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
1241	2026-09-23	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	本文提出了一种名为FENRI的新方法，用于从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以实现更准确的纤维束成像，并引入了一个扩展的模拟数据集来评估基于学习的纤维束成像模型	FENRI能够学习空间连续的纤维取向分布函数，克服了传统三线性插值在低质量数据中跟踪细微尺度变化的局限性，并且不依赖于固定空间网格的上采样，同时引入了专门用于评估学习型纤维束成像模型的扩展模拟数据集	摘要中未明确提及研究的局限性	解决从低分辨率扩散MRI中重建连续纤维方向场的问题，以改善纤维束成像的准确性	人类连接组的神经通路，具体为低分辨率扩散加权图像中的纤维取向分布	医学图像分析	NA	扩散磁共振成像，纤维束成像	深度学习模型（具体架构未指明）	扩散加权图像	未提及具体样本量，但使用了模拟数据集	NA	NA	纤维取向预测准确性，纤维束重建质量（具体指标未指明）	NA
1242	2026-09-23	Towards tDCS Digital Twins using Deep Learning-based Direct Estimation of Personalized Electrical Field Maps from T1-Weighted MRI 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_44 PMID:42261487	研究论文	该研究提出了一种基于深度学习的直接从T1加权MRI生成经颅直流电刺激（tDCS）个性化电场图的方法，作为tDCS数字孪生的概念验证	利用深度学习直接从T1加权MRI生成个性化电场图，无需运行耗时的基于物理的仿真器；采用特殊损失正则化提高模型在不同个体扫描和电极蒙太奇下的泛化性和校准性；用户可输入所需电极蒙太奇以获得定制输出	仅为概念验证，尚未在临床应用中验证；数据集规模有限（442个头部）；未与基于物理的方法进行全面的准确性对比	实现tDCS的个性化电场估计，以改善tDCS干预效果	成年人的T1加权MRI扫描和电极蒙太奇	医学图像分析	抑郁症、物质使用障碍、焦虑症、疼痛	深度学习，T1加权MRI	深度学习模型	图像	442个独特的个体头部MRI	NA	NA	NA	NA
1243	2026-09-23	InfoCD: A Contrastive Chamfer Distance Loss for Point Cloud Completion 2023-Dec, Advances in neural information processing systems PMID:42131075	研究论文	本文提出了一种新的对比Chamfer距离损失函数InfoCD，用于点云补全任务。	提出InfoCD，一种对比Chamfer距离损失，通过最大化点云所代表的潜在几何表面之间的互信息下界，使匹配点更好地对齐分布，从而获得稳健且计算高效的CD度量。	未明确提及。	改进点云补全任务中的损失函数，提高表面相似度度量的稳健性和计算效率。	点云数据。	计算机视觉	不适用	不适用	不适用	点云	未明确提及。	不适用	不适用	未明确提及，但提及了表面相似度度量。	未明确提及。
1244	2026-09-23	Motion-Aware Neural Networks Improve Rigid Motion Correction of Accelerated Segmented Multislice MRI 2023-May, Proceedings of the International Society for Magnetic Resonance in Medicine ... Scientific Meeting and Exhibition. International Society for Magnetic Resonance in Medicine. Scientific Meeting and Exhibition PMID:42099534	研究论文	该文章展示了一种深度学习方法，用于快速回顾性层内刚性运动校正的分段多层MRI	使用超网络根据辅助刚性运动参数估计生成特定于输入图像的重建网络，从而提高重建质量并减轻对运动参数误估计的敏感性	未明确说明	快速回顾性层内刚性运动校正的分段多层MRI	分段多层MRI图像	医学图像处理	NA	MRI	超网络、神经网络	图像	NA	NA	NA	重建质量	NA
1245	2026-09-23	A Privacy Nihilist Perspective on Clinical Data Sharing: Open Clinical Data Sharing is Dead, Long Live the Walled Garden 2023, Journal of the Society for Clinical Data Management DOI:10.47912/jscdm.234 PMID:42281764	评论	本文从隐私虚无主义视角论证开放临床数据共享已不可行，主张采用“围墙花园”式受控访问模式	提出隐私虚无主义视角，借鉴物理学和天文学社区的围墙花园方法，并讨论设计考虑与推荐行动	未提供具体技术实现或实证数据，主要基于论证和观点	探讨临床数据共享中的隐私风险，并倡导围墙花园式数据共享方法	临床数据共享实践、隐私风险、数据共享政策	