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
321	2026-08-24	DUE: Dynamic Uncertainty-Aware Explanation Supervision via 3D Imputation 2024, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3637528.3671641 PMID:42633249	研究论文	提出一种动态不确定性感知的解释监督框架（DUE），通过3D插值实现稀疏标注3D医学图像的解释引导，提升模型的可预测性和可解释性	首次将解释监督扩展到3D医学图像领域，提出动态不确定性感知机制和基于扩散的3D插值方法，解决空间相关性变化、缺乏3D标注和不确定性分布不均的挑战	未在标题和摘要中明确说明局限性	开发针对3D医学图像的解释监督框架，提高深度学习模型在医学影像诊断中的可预测性和可解释性	3D医学图像及深度学习模型的解释生成过程	医学影像分析	未指定（应用在多种真实医学影像数据集上）	3D插值，扩散模型	深度学习模型（具体类型未指定）	3D医学图像	未在标题和摘要中明确样本数量	未指定	未指定	可预测性和可解释性指标（具体未列出）	未在标题和摘要中说明
322	2026-08-23	Multi-modality deep learning-based [68Ga]Ga-DOTA-FAPI-04 PET polar map generation: potential value in detecting reactive fibrosis after myocardial infarction 2024-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06850-3 PMID:39060373	研究论文	提出一种基于深度学习的多模态图像融合方法，用于生成[68Ga]Ga-DOTA-FAPI-04 PET极坐标图，并探索其在心肌梗死后反应性纤维化检测中的潜在价值	利用多模态图像融合补偿PET图像中心脏结构信息缺失，提高了极坐标图生成的准确性，超越了现有商业软件	未明确提及，但样本量有限且为单中心研究	提高[68Ga]Ga-DOTA-FAPI-04 PET图像极坐标图生成的准确性，并评估其在检测心肌梗死后反应性纤维化及与心功能关系中的临床价值	87例ST段抬高型心肌梗死患者，共133对PET/MR图像，其中26例用于纵向分析	深度学习，医学影像	心肌梗死	PET/MR成像	深度学习模型（未具体指定）	医学图像（PET和MR）	133对PET/MR图像，来自87例患者，26例用于纵向分析	NA	NA	准确性、相关性（r值）	NA
323	2026-08-23	Sedation-free pediatric [18F]FDG imaging on totalbody PET/CT with the assistance of artificial intelligence 2024-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06818-3 PMID:38958680	研究论文	本研究探讨了利用全身超快PET扫描仪和基于深度学习的衰减与散射校正技术，实现无需镇静的儿童PET成像的可行性。	将超快全身PET成像与深度学习为基础的衰减和散射校正相结合，实现了无需镇静的儿科PET成像，减少了镇静副作用并保持诊断质量。	研究样本量较小，且为回顾性研究，可能限制了结果的普遍性。	评估无需镇静的儿科PET成像方法，通过超快采集和深度学习ASC技术保证图像质量。	35例四岁以下镇静儿科患者的全身PET成像数据，以及5例非镇静儿科患者的验证数据。	医学影像	不适用	PET/CT成像，深度学习	深度学习模型	医学影像	35例镇静患者和5例非镇静患者	未提及	未提及	定性评分、病灶可检测性、标准化摄取值（SUV）	未提及
