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
221	2025-12-20	Deep learning based MLC aperture and monitor unit prediction as a warm start for breast VMAT optimisation 2023-11-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad07f6 PMID:37903442	研究论文	本文提出了一种基于深度学习的直接预测乳腺VMAT治疗中MLC孔径和MU的方法，并将其作为优化器的初始化，以缩短治疗计划时间	首次使用深度学习直接从患者解剖结构预测VMAT的MLC孔径和MU，作为优化器的“热启动”，而非传统的两步法（先预测剂量分布再转换为治疗计划）	研究仅针对右侧乳腺癌患者，样本量相对有限（148例），且未明确说明模型在其他癌症类型或解剖部位的泛化能力	开发一种自动化治疗计划方法，以缩短容积旋转调强放疗（VMAT）计划的优化时间	右侧乳腺癌患者的治疗计划	医学影像分析	乳腺癌	容积旋转调强放疗（VMAT）、CT影像投影	CNN	医学影像（CT投影图像及轮廓）	148名患者（训练集101例，验证集23例，测试集24例）	NA	U-Net	剂量差异（Gy）、计算时间	NA
222	2025-12-20	Applications of machine learning and deep learning in SPECT and PET imaging: General overview, challenges and future prospects 2023-11, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2023.106984 PMID:37940064	综述	本文全面回顾了机器学习和深度学习在SPECT和PET成像中的应用、挑战及未来前景	系统整合了ML和DL在核医学成像中的多种应用，并探讨了数据标准化、可解释AI等前沿挑战与机遇	NA	概述机器学习和深度学习在SPECT和PET成像领域的应用现状与未来发展方向	SPECT和PET成像技术及其与ML/DL结合的临床应用	机器学习, 数字病理	NA	SPECT, PET	深度学习模型	成像数据	NA	NA	NA	NA	NA
223	2025-12-20	Rapid prediction of lab-grown tissue properties using deep learning 2023-10-19, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/ad0019 PMID:37793414	研究论文	本文提出了一种使用深度学习快速预测实验室培养组织特性的方法，通过机器学习工具预测细胞与细胞外基质相互作用在组织自组织中的作用	首次将pix2pix深度学习模型应用于细胞-基质相互作用的模拟数据，以预测水凝胶中组织自组织行为，相比传统生物物理方法显著提高了预测速度	研究基于模拟数据而非真实实验数据，且模型在未见过的案例上仅测试了100个样本，可能限制了其泛化能力	开发一种高效预测细胞-基质相互作用对组织自组织影响的方法，以促进药物测试、再生医学和基础生物学研究中的模具设计	细胞负载水凝胶在固定模具中的自组织行为	机器学习	NA	生物物理模拟（收缩网络偶极取向模型）	GAN	模拟数据	6400个训练案例，100个测试案例	NA	pix2pix	NA	NA
224	2025-12-20	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-10-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf1 PMID:37757838	研究论文	提出一种无需参考图像的超分辨率统计隐式神经表示框架，用于生物医学成像	通过最大似然估计建模低分辨率图像的统计特性，并利用隐式神经表示网络作为连续空间函数生成任意尺度的高分辨率图像，无需大量成对训练数据	仅使用有限数量的低分辨率图像进行验证，可能在大规模或复杂场景下泛化能力有待进一步测试	解决生物医学成像中因缺乏高分辨率参考图像而难以应用监督深度学习的超分辨率问题	计算机断层扫描（CT）、磁共振成像（MRI）、荧光显微镜和超声图像	计算机视觉	NA	超分辨率成像	隐式神经表示（INR）	图像	每个超分辨率任务使用有限数量的低分辨率图像	NA	基于坐标的多层感知机	NA	NA
225	2025-12-20	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-07-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	本研究提出了一种结合深度学习与可变形图像配准的混合方法，用于从腹部/骨盆锥形束CT生成合成CT，以改进质子射程估计	提出了一种新颖的混合方法，将无监督深度学习（CycleGAN）与可变形图像配准（DIR）相结合，分别处理几何加权（高频）和强度加权（低频）分量，并通过迭代反馈机制优化合成CT，特别是在含肠气区域	研究样本量相对较小（81名儿科患者），且仅针对腹部/骨盆区域，方法在存在肠气口袋的质子束路径中的普适性有待进一步验证	开发一种从锥形束CT（CBCT）生成合成CT（sCT）的方法，以促进质子治疗中射程的准确估计，特别是在存在肠气口袋的情况下	81名儿科患者的锥形束CT（CBCT）、同日重复CT和计划CT（pCT）图像	医学影像分析	NA	锥形束CT（CBCT）、可变形图像配准（DIR）	生成对抗网络（GAN）	医学影像（CT图像）	81名儿科患者（60名训练，6名验证，15名测试）	NA	CycleGAN	平均绝对误差（HU）、Dice相似系数、伽马通过率、质子射程误差（80%远端跌落处的第90百分位误差）	NA