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1246	2026-09-23	Joint Neural Network for Fast Retrospective Rigid Motion Correction of Accelerated Segmented Multislice MRI 2022-May, Proceedings of the International Society for Magnetic Resonance in Medicine ... Scientific Meeting and Exhibition. International Society for Magnetic Resonance in Medicine. Scientific Meeting and Exhibition PMID:42099794	研究论文	本文提出了一种深度学习方法来快速回顾性校正分段多层MRI中的切片内刚性运动	该方法不需要扫描期间受试者头部运动的辅助信息，网络架构结合了频率域和图像空间域表示的卷积	目前仅针对切片内刚性运动，处理的是回顾性校正	实现加速分段多层MRI的快速回顾性刚性运动校正	分段多层MRI数据	医学图像处理	NA	MRI	卷积神经网络	MRI图像（频率域和图像空间域）	NA	NA	卷积神经网络	重建质量、速度（比GRAPPA快一个数量级）	NA
1247	2026-09-22	Teledermatology: The Most Recent Advancements and Applications of Mobile Apps: A Narrative Review 2026-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72521 PMID:42163943	综述	本文综述了2015年至2024年间皮肤病学移动应用程序的最新进展和应用，涵盖远程皮肤病学、人工智能、图像处理等技术	系统总结了皮肤病学移动应用程序的最新进展，特别关注了远程皮肤病学服务在临床决策支持、转诊路径、治疗监测和管理等方面的扩展应用，以及离线系统在互联网连接有限地区的价值	作为叙述性综述，未进行定量荟萃分析，可能存在选择偏倚，且未对纳入研究的质量进行系统评价	研究皮肤病学移动应用程序的最新进展和应用	2015年至2024年间发表的关于皮肤病学移动应用程序进展和应用的原创文章	数字病理学	皮肤癌	远程皮肤病学、移动健康、远程医学、远程皮肤镜检、人工智能、图像处理、深度学习、临床图像分析、云端数据存储	深度学习	图像	NA	PyTorch	NA	NA	NVIDIA Tesla P4 GPU
1248	2026-09-22	Generative AI-Driven CNN Framework for Enhanced Lung Cancer Detection, Prediction, and Treatment: A Novel Approach to Overcoming AI Limitations 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/8726222 PMID:42179834	研究论文	本文提出了一种生成式AI驱动的CNN框架，通过整合GAN数据增强和CNN特征提取，提升肺癌检测、预测和治疗规划的性能。	创新点在于将合成数据生成、高级特征提取、基于注意力的分类和概率风险预测统一到一个单一框架中，这种整合在现有研究中尚未被全面探索。	未明确提及局限性，但未来工作需关注临床部署、可解释AI和真实医疗系统集成，暗示当前缺乏临床验证和可解释性。	提高肺癌检测、风险预测和治疗规划的准确性，克服现有AI诊断的局限性。	肺癌患者信息、CT扫描特征和癌症风险评分数据集。	计算机视觉	肺癌	CT扫描, X射线	CNN, GAN	图像, 文本	NA	TensorFlow, Keras	CNN, GAN	准确率, 精确率, 召回率, F1分数, AUC, ROC-AUC	NA
1249	2026-09-22	Fast Real-Time Cardiac MRI: a Review of Current Techniques and Future Directions 2021-Dec, Investigative magnetic resonance imaging DOI:10.13104/imri.2021.25.4.252 PMID:42158585	综述	本文综述了实时心脏MRI的现有技术，根据非迭代和迭代重建方法分类，并讨论了深度学习图像重建等未来方向	系统分类实时心脏MRI技术为非迭代和迭代重建两类，并指出深度学习图像重建和自由呼吸实时成像等新兴趋势	未提及具体实验验证或定量比较，可能缺乏对各类方法性能的详细评估	讨论已开发的实时心脏MRI方法，以克服传统心脏MRI的局限性，并展望未来研究方向	实时心脏MRI技术，包括数据采集和图像重建方法	医学影像	心血管疾病	心脏磁共振成像	NA	医学图像	NA	NA	NA	NA	NA
1250	2026-09-21	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Aug, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	开发了一个生成式基础模型GaitDynamics，用于分析人类行走和跑步的步态动力学，包括运动学和动力学预测	在大规模多样化步态数据集上训练的生成式基础模型，支持灵活输入输出，能处理缺失数据，并应用于多种临床和运动场景	摘要中未明确提及	理解人类步态动力学以促进人类移动能力，并开发高效准确的深度学习模型替代昂贵实验和物理模拟	人类行走和跑步的步态模式	机器学习	NA	生成式基础模型	生成式基础模型	运动学数据、动力学数据	大规模多样化步态数据集（具体样本量未提及）	NA	NA	准确度、效率	NA
