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
201	2025-12-21	Deep learning-based workflow for hip joint morphometric parameter measurement from CT images 2023-11-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad04aa PMID:37852280	研究论文	本文提出了一种基于深度学习的CT图像髋关节形态参数测量工作流程	首次提出了一种从粗到精的深度学习模型，用于从CT图像中精确重建髋关节几何结构（3D骨骼模型和关键标志点），并基于此开发了稳健的形态参数测量方法	未明确说明	为术前关节置换规划和生物力学模拟提供精确的髋关节形态测量	髋关节CT图像	计算机视觉	骨科疾病	CT成像	深度学习模型	CT图像	两个具有不同成像协议参数的数据集	未明确说明	未明确说明	Dice系数, 标志点预测误差, Pearson相关系数, 组内相关系数	未明确说明
202	2025-12-21	An uncertainty aided framework for learning based liverT1ρmapping and analysis 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad027e PMID:37820639	研究论文	提出一种用于基于学习的肝脏T1ρ映射的不确定性辅助框架，以提高量化结果的可靠性和准确性	提出参数图细化方法，以概率方式训练模型来建模不确定性，并利用不确定性图空间加权训练改进的T1ρ映射网络，以提升性能并移除感兴趣区域中不可靠的像素	研究仅在51名不同肝纤维化分期患者的数据集上进行测试，样本量相对有限	开发一种可靠的学习型定量MRI系统，用于肝脏T1ρ映射	肝脏病理（特别是肝纤维化）患者的定量T1ρ成像	数字病理	肝纤维化	定量T1ρ成像	深度学习模型	医学图像（MRI）	51名不同肝纤维化分期的患者	NA	NA	相对映射误差	NA
203	2025-12-21	Unified Bayesian network for uncertainty quantification of physiological parameters in dynamic contrast enhanced (DCE) MRI of the liver 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0284 PMID:37820640	研究论文	本文提出了一种用于肝脏动态对比增强MRI生理参数估计的深度学习框架，旨在提供准确的参数估计和不确定性量化	提出了一种统一的贝叶斯神经网络框架，通过联合最小化偶然不确定性和认知不确定性来同时估计生理参数及其不确定性	未明确说明训练数据的具体规模和多样性，且OD数据的评估可能未覆盖所有临床场景	为肝脏DCE-MRI提供准确的生理参数估计和不确定性量化方法	肝脏DCE-MRI数据，包括模拟的浓度时间曲线和患有肝肿瘤病变患者的实际数据	医学影像分析	肝肿瘤	动态对比增强MRI	贝叶斯神经网络	医学影像数据，浓度时间曲线	NA	NA	贝叶斯神经网络	均方根误差，不确定性估计	NA
204	2025-12-21	Generalisation of radiotherapy dose calculation for Monte Carlo algorithm combined with 3D Swin-Unet: a multi-institutional IMRT evaluation 2023-10-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad02d8 PMID:37827160	研究论文	本文提出了一种基于深度学习的通用剂量计算框架，结合3D Swin-Unet模型，用于多机构IMRT计划的剂量计算评估	提出了一种结合TERMA-Monte Carlo网络（T-MC net）与3D Swin-Unet的深度学习剂量计算方法，并在多机构、多身体区域的IMRT计划中进行了泛化性评估	研究仅基于60个IMRT计划进行测试，样本量相对有限，且未涵盖所有可能的临床场景	评估深度学习剂量计算方法的泛化能力，以提升放射治疗剂量计算的准确性和效率	来自四个机构的头颈、胸腹和盆腔区域的IMRT治疗计划	数字病理	NA	强度调制放射治疗（IMRT），蒙特卡洛（MC）算法	深度学习网络	三维剂量分布数据，剂量体积直方图（DVH）	60个IMRT计划	NA	3D Swin-Unet, T-MC net	伽马通过率（GPR），一致性百分比（PA），剂量差异比（DDR），剂量指数D	NA
205	2025-12-21	Coarse-to-fine prior-guided attention network for multi-structure segmentation on dental panoramic radiographs 2023-10-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0218 PMID:37816372	研究论文	提出一种基于深度学习的粗到细先验引导注意力网络，用于在牙科全景X光片上自动分割多个解剖结构	采用两阶段粗到细先验引导分割框架，结合先验引导边缘融合模块、空间注意力模块和混合注意力模块，提升多结构分割精度	未提及模型在更广泛数据集或不同设备采集图像上的泛化能力	实现牙科全景X光片上多个解剖结构的准确自动分割，以辅助数字牙科的诊断和治疗规划	牙科全景X光片中的上颌窦、下颌髁突、下颌神经、牙槽骨和牙齿	计算机视觉	NA	深度学习	CNN	图像	150张来自真实临床场景的全景X光片	NA	编码器-解码器架构	Jaccard分数	NA