226	2025-12-20	Deep learning enhanced ultra-fast SPECT/CT bone scan in patients with suspected malignancy: quantitative assessment and clinical performance 2023-06-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acddc6 PMID:37307847	研究论文	本研究评估了深度学习增强的超快SPECT/CT骨扫描在疑似恶性肿瘤患者中的临床性能	将深度学习应用于3分钟SPECT扫描，生成算法增强图像，在仅1/7采集时间内达到与标准20分钟SPECT/CT相当的图像质量和诊断价值	样本量相对较小（102例），且为单中心前瞻性研究	评估深度学习增强超快SPECT/CT骨扫描的临床诊断性能	102例疑似恶性肿瘤患者	数字病理学	恶性肿瘤	SPECT/CT骨扫描	深度学习模型	医学影像（SPECT/CT图像）	102例患者	NA	NA	灵敏度, 特异性, 准确性, 组内相关系数, 峰值信噪比, 结构相似性指数, SUV最大值	NA
227	2025-12-20	Dynamic low-count PET image reconstruction using spatio-temporal primal dual network 2023-06-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acde3e PMID:37311469	研究论文	提出一种用于动态低计数PET图像重建的时空原始对偶网络（STPDnet）	将时空相关性同时编码到基于模型的深度学习框架中，克服了现有方法主要关注空间域而忽略时间域的局限	未明确提及模型在更广泛临床数据集上的泛化能力或计算效率的详细分析	解决动态低计数PET图像重建的挑战，提升图像质量	动态PET图像	医学影像分析	癌症	动态正电子发射断层扫描（PET）成像	基于模型的深度学习	动态PET图像序列	模拟数据和真实大鼠扫描数据	NA	时空原始对偶网络（STPDnet）	噪声降低，重建性能	NA
228	2025-12-19	A systematic review of artificial intelligence algorithms for predicting acute kidney injury 2023-10, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202310_34164 PMID:37916354	系统综述	本文对使用人工智能算法预测住院成人急性肾损伤的研究进行了系统综述	系统性地评估了机器学习在急性肾损伤预测中的应用，并比较了不同模型在重症监护和普通住院患者中的表现	多数研究为单中心，且部分研究使用相同数据库，人群主要为高加索人种，缺乏多样性，可能影响结果的泛化性	分析机器学习在住院成人急性肾损伤预测中的应用效果	住院成人患者	机器学习	急性肾损伤	机器学习，深度学习	深度学习，逻辑回归，决策树	电子健康记录，生物标志物数据	涉及242,251名患者	NA	NA	AUC	NA
229	2025-12-19	Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization 2023-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120125 PMID:37084926	综述	本文综述了用于去除医学影像中批次效应的统计和深度学习方法，并评估了有效协调的评价指标	提出了一个标准化框架来评估新提出的协调方法，并提供了促进更有效使用现有方法和指导未来发展的建议	NA	去除医学影像中的批次效应，提高下游分析结果的泛化性和可重复性	磁共振成像和计算机断层扫描影像	计算机视觉	NA	NA	深度学习模型	图像	NA	NA	NA	NA	NA
230	2025-12-19	Semantic similarity metrics for image registration 2023-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102830 PMID:37172390	研究论文	本文提出了一种用于图像配准的语义相似性度量方法，通过关注语义对应而非像素强度来提升配准精度	引入了基于语义对应的相似性度量，替代传统的像素强度或相关性对齐方法，能够更好地处理低强度对比、噪声和模糊匹配问题	未明确说明方法在极端噪声或大规模数据集上的泛化能力，且依赖于数据集特定特征的学习	开发一种新的语义相似性度量，以改进图像配准的准确性和鲁棒性	图像配准中的相似性度量方法	计算机视觉	NA	深度学习，自动编码器，半监督学习	自动编码器	图像	NA	NA	自动编码器	配准精度，变换场平滑度	NA