1251	2026-09-21	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2026-07-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	该研究开发了多模态人工智能算法，用于高危儿童霍奇金淋巴瘤的累及部位放疗临床靶区自动分割	整合了计划CT、基线PET/CT和中期PET/CT的多模态影像，并比较了三种深度学习架构在临床靶区分割中的性能	研究样本量有限，且仅针对高危儿童霍奇金淋巴瘤患者，外部测试集来自58例患者，可能影响泛化性	开发自动化临床靶区分割算法，以促进累及部位放疗计划制定	高危儿童霍奇金淋巴瘤患者	数字病理学	淋巴瘤	PET/CT成像	深度学习	图像	288例高危儿童霍奇金淋巴瘤患者（230例用于模型开发，58例用于外部测试）	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95%豪斯多夫距离	NA
1252	2026-09-21	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	利用机器学习模型从远程视频对话中提取面部、声学、语言和心血管特征，检测老年人的认知障碍和心理健康状况	首次综合多模态特征（面部、声学、语言、心血管）通过远程视频对话评估老年人的认知状态、社交孤立、神经质和心理健康，并进行了偏差分析	样本量小（39人），最佳模型在年龄、性别、疾病状况和教育水平方面存在显著偏差，缺乏大规模访谈数据集来开发跨多样化人群的通用模型	开发可扩展的方法来监测老年人的认知衰退，并识别与痴呆风险相关的社交和心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析、多模态特征提取	NA	视频、音频、文本	39名老年人	NA	NA	AUC	NA
1253	2026-09-21	CT Radiation Dose Reduction With Preserved Diagnostic Performance: How Far Have We Come Over 25 Years? 2026-Jun, AJR. American journal of roentgenology DOI:10.2214/AJR.25.34450 PMID:41636571	综述	综述了25年来CT辐射剂量降低技术的发展及其对图像质量和诊断性能的影响	系统总结了从添加滤过到深度学习重建等CT剂量降低技术的里程碑，并强调基于任务的客观图像质量评估的重要性	未提及具体的实验数据或临床验证结果，主要为文献综述	总结CT辐射剂量降低的关键技术进展，并评估其对诊断性能的影响	CT辐射剂量降低技术及相关图像质量评估方法	医学影像	NA	CT扫描、迭代重建、深度学习重建、光子计数探测器CT	NA	图像	NA	NA	NA	NA	NA
1254	2026-09-21	OpenVocabCT: Toward Universal Text-Driven CT Image Segmentation 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3646046 PMID:41411350	研究论文	提出OpenVocabCT，一种基于大规模3D CT图像预训练的视觉-语言模型，用于通用文本驱动的CT图像分割	利用大语言模型将CT-RATE数据集的诊断报告分解为细粒度的器官级描述，进行多粒度对比学习，实现通用文本驱动的3D CT图像分割，克服了现有文本提示模型仅能处理训练中见过的文本提示的局限性	摘要中未明确提及研究的局限性	实现通用文本驱动的CT图像分割，克服现有模型在多样化真实临床数据上性能下降以及文本提示模型泛化能力不足的问题	3D CT图像中的器官和肿瘤	计算机视觉	肺癌	CT	视觉-语言模型	3D CT图像, 文本	14个公开数据集和1个机构数据集，具体样本量未在摘要中说明	NA	NA	NA	NA
1255	2026-09-21	Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70221 PMID:41489091	研究论文	评估图像级协调方法在多中心MR神经影像中的表现，比较统计方法ComBat和深度学习方法HACA3在减少扫描仪差异方面的效果	首次系统评估HACA3深度学习协调工具在多中心MR神经影像中的表现，并与传统统计方法ComBat进行对比，发现HACA3在改善对比度一致性和特征相似性方面优于ComBat	T2-FLAIR图像的协调效果不佳，突显了当前多对比度MR协调工具的局限性	评估ADNI数据集中T1w和T2-FLAIR图像的扫描仪相关差异，并评估公开可用的图像级协调工具的性能	ADNI数据集中的T1w和T2-FLAIR MR图像，涉及多中心多扫描仪数据	医学图像处理	阿尔茨海默病	MRI	深度学习	图像	1143名ADNI3受试者（233 GE，173 Philips，250 Siemens，其中487名Siemens受试者作为独立参考组），以及8名受试者的配对多vendor扫描会话	NA	HACA3	G/W比率，WMH体积，FID，LPIPS，p值	NA
