecrosis after multiple drilling 2025-01-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02859-2 PMID:39815247	研究论文	开发并验证一种结合影像组学和深度学习的列线图，用于预测多钻孔术后股骨头坏死患者无塌陷生存	首次将影像组学与深度学习特征整合构建列线图，用于预测股骨头坏死多钻孔术后无塌陷生存，且DLRC模型在区分能力上优于其他模型	NA	利用影像组学和深度学习预测股骨头坏死患者多钻孔术后无塌陷生存，以识别受益患者	接受多钻孔术的股骨头坏死患者	数字病理学	股骨头坏死	影像组学特征提取、深度学习特征提取、LASSO-Cox回归	深层神经网络	骨盆X线影像	144名患者（212个髋关节）	NA	NA	一致性指数（C-index）、ROC曲线下面积（AUC）、净重分类指数（NRI）、综合判别改善指数（IDI）、校准曲线、决策曲线分析（DCA）	NA
1212	2026-07-05	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-01-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	利用机器学习方法预测尿路感染，并寻找最具信息量的变量	通过组合XGBoost、决策树和轻量梯度提升机的集成学习方法，结合投票机制，提高了尿路感染预测的准确性，并确定了尿液检测、血液检测和人口统计学数据中的关键预测因子	尿路感染金标准诊断方法（尿培养）耗时长且易出错，研究可能受限于所用数据集的特征选择和样本量	利用机器学习方法进行尿路感染的可靠预测，并找出最相关的预测变量	尿路感染患者和健康对照者的尿液检测、血液检测和人口统计学数据	机器学习	尿路感染	NA	经典机器学习与深度学习模型	表格数据（尿液检测、血液检测和人口统计学数据）	NA	Scikit-learn	XGBoost, 决策树, 轻量梯度提升机	AUC, 准确率	NA
1213	2026-07-05	Skin image analysis for detection and quantitative assessment of dermatitis, vitiligo and alopecia areata lesions: a systematic literature review 2025-01-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02843-2 PMID:39780145	综述	系统性地回顾了计算机视觉技术用于检测和定量评估皮炎、白癜风和斑秃病变的文献	针对良性皮肤病变的计算机视觉技术进行了系统性综述，重点关注定量疾病评估和深度学习架构的应用	缺乏特定疾病的数据集及其经过精心整理的注释；未来需探索无监督或自监督方法	分析和总结计算机视觉技术在皮炎、白癜风和斑秃检测及定量评估中的应用现状和性能	皮肤病变图像	计算机视觉	皮炎、白癜风、斑秃	NA	深度学习模型（CNN相关架构）	皮肤图像	NA	NA	语义分割、特征提取和分类网络（如U-Net、CNN等）	分割精度、分类准确率、定量评估指标	NA
1214	2026-07-05	Texture-preserving diffusion model for CBCT-to-CT synthesis 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103362 PMID:39393132	研究论文	提出一种纹理保留扩散模型，用于CBCT到CT的合成，通过自适应高频优化和双模态特征融合模块增强图像质量	创新性地引入自适应高频优化和双模态特征融合模块，提升高频细节保留和跨模态特征融合能力	未详细说明局限性	提升CBCT到CT合成图像的质量，改善诊断准确性和治疗规划	CBCT和CT图像数据	计算机视觉	NA	CBCT, CT	扩散模型	图像	NA	NA	扩散模型	NA	NA
1215	2026-07-05	RFMiD: Retinal Image Analysis for multi-Disease Detection challenge 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103365 PMID:39395210	研究论文	本文报告了与IEEE国际生物医学成像研讨会共同组织的“视网膜图像分析用于多疾病检测”挑战赛的组织、数据集、顶尖参与者的解决方案、评估指标和结果	提出了首个同时涵盖常见和罕见眼底病变的多疾病检测挑战赛，并创建了新的视网膜眼底多疾病图像数据集RFMiD	NA	推动自动眼病分类技术在处理常见疾病和罕见病理方面的发展	视网膜眼底图像中常见及罕见眼病的自动检测与分类	计算机视觉	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、视网膜中央动脉阻塞、前部缺血性视神经病变等	NA	预训练模型和模型集成	视网膜眼底图像	包含常见和罕见病理的新型RFMiD数据集，具体数量未说明	NA	NA	评估指标	NA
1216	2026-07-05	HAGMN-UQ: Hyper association graph matching network with uncertainty quantification for coronary artery semantic labeling 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103374 PMID:39413456	研究论文	提出基于超关联图匹配网络与不确定性量化的冠状动脉语义标注方法	利用超图扩展表示能力并建模高阶关联，结合不确定性量化减少比较次数以加速推理	NA	实现冠状动脉造影图像中冠状动脉分支的准确语义分割	侵入性冠状动脉造影图像中的冠状动脉分支	计算机视觉	冠状动脉疾病	NA	图匹配神经网络	图像	NA	NA	超关联图匹配网络	准确率	NA