324	2026-08-23	A deep learning model for generating [18F]FDG PET Images from early-phase [18F]Florbetapir and [18F]Flutemetamol PET images 2024-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06755-1 PMID:38861183	研究论文	本研究旨在利用深度学习从早期淀粉样蛋白PET图像生成[18F]FDG PET图像，以减少扫描次数和辐射剂量	首次使用SwinUNETR模型从早期淀粉样蛋白PET图像合成[18F]FDG PET图像，并验证其在临床评估中的相似性	未提及	评估深度学习在从早期淀粉样蛋白PET图像合成[18F]FDG PET图像中的价值，以减少多个PET扫描	包括认知正常个体、轻度认知障碍和痴呆患者的脑部PET和MRI图像	医学图像分析	阿尔茨海默病	PET成像	Transformer	图像	166名受试者，其中认知正常72名，轻度认知障碍73名，痴呆21名	PyTorch	SwinUNETR	临床相似性评分、Dice系数、相关性分析（斜率、R²、P值）	NA
325	2026-08-23	[18F]FDG PET integrated with structural MRI for accurate brain age prediction 2024-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06784-w PMID:38839623	研究论文	本文开发了一种基于[18F]FDG PET和结构MRI的双路径3D简单全卷积网络（Dual-SFCNeXt）用于预测脑年龄，并验证其提高预测准确性。	首次整合[18F]FDG PET和结构MRI的多模态数据，提出Dual-SFCNeXt双路径网络，显著提升脑年龄预测准确性。	样本量有限，且限于特定数据集，可能影响泛化能力；未提及计算资源的详细情况。	建立一种利用结构和代谢成像数据的深度学习方法来准确预测脑年龄。	正常对照、轻度认知障碍和阿尔茨海默病受试者。	计算机视觉, 深度学习	阿尔茨海默病	PET成像, MRI成像	CNN, 简单全卷积网络	图像（[18F]FDG PET和结构MRI）	395名正常对照（UMIDC）；438名正常对照、51名轻度认知障碍和56名阿尔茨海默病（ADNI）	NA	SFCNeXt, Dual-SFCNeXt	平均绝对误差（MAE）, 皮尔逊相关系数（r）	NA
326	2026-08-23	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-09, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征PSMA靶向放射药物热电疗中器官内异质性，基于治疗前PET预测体素级吸收剂量图。	首次利用人工智能技术定位器官内热电疗异质性，实现基于治疗前PET的体素级剂量预测，超越了传统的器官级估算。	样本量较小（23例患者），回顾性研究设计，且未详细说明计算资源，未来需更大规模验证。	利用人工智能技术基于治疗前PET预测体素级吸收剂量图，以个性化放射剂量，提高治疗效果。	23例转移性去势抵抗性前列腺癌患者，接受[177Lu]Lu-PSMA I&T放射配体治疗。	医学影像分析、人工智能	前列腺癌、转移性去势抵抗性前列腺癌	PET成像、SPECT/CT成像、药代动力学模拟	深度学习模型（具体类型未明确，可能为CNN）	医学影像（PET、SPECT/CT）	23例患者，48个治疗周期	NA（未提及具体框架）	NA（未提及具体架构，可能为CNN变体）	归一化均方根误差、剂量体积直方图、决定系数、拟合线斜率、相关系数	NA（未提及具体计算资源）
327	2026-08-23	Deep learning guided design of dynamic proteins 2024-Jul-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603962 PMID:39071443	研究论文	本文介绍了一种基于深度学习的通用方法，用于设计蛋白质分子内的构象动态变化，类似于自然界中的开关机制，并实现了原子级精度。	提出了首个能够以原子级精度设计蛋白质构象动态变化的深度学习方法，该方法超越了以往仅能设计静态蛋白质结构的限制，并通过实验验证了设计的构象。	文中未提及具体局限性，但可能包括设计的构象变化仅限于分子内结构域间，且依赖于深度学习预测和物理模拟的准确性。	实现蛋白质构象动力学的可控设计，构建可调控的类似天然信号蛋白的开关机制。	蛋白质构象变化，包括设计蛋白的构象状态、状态间转换及配体和突变对其调控。	机器学习	不适用	实体生物化学结构解析	深度学习模型	蛋白质结构数据	不适用	不适用	不适用	不适用	不适用
