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
41	2025-12-21	Volumetric feature points integration with bio-structure-informed guidance for deformable multi-modal CT image registration 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad03d2 PMID:37844603	研究论文	本文提出了一种基于体积特征点集成与生物结构引导的可变形多模态CT图像配准方法	通过结合体素特征点和生物结构特征点共同指导训练过程，提高了配准精度，相比其他深度学习方法精度提升了6%	未明确说明方法在处理其他模态或低对比度器官时的泛化能力	解决医学图像配准中的挑战，特别是在图像引导放射治疗（IGRT）中的CT-CBCT配准问题	配对的CT-CBCT数据集	医学图像处理	NA	深度学习	NA	CT图像, CBCT图像	NA	NA	NA	精度	NA
42	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
43	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%）
44	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
45	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
46	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
47	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
48	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
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	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
57	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
58	2025-12-10	How deep is the brain? The shallow brain hypothesis 2023-12, Nature reviews. Neuroscience DOI:10.1038/s41583-023-00756-z PMID:37891398	观点文章	本文提出了浅层大脑假说，挑战了深度学习与预测编码中普遍采用的层次化架构，强调皮层下区域在并行处理中的重要作用	提出了浅层大脑假说，整合了皮层层次处理与皮层下区域的大规模并行处理，突破了传统深度学习的纯层次化架构	假说尚未得到充分实验验证，且未提供具体的计算模型或算法实现	探讨大脑的计算架构，挑战当前深度学习与预测编码网络中的层次化假设	哺乳动物大脑的神经解剖结构与计算原理	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
59	2025-12-09	USE-Evaluator: Performance metrics for medical image segmentation models supervised by uncertain, small or empty reference annotations in neuroimaging 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102927 PMID:37672900	研究论文	本文提出了一种用于评估医学图像分割模型性能的新方法，特别针对参考标注存在不确定性、尺寸小或为空的情况	开发了USE-Evaluator评估框架，专门处理神经影像中不确定、小或空的参考标注对分割模型性能评估的影响	研究主要基于卒中内部数据集，虽然与公共数据集进行了比较，但可能仍需更多临床数据验证	改进医学图像分割模型的性能评估方法，使其更适应临床实践中具有挑战性的分割任务	医学图像分割模型在神经影像数据上的性能评估	医学图像分析	卒中	医学图像分割	深度学习框架	医学图像	卒中内部数据集，并与BRATS 2019和脊髓公共数据集进行比较	未明确指定	标准深度学习框架	Dice系数等重叠度量指标	未明确指定
60	2025-12-09	Multi-site, Multi-domain Airway Tree Modeling 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102957 PMID:37716199	研究论文	本文介绍了在MICCAI 2022会议上组织的多站点、多领域气道树建模挑战赛（ATM'22），旨在为医学影像社区提供气道分割算法的基准测试	提供了大规模、多站点、包含噪声COVID-19 CT扫描的公开标注数据集，推动了数据驱动方法的发展，并首次系统比较了嵌入拓扑连续性增强的深度学习模型在气道分割中的性能	公开标注数据集仍然有限，可能影响新算法的详细性能评估；挑战赛结果可能受到参与团队算法实现差异的影响	为医学影像社区提供气道分割算法的基准测试，促进早期肺部疾病干预技术的发展	肺部气道树的分割与建模	计算机视觉	肺部疾病	CT扫描	深度学习模型	CT图像	500例CT扫描（300例训练，50例验证，150例测试）	NA	NA	定量与定性评估	NA