231	2025-12-18	Forecasting Risk of Future Rapid Glaucoma Worsening Using Early Visual Field, OCT, and Clinical Data 2023 Sep-Oct, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2023.03.005 PMID:36944385	研究论文	本研究利用深度学习模型，基于早期视野检查、OCT和临床数据，预测青光眼患者未来发生快速视野恶化的风险	首次将视觉Transformer用于整合多模态眼科数据（视野、OCT、临床）以预测青光眼进展，并证明加入多次随访数据可提升预测性能	回顾性研究设计，样本中快速恶化病例比例较低（5.80%），模型性能需在前瞻性研究中进一步验证	评估利用早期多模态数据预测青光眼快速视野恶化的可行性	4536只眼（来自2962名患者），其中263只眼发生快速视野恶化	数字病理学	青光眼	视野检查（VF）、光学相干断层扫描（OCT）、临床测量	深度学习模型（DLM）	图像（视野偏差图、OCT厚度图）、数值型临床数据	4536只眼（2962名患者），其中263只眼为快速恶化病例	未明确说明（可能为PyTorch或TensorFlow）	视觉Transformer（Vision Transformer）	AUC（曲线下面积）	NA
232	2025-12-18	Re: Vogl et al.: Predicting topographic disease progression and treatment response of pegcetacoplan in geographic atrophy quantified by deep learning (Ophthalmol Retina. 2023;7:4-13) 2023-07, Ophthalmology. Retina DOI:10.1016/j.oret.2023.04.005 PMID:37204369	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
233	2025-12-18	Predicting Topographic Disease Progression and Treatment Response of Pegcetacoplan in Geographic Atrophy Quantified by Deep Learning 2023-01, Ophthalmology. Retina DOI:10.1016/j.oret.2022.08.003 PMID:35948209	研究论文	本研究利用深度学习自动评估SD-OCT图像，预测地理萎缩的地形进展及pegcetacoplan治疗效果	首次结合深度学习自动分割与空间广义加性混合效应模型，在地形层面量化地理萎缩的局部进展率及其与治疗反应的关系	样本量相对较小（156只眼），且为回顾性分析，可能受限于临床试验的固有设计	评估pegcetacoplan治疗对年龄相关性黄斑变性继发地理萎缩地形进展的影响	地理萎缩患者的SD-OCT扫描图像	数字病理学	年龄相关性黄斑变性	光谱域OCT成像	深度学习算法	图像	156只眼（57只月治疗组，46只隔月治疗组，53只安慰剂组），总计312次扫描	NA	NA	局部进展率, 光感受器厚度, 高反射焦点浓度	NA
234	2025-12-17	Model for classification of heart failure severity in patients with hypertrophic cardiomyopathy using a deep neural network algorithm with a 12-lead electrocardiogram 2023-12-06, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2023-002414 PMID:38056911	研究论文	本研究开发了一种基于深度神经网络算法的模型，利用12导联心电图数据对肥厚型心肌病患者的慢性心力衰竭严重程度进行分类	首次应用深度学习方法来识别肥厚型心肌病患者的心力衰竭严重程度，并采用迁移学习策略解决目标样本数量不足的问题	样本量相对较小（共463名患者），且依赖特定的临床定义（如NYHA分级和NT-proBNP水平）进行分类，可能限制模型的泛化能力	评估数据驱动的机器学习方法是否能有效识别肥厚型心肌病患者的心力衰竭严重程度	肥厚型心肌病患者（218名）和非肥厚型心肌病患者（245名）	机器学习	心血管疾病	12导联心电图	深度神经网络	心电图数据	463名患者（218名HCM患者和245名非HCM患者）	NA	残差神经网络	加权平均F1分数, 精确度	NA