206	2025-12-21	Radiation-induced Acoustic Signal Denoising using a Supervised Deep Learning Framework for Imaging and Therapy Monitoring 2023-Apr-26, ArXiv PMID:37163138	研究论文	本文提出了一种基于监督深度学习框架的辐射诱导声学信号去噪方法，用于成像和治疗监测	开发了通用的深度初始卷积神经网络（GDI-CNN），通过多扩张卷积编码和解码不同时间特征的信号，实现对多种辐射源信号的泛化去噪	未明确提及具体的数据集规模或模型在极端噪声条件下的性能限制	旨在减少辐射诱导声学成像所需的平均次数，以降低辐射剂量并提高时间分辨率	辐射诱导声学信号，包括X射线诱导声学、质子声学和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	NA	NA	GDI-CNN（通用深度初始卷积神经网络）	信噪比	NA
207	2025-12-20	Super-resolution dual-layer CBCT imaging with model-guided deep learning 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1211 PMID:38048627	研究论文	本研究提出了一种基于双层面板探测器的超分辨率CBCT成像方法，通过深度学习模型从低分辨率投影中恢复高分辨率双能信息	提出了一种新的超分辨率CBCT成像方法，利用双层面板探测器获取过采样空间信息，并开发了基于成像模型的专用循环神经网络suRi-Net	NA	研究一种新型的超分辨率CBCT成像方法，以提高图像空间分辨率	双层面板探测器获取的低能和高能投影数据	计算机视觉	NA	双层面板探测器成像	循环神经网络	图像	NA	NA	suRi-Net	空间分辨率提升百分比	NA
208	2025-12-20	ABUS tumor segmentation via decouple contrastive knowledge distillation 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1274 PMID:38052091	研究论文	本文提出了一种用于自动乳腺超声（ABUS）肿瘤分割的新型知识蒸馏方法，通过解耦对比学习来减少计算需求并提升性能	提出了一种解耦对比知识蒸馏方法，将特征解耦为阳性（肿瘤）和阴性（非肿瘤）对，并设计了基于距离度量的排序损失函数来解决医学图像分割中的难负样本挖掘问题	方法在私有ABUS数据集和公共海马体数据集上进行了评估，但可能在其他医学图像分割任务中的泛化能力未充分验证	开发一种高效的知识蒸馏方法，用于ABUS肿瘤分割，以减少计算和参数需求，同时保持高分割精度	自动乳腺超声（ABUS）图像中的肿瘤区域	计算机视觉	乳腺癌	深度学习，知识蒸馏，对比学习	CNN	3D医学图像	私有ABUS数据集和公共海马体数据集，具体样本数量未明确说明	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	3D U-Net, 3D HR-Net	Dice相似系数（DSC）	未明确指定，但提及了参数减少（学生网络参数仅为教师网络的6.8%和12.1%）
209	2025-12-20	CAM-QUS guided self-tuning modular CNNs with multi-loss functions for fully automated breast lesion classification in ultrasound images 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1319 PMID:38056017	研究论文	本文提出了一种基于模块化卷积神经网络和新型损失函数的全自动乳腺超声图像病灶分类系统	引入了基于类激活映射和定量超声特征的新型损失函数，结合动态通道输入增强网络和注意力引导的InceptionV3特征提取网络，无需显式分割即可实现可解释的病灶分类	未明确说明模型在不同超声设备间的泛化性能细节，且未讨论计算复杂度对实时诊断的潜在影响	开发全自动乳腺超声计算机辅助诊断系统以实现乳腺癌早期检测	乳腺超声图像中的良恶性病灶	计算机视觉	乳腺癌	超声成像	CNN	图像	1494张来自四个公共数据集、一个私有数据集及多中心合并数据集的乳腺超声图像	未明确说明	InceptionV3	准确率, 灵敏度, F1分数	未明确说明
210	2025-12-20	ETU-Net: edge enhancement-guided U-Net with transformer for skin lesion segmentation 2023-12-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad13d2 PMID:38131313	研究论文	提出了一种结合边缘增强、CNN和Transformer的新型多尺度U-Net模型ETU-Net，用于皮肤病变分割任务	引入了边缘检测算子到差分卷积中，设计了边缘增强卷积块和局部Transformer块以强调边缘特征，并提出了多尺度局部注意力块和全局Transformer块以解决边界模糊和补丁划分带来的不确定性	未明确提及	提高皮肤病变分割的准确性，特别是在处理复杂病变形状和模糊边界时	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN, Transformer	图像	三个公开皮肤数据集（PH2, ISIC-2017, ISIC-2018）以及无锡市第二人民医院提供的皮肤镜图像	NA	U-Net, Transformer	分割性能指标（未具体说明，如准确率、Dice系数等）	NA