328	2026-08-23	Celiac disease diagnosis from endoscopic images based on multi-scale adaptive hybrid architecture model 2024-03-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c1 PMID:38306971	研究论文	本研究提出一种基于多尺度自适应混合架构的深度学习模型，用于从内窥镜图像中诊断乳糜泻	提出一种新颖的CNN-Transformer混合架构，包含多尺度空间自适应选择性核卷积特征注意力模块，能动态捕捉不同病灶区域的关键特征，并整合全局与局部信息以提升诊断性能	未在摘要中明确提及局限性	利用新疆地区乳糜泻患者的内窥镜图像，开发一种高性能、轻量级的深度学习模型，以提高乳糜泻诊断的准确性	乳糜泻患者的内窥镜图像，涉及十二指肠球部、十二指肠降部和回肠末端等部位	深度学习	乳糜泻	内窥镜成像	CNN-Transformer混合模型	图像	未在摘要中提及	未在摘要中提及	CNN-Transformer混合架构，多尺度空间自适应选择性核卷积特征注意力模块	准确率、特异性、F1分数、精确率	未在摘要中提及
329	2026-08-23	Automatic segmentation of hepatocellular carcinoma on dynamic contrast-enhanced MRI based on deep learning 2024-03-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2790 PMID:38330492	研究论文	本研究开发了一种基于深度学习的自动检测和分割模型，用于动态对比增强磁共振成像中的肝细胞癌，并取得了良好的分割和检测性能	首次针对DCE-MRI图像开发HCC自动检测与分割的深度学习模型，并采用多期相输入改进U-net架构，结合五折交叉验证集成和连接组件分析后处理	未在摘要中明确提及局限性	开发一种基于DCE-MRI的自动检测和分割肝细胞癌的深度学习模型，以提高临床管理中的精确性	肝细胞癌病变	医学影像分析	肝细胞癌	动态对比增强磁共振成像	卷积神经网络（U-net）	医学影像	382名患者（466个病灶）用于训练和独立测试，51名患者（62个病灶）用于外部验证	未明确提及	U-net	Dice相似系数、灵敏度、精确率、每例假阳性数	未明确提及
330	2026-08-23	Affine medical image registration with fusion feature mapping in local and global 2024-02-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2717 PMID:38324893	研究论文	本文提出了一种基于深度学习的粗到细全局与局部特征融合架构，用于快速的医学图像仿射配准，并采用无监督端到端训练方法	提出加权全局位置注意力机制融合全局和局部特征映射，以及融合回归器生成仿射参数，无需质心初始化，提高配准精度	未提及	实现实时且高精度的医学图像仿射配准算法	3D MRI脑图像，来自OASIS数据集，共414个样本	医学图像分析	不适用	深度学习	卷积神经网络	3D MRI图像	414个3D MRI脑图像	未提及	多尺度卷积核模块，加权全局位置注意力模块，融合回归器	配准精度，运行时间	未提及
331	2026-08-23	TdDS-UNet: top-down deeply supervised U-Net for the delineation of 3D colorectal cancer 2024-02-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c5 PMID:38306960	研究论文	设计了一种基于自顶向下深度监督的U-Net网络，用于自动且准确地描绘3D结直肠癌的模糊边界	提出TdDS方法，通过映射与阶段属性一致的ground truth来细化上下阶段的语义目标，引导模型学习从粗到细的描绘过程，逐渐缩小边界，提高模糊边界的描绘精度，并具有类似注意力机制的作用	未提及	自动准确地描绘3D结直肠癌的模糊边界	3D盆腔磁共振图像中的结直肠癌	计算机视觉	结直肠癌	磁共振成像（MRI）	U-Net	3D图像	共144个3D盆腔磁共振成像体积，其中训练103个，验证12个，测试29个	NA	U-Net	Dice相似系数（DSC）、豪斯多夫距离（HD）	NA