235	2025-12-17	Pilot Analysis of Surgeon Instrument Utilization Signatures Based on Shannon Entropy and Deep Learning for Surgeon Performance Assessment in a Cadaveric Carotid Artery Injury Control Simulation 2023-12-01, Operative neurosurgery (Hagerstown, Md.) DOI:10.1227/ons.0000000000000888 PMID:37655892	研究论文	本研究利用香农熵和深度学习分析外科医生在模拟颈动脉损伤控制中的器械使用特征，以评估手术表现	首次将香农熵这一信息论指标应用于手术器械序列分析，结合深度学习自动检测器械，实现对外科医生表现的定量评估	研究基于模拟尸体环境，可能无法完全反映真实手术场景；样本量有限，需进一步验证	开发自动化、基于视频的定量反馈方法，以改善外科培训和教育	外科医生在模拟颈动脉损伤控制中的手术表现	计算机视觉	心血管疾病	深度学习	CNN	视频	来自公开视频数据集的外科医生手术试验	NA	NA	准确率, 平均精确率	NA
236	2025-12-17	AliNA - a deep learning program for RNA secondary structure prediction 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300113 PMID:37710142	研究论文	本文提出了一种基于深度学习的RNA二级结构预测方法AliNA，该方法通过数据增强技术有效预测训练数据中未包含的非同源RNA家族的二级结构	提出首个结合数据增强技术的深度学习RNA二级结构预测方法，能够有效处理非同源RNA家族，并支持假结结构预测	未明确说明方法在超长RNA序列或极端GC含量序列上的性能表现	开发能够克服传统热力学方法和同源方法局限性的RNA二级结构预测算法	天然RNA变体（参与细胞过程）和人工RNA（如适配体、核糖开关）	生物信息学	NA	RNA二级结构预测	深度学习	RNA序列数据、二级结构标注数据	NA	NA	NA	预测质量评估（具体指标未说明）	NA
237	2025-12-17	Overproduce and select, or determine optimal molecular descriptor subset via configuration space optimization? Application to the prediction of ecotoxicological endpoints 2023-06, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202200227 PMID:36894503	研究论文	本文提出了一种通过配置空间优化确定最优分子描述符子集的方法，以改进小中型化学数据集的预测准确性	提出开放描述符配置空间方法，将分子描述符生成建模为多准则优化问题，并使用带Choquet积分适应度函数的遗传算法变体	未明确说明方法在大型数据集或深度学习场景下的适用性	提高化合物生物活性或性质的预测准确性	小中型化学数据集中的化合物	机器学习	NA	分子描述符计算	遗传算法	化学数据	NA	NA	遗传算法变体	预测准确性	NA
238	2025-12-16	The promising horizon of deep learning and artificial intelligence in flap monitoring 2023-12-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000748 PMID:37720927	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
239	2025-12-16	Health Recommendation System using Deep Learning-based Collaborative Filtering 2023-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22844 PMID:38144343	研究论文	本文提出了一种基于深度学习的健康推荐系统，利用受限玻尔兹曼机与协同进化神经网络的结合来优化医疗决策	结合受限玻尔兹曼机与协同进化神经网络，构建智能健康推荐系统，实现从传统医疗场景向个性化医疗的转变	未明确说明系统在真实医疗环境中的部署挑战或数据隐私保护的具体措施	开发高效且有效的健康推荐系统，以支持医疗决策和个性化医疗	医疗数据，包括患者健康信息、社交活动及行为分析数据	机器学习	NA	数据挖掘	RBM, CNN	医疗数据集	NA	TensorFlow, Python	受限玻尔兹曼机, 协同进化神经网络	准确率, 精确率, 召回率, F值	NA
240	2025-12-16	Estimation of concrete materials uniaxial compressive strength using soft computing techniques 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22502 PMID:38034748	研究论文	本研究通过比较三种深度学习算法（CNN、GRU和LSTM），预测混合设计混凝土的单轴抗压强度	专注于混合设计混凝土，并微调深度学习算法，以识别预测混凝土强度的最优DL算法	未提及具体局限性	识别预测混凝土单轴抗压强度的最优深度学习算法	混合设计混凝土	机器学习	NA	NA	CNN, GRU, LSTM	实验记录数据	NA	NA	卷积神经网络, 门控循环单元, 长短期记忆网络	预测准确性	NA