1256	2026-09-21	ESM-AnatTractNet: Advanced deep learning model of true positive eloquent white matter tractography to improve preoperative evaluation of pediatric epilepsy surgery 2026-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103969 PMID:41638061	研究论文	本文提出了一种名为ESM-AnatTractNet的深度学习模型，用于在儿童癫痫手术的术前评估中准确分类真阳性 eloquent 白质通路	将电刺激标测确认的空间坐标与标准脑图谱的解剖上下文标签结合，在点云框架中分类 eloquent 白质通路	样本量较小，仅包含85名耐药性癫痫患者	提高儿童癫痫手术术前评估中 eloquent 白质通路的非侵入性定位准确性	85名耐药性癫痫患者的术前弥散加权成像 tractography 数据	医学图像分析	癫痫	弥散加权成像 tractography, 电刺激标测	深度学习	图像, 点云	85名耐药性癫痫患者	NA	ESM-AnatTractNet	准确率, 相关性	NA
1257	2026-09-21	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Apr-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	该研究开发了一个利用深度学习方法从数字化组织学切片中准确分类儿童肉瘤亚型的计算流程，并通过多中心数据整合和多尺度特征优化，实现了高精度的分类性能	首次将SAMPLER-based WSI表示与先进ViT基础模型（UNI和CONCH）结合，并整合多尺度特征用于儿童肉瘤分类，同时实现了无需GPU的高效训练，训练速度比传统Transformer编码器快三个数量级	数据集仅包含867张全切片图像，且仅来自三个医疗中心和儿童肿瘤学组，样本量和中心多样性有限，可能影响模型的泛化能力	利用深度学习方法从数字化组织学切片中准确分类儿童肉瘤亚型，以克服其罕见性和亚型多样性带来的诊断挑战，减少对专业病理学和昂贵基因检测的依赖	儿童肉瘤（横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤、尤文肉瘤等）的组织学全切片图像	数字病理学	儿童肉瘤	全切片图像数字化、组织学图像分析	CNN、ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	卷积神经网络、Vision Transformer（ViT）、UNI、CONCH	AUC	NA
1258	2026-09-21	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	该研究利用单细胞分辨率的空间转录组学技术，揭示了压后皮层在空间记忆巩固过程中的转录组特征，并发现了阿尔茨海默病相关痴呆模型中的异常。	首次在单细胞分辨率下揭示了压后皮层在空间记忆巩固过程中的空间转录组特征，结合深度学习方法识别了细胞类型特异性的分子激活模式，并发现了ADRD模型中学习诱导的神经元激活减少。	研究主要基于小鼠模型，结果是否适用于人类仍需进一步验证；空间转录组学技术的覆盖范围和灵敏度可能存在局限；未详细探讨其他脑区与RSC的相互作用。	揭示压后皮层在空间记忆巩固过程中的转录组特征，并探究其在阿尔茨海默病相关痴呆中的变化。	小鼠的压后皮层，包括野生型小鼠和ADRD模型小鼠。	空间转录组学, 神经科学	阿尔茨海默病及相关痴呆	空间转录组学, Xenium空间转录组学, 化学遗传学	深度学习	空间转录组数据, 图像	NA	NA	NA	NA	NA
1259	2026-09-21	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	综述	本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知与知觉过程建模以及自动视频标记	针对胎儿、婴儿和幼儿神经影像领域的特殊挑战（数据集稀缺、解剖变异性大）进行系统综述，并为无AI正式培训的研究者提供简明的深度学习概念概述	综述范围非穷尽性，可能遗漏部分相关研究；未提供具体实验验证或定量比较	综述深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，并为该领域研究者提供入门指导	胎儿、婴儿和幼儿的神经影像数据	医学图像分析	NA	深度学习	NA	图像, 视频	NA	NA	NA	NA	NA
1260	2026-09-21	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-04, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	本研究开发了一种基于ResNet50的深度学习模型，用于从非吸烟者肺腺癌（NS-LUAD）的全切片图像中预测16种分子改变	首次针对非吸烟者肺腺癌（NS-LUAD）应用深度学习从组织学全切片图像中推断遗传特征，并定制了简化的ResNet50架构以实现多标签分类	对于肿瘤突变负荷、APOBEC突变特征以及KRAS热点突变等特征的预测性能较低至中等	利用深度学习从非吸烟者肺腺癌的全切片图像中预测多种分子改变，以辅助分子检测分诊和精准治疗	非吸烟者肺腺癌（NS-LUAD）患者的全切片图像	数字病理学	肺癌	H&E染色全切片图像分析	CNN	图像	495张全切片图像（来自Sherlock-Lung研究）	NA	ResNet50	AUROC	NA