211	2025-12-20	AI approach to biventricular function assessment in cine-MRI: an ultra-small training dataset and multivendor study 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0903 PMID:37918023	研究论文	本文提出了一种基于超小训练数据集的3D深度学习模型，用于多厂商心脏电影磁共振成像中的双心室结构分割与功能评估	在超小数据集（仅150例）上结合Transformer与U-Net的3D深度学习模型，实现了多厂商、多序列心脏MRI的自动化分析	训练数据规模极小，且未在更广泛的外部数据集中验证模型的泛化能力	开发一种基于超小训练数据集的自动化方法，用于心脏MRI中双心室结构分割与功能评估	心脏电影磁共振成像图像	计算机视觉	心血管疾病	心脏电影磁共振成像	深度学习	3D医学图像	150例心脏数据集（90例训练，60例测试），来自三个不同MRI厂商，每例包含两个心脏周期相位和三个电影序列	NA	Transformer, U-Net	Dice系数, Hausdorff距离, Pearson相关系数, 组内相关系数, Bland-Altman分析	NA
212	2025-12-20	Deep learning for fast super-resolution ultrasound microvessel imaging 2023-12-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0a5a PMID:37934040	研究论文	本文提出了一种名为自适应匹配网络（AM-Net）的新型深度学习架构及多映射（MMP）数据集生成方法，用于快速超分辨率超声微血管成像	引入了AM-Net架构和MMP数据集生成方法，显著提高了超声定位显微镜（ULM）的定位精度和计算效率，相比传统基于深度学习的ULM方法，在高微泡密度下实现了更高的定位准确性，并大幅减少了处理时间	深度学习性能高度依赖于训练数据集，而真实模拟这些数据集较为困难	克服传统超声定位显微镜（ULM）在数据处理时间长、成像精度受微泡密度影响以及传统基于深度学习的ULM方法不精确且计算复杂的问题	超声微血管成像，特别是通过定位微泡（MBs）进行微血管重建	计算机视觉	NA	超声定位显微镜（ULM），深度学习（DL）	深度学习模型	图像	NA	NA	自适应匹配网络（AM-Net）	定位精度（横向/轴向方向），处理时间	NA
213	2025-12-20	Mitigating misalignment in MRI-to-CT synthesis for improved synthetic CT generation: an iterative refinement and knowledge distillation approach 2023-12-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0ddc PMID:37976548	研究论文	提出一种新颖的迭代精炼和知识蒸馏方法，用于减轻MRI到CT合成中的错位问题，以改进合成CT生成	首次通过迭代精炼和知识蒸馏相结合的方式，系统性地解决MRI与CT之间的错位问题，减少GAN幻觉现象	仅针对头颈癌患者进行了验证，未在其他癌症类型或更大样本中测试	提高MRI到CT合成的准确性和对齐度，以支持仅基于MRI的放射治疗计划	头颈癌患者的MRI和CT图像数据	医学影像合成	头颈癌	深度学习，生成对抗网络	GAN	MRI图像，CT图像	48名头颈癌患者	NA	条件GAN	Dice系数，平均绝对误差，相对剂量差异	NA
214	2025-12-20	Uncertainty-guided cross learning via CNN and transformer for semi-supervised honeycomb lung lesion segmentation 2023-12-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0eb2 PMID:37988756	研究论文	提出一种基于不确定性引导的交叉学习半监督方法，用于蜂窝肺病灶分割	结合CNN和Transformer进行交叉学习，利用认知不确定性指导模型学习高置信度区域的像素信息，并最小化错误伪标签的影响	未明确说明方法在其他类型医学图像或数据集上的泛化能力	提高有限标注条件下医学图像分割的性能	蜂窝肺CT图像	数字病理学	肺病	CT成像	CNN, Transformer	图像	NA	NA	NA	Dice系数	NA
215	2025-12-20	Semi-supervised contrast learning-based segmentation of choroidal vessel in optical coherence tomography images 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0d42 PMID:37972415	研究论文	提出了一种基于学生-教师模型的半监督对比学习框架SSCR，用于从光学相干断层扫描图像中分割脉络膜血管	结合不确定性感知自集成和变换一致性技术增强分割结果，设计了非对称编码器-解码器网络APP-SFR，融合局部与全局注意力信息，并引入边界修复模块优化分割边界	未明确说明数据标注的具体挑战或模型在更广泛数据集上的泛化能力	开发一种半监督学习方法，以更少标注数据实现脉络膜血管的精确分割，支持眼科疾病的定量分析和治疗计划制定	光学相干断层扫描图像中的脉络膜血管	计算机视觉	眼科疾病	光学相干断层扫描	CNN, Transformer	图像	三个数据集：ChorVessel数据集（400张OCT图像）、Meibomian Glands数据集（400张图像）、U2OS细胞核数据集（200张图像）	NA	U-Net, Pyramid Pooling SegFormer	Dice系数	NA