1217	2026-07-05	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出一种拓扑引导的深度卷积网络TopoTxR，利用多尺度拓扑结构增强DCE-MRI中乳腺实质的表征与化疗反应预测	首次将显式的拓扑特征提取与注意力机制结合到深度学习模型中，用于量化乳腺实质的细微拓扑结构，弥补传统影像组学和深度学习模型对复杂组织结构的量化不足	依赖特定数据集验证，拓扑结构提取可能受图像质量和预处理步骤影响，且在新辅助化疗反应预测中的泛化性需要更多外部验证	提高DCE-MRI中乳腺实质表征的准确性，增强对新辅助化疗反应的预测性能	动态增强磁共振图像中的乳腺实质组织，特别是纤维腺体组织	计算机视觉, 数字病理学	乳腺癌	DCE-MRI	卷积神经网络	图像	VICTRE乳腺虚拟数据集；I-SPY 1数据集161例（47例pCR，114例非pCR）；Rutgers专有数据集120例（69例pCR，51例非pCR）	NA	TopoTxR	准确率, AUC	NA
1218	2026-07-05	Ensemble transformer-based multiple instance learning to predict pathological subtypes and tumor mutational burden from histopathological whole slide images of endometrial and colorectal cancer 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103372 PMID:39461079	研究论文	提出一种基于集成Transformer的多实例学习框架，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测病理亚型和肿瘤突变负荷	首次将集成Transformer与自监督学习视觉Transformer特征编码器结合，用于直接从H&E染色全切片图像预测肿瘤突变负荷和病理亚型	依赖TCGA公开数据集，未在外部独立队列验证；样本量有限（EC 918张切片/529名患者，CRC 1495张切片/594名患者）；仅验证了两个癌症类型	开发一种低成本、高效且易获取的深度学习工具，用于预测子宫内膜癌和结直肠癌患者的病理亚型和肿瘤突变负荷状态	子宫内膜癌和结直肠癌患者的H&E染色组织病理学全切片图像	数字病理学, 机器学习	子宫内膜癌, 结直肠癌	H&E染色全切片成像	Transformer, 多实例学习	组织病理学全切片图像	子宫内膜癌队列918张WSI（529名患者），结直肠癌队列1495张WSI（594名患者）	PyTorch	Vision Transformer (ViT), 多实例学习集成框架 (ETMIL-SSLViT)	精确度, 准确率, Fisher精确检验p值	NA
1219	2026-07-05	An objective comparison of methods for augmented reality in laparoscopic liver resection by preoperative-to-intraoperative image fusion from the MICCAI2022 challenge 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103371 PMID:39488186	研究论文	提出MICCAI 2022挑战赛，客观比较腹腔镜肝脏手术中术前到术中图像融合增强现实方法	首次通过挑战赛形式系统评估自动地标检测和配准方法在腹腔镜肝脏手术增强现实中的应用	仅少量团队参与，3D地标分割和3D-2D配准任务仍有较大挑战，且测试数据量有限	探索自动检测解剖地标并用于3D-2D配准的可能性，推动增强现实在手术室的实用化	腹腔镜肝脏手术图像与术前CT/MRI三维模型	数字病理学	肝癌	NA	深度学习、可微渲染	图像	训练数据含9名患者的167张腹腔镜图像和9个术前三维模型；测试数据含2名患者的16张测试图像和2个术前三维模型	NA	NA	地标分割准确率、配准质量	NA
1220	2026-07-05	Beyond strong labels: Weakly-supervised learning based on Gaussian pseudo labels for the segmentation of ellipse-like vascular structures in non-contrast CTs 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103378 PMID:39500029	研究论文	提出一种基于高斯伪标签的弱监督学习框架，用于非增强CT中椭圆样血管结构的分割	利用血管结构在CT切片中的椭圆拓扑特性生成高斯伪标签，结合体素重建损失和分布损失进行训练，显著减少标注时间并提升分割性能	NA	开发一种弱监督学习方法以解决非增强CT中血管分割的标注难题	非增强CT扫描中的椭圆样血管结构，尤其是腹主动脉	计算机视觉	血管疾病	CT成像	CNN	图像	一个本地数据集和两个公共数据集，包含非增强CT扫描	PyTorch	NA	Dice系数, Hausdorff距离	NA