216	2025-12-20	Axial super-resolution optical coherence tomography via complex-valued network 2023-12-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0997 PMID:37922558	研究论文	本研究提出了一种基于复值网络的轴向超分辨率光学相干层析成像方法，旨在提升OCT图像的轴向分辨率	首次将复值网络应用于OCT轴向超分辨率成像，充分利用OCT信号的幅度和相位信息，相比实值网络展现出更优的深度分辨能力	未明确说明方法在临床环境中的验证情况或对计算资源的具体需求	通过深度学习技术提升光学相干层析成像的轴向分辨率，以降低对宽带光源的依赖	光学相干层析成像信号及其生成的生物组织横截面图像	计算机视觉	NA	光学相干层析成像	复值网络	图像	三个OCT数据集	NA	CVSR-Net	深度分辨能力	NA
217	2025-12-20	Feature selection based on unsupervised clustering evaluation for predicting neoadjuvant chemoradiation response for patients with locally advanced rectal cancer 2023-12-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0d46 PMID:37972413	研究论文	本文提出了一种基于无监督聚类评估的特征选择方法，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	设计了具有可切换3D和2D卷积核的CNN特征提取器，并开发了一种基于无监督聚类的评估方法，以优化CNN特征与影像组学特征组合的特征选择过程，降低了计算成本	样本量较小（仅43名患者），可能影响模型的泛化能力	预测局部晚期直肠癌患者对新辅助放化疗的治疗反应，以实现个性化癌症治疗	局部晚期直肠癌患者	计算机视觉	直肠癌	多模态磁共振成像	CNN	图像	43名局部晚期直肠癌患者	NA	具有可切换3D和2D卷积核的CNN	准确率, AUC, 灵敏度, 特异性	NA
218	2025-12-20	Non-linear modifications enhance prediction of pathological response to pre-operative PD-1 blockade in lung cancer: A longitudinal hybrid radiological model 2023-12, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2023.106992 PMID:37977237	研究论文	本研究开发了一种结合放射组学和深度学习的动态混合模型，用于预测肺癌患者术前PD-1阻断治疗后的主要病理缓解	通过融合基于时间间隔内经典放射组学指标斜率的delta放射组学特征，以及从基线和随访图像减影中提取的深度学习特征，并引入非线性动态修正，增强了预测能力	未明确说明样本量是否足够大以覆盖所有肺癌亚型，且模型依赖于图像配准质量，可能受配准误差影响	预测肺癌患者术前PD-1阻断治疗后的主要病理缓解（MPR）	接受术前PD-1阻断治疗的肺癌患者	数字病理学	肺癌	放射组学、深度学习、图像配准	深度学习（DL）	医学影像（如CT扫描）	NA	NA	NA	AUC	NA
219	2025-12-20	Self-supervised enhanced thyroid nodule detection in ultrasound examination video sequences with multi-perspective evaluation 2023-11-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092a PMID:37918343	研究论文	本文提出了一种基于视频的深度学习模型，用于甲状腺结节的实时检测，通过相邻帧感知和自监督学习提升性能	将甲状腺结节检测从基于图像扩展到基于视频，利用超声视频中的时间上下文信息，并引入相邻帧感知（AFP）和补丁尺度自监督模型（PASS）以应对超声图像低信噪比和低组织对比度的挑战	未明确提及，但可能包括数据集规模有限、模型泛化能力未在外部验证中测试	开发一种准确且实时的甲状腺结节检测方法，以克服超声图像的低信噪比和组织对比度问题	甲状腺结节	计算机视觉	甲状腺结节	超声检查	深度学习模型	视频序列	92个视频（包含23,773帧），其中60个标注视频（包含16,694帧）用于训练和评估	NA	相邻帧感知（AFP）模型，补丁尺度自监督模型（PASS）	AP@50（平均精度，交并比阈值为50%），平滑精确率-召回率曲线下面积	NA
220	2025-12-20	Atypical architectural distortion detection in digital breast tomosynthesis: a multi-view computer-aided detection model with ipsilateral learning 2023-11-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092b PMID:37918341	研究论文	本文提出了一种基于解剖结构的多视图信息融合方法，用于数字乳腺断层合成图像中非典型结构扭曲的计算机辅助检测	利用同侧视图间的解剖结构信息，通过孪生网络架构和三重模块融合多视图信息，显著提升了非典型结构扭曲的检测性能	未明确说明模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际应用限制	开发一种计算机辅助检测模型，以提高数字乳腺断层合成图像中非典型结构扭曲的检测准确率	数字乳腺断层合成图像中的乳腺结构扭曲，特别是缺乏明显放射状外观的非典型病例	计算机视觉	乳腺癌	数字乳腺断层合成	孪生网络	图像	NA	NA	孪生网络	平均真阳性分数, 每体积假阳性数, 80%灵敏度下的假阳性数	NA