332	2026-08-23	Semi-supervised low-dose SPECT restoration using sinogram inner-structure aware graph neural network 2024-02-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2716 PMID:38324896	研究论文	本研究提出一种用于低剂量SPECT正弦图恢复的半监督框架，该框架利用正弦图内部结构感知的图神经网络，结合Mean Teacher半监督学习，以提升低剂量图像质量	创新点在于首次将正弦图内部结构感知引入低剂量SPECT恢复，设计了SSN-GNN和W-KNN-GNN模块，并采用半监督方法利用未标记数据	局限性在于数据集仅基于XCAT数字体模，未涉及真实临床数据，且未明确讨论计算资源的详细配置	开发一种新型的、利用正弦图内部结构的半监督框架，用于低剂量SPECT正弦图恢复，以降低辐射剂量而不牺牲图像质量	研究对象为XCAT数字体模生成的SPECT正弦图和重建图像，以及未标记的低剂量正弦图	医学影像	不适用	SPECT成像、深度学习	图神经网络	图像（正弦图和重建图像）	未明确说明具体样本数量，涉及XCAT数字体模数据集	未明确说明	UNet、图神经网络（SSN-GNN、W-KNN-GNN）	定量和定性指标，包括图像质量评估指标（如PSNR、SSIM等），具体指标未在摘要中列出	未明确说明
333	2026-08-23	Deep learning for head and neck semi-supervised semantic segmentation 2024-02-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c2 PMID:38306968	研究论文	本文提出了一种跨域正交一致性（CD-OPC）策略，用于头颈癌CT图像中器官风险区域的半监督语义分割，以缓解域偏移和确认偏差问题。	创新性地提出了跨域正交基于视角一致性策略，结合两分支协作训练框架和新的生成式预文本任务（跨域预测），促进子网络从无关视角学习特征。	摘要未提及具体局限性，可能需在全文进一步阐述。	利用未标注数据有效支持标注数据，以克服域偏移和确认偏差，提高头颈癌OAR分割的准确性和可靠性。	来自九个不同机构的头颈CT图像数据集，以及四个本地机构的数据集。	计算机视觉, 数字病理学	头颈癌	CT成像, 半监督学习	深度学习模型（具体架构未指定）	CT图像	九个机构的训练数据集和四个本地机构的验证数据集	NA	双分支网络（具体架构未指定）	性能指标未明确，通常包括Dice系数、准确性等，但此处未具体说明。	NA
334	2026-08-23	A spatially adaptive regularization based three-dimensional reconstruction network for quantitative susceptibility mapping 2024-02-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad237f PMID:38286013	研究论文	本文提出了一种基于空间自适应正则化的三维重建网络SAQSM，用于定量磁化率成像（QSM）的准确重建。	设计了空间自适应模块，并在不同分辨率下插入网络解码器，作为跨模态的正则化约束，以利用场和幅值数据调整特征图的尺度和偏移，修正信息丢失或偏差；网络编码采用动态感知初始化，增强对不同大小特征的检测能力。	未明确说明局限性，但从摘要看，可能包括对严重病变区域的稳定性仍需改进，以及需要更多临床验证。	解决QSM重建中的不适定逆问题，实现场位移（Hz）与磁化率值（ppm）之间的准确定量映射，减少磁化率伪影，提升重建精度和泛化能力。	健康志愿者的大脑数据、临床出血和模拟钙化幻影。	医学图像处理	神经系统疾病	定量磁化率成像（QSM）	深度学习网络	图像	未明确说明具体样本量，但包括健康志愿者、临床出血和模拟幻影数据。	NA	编码器-解码器结构，包含空间自适应模块和动态感知初始化	重建精度、伪影减少、稳定性、泛化能力（未指定具体指标）	NA
335	2026-08-23	UC-stack: a deep learning computer automatic detection system for diabetic retinopathy classification 2024-02-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad22a1 PMID:38271723	研究论文	提出一种基于深度学习的糖尿病视网膜病变自动检测与分级系统UC-stack，通过图像预处理、特征分割、特征提取和集成分类模块实现DR的早期检测和分级	结合对比度受限自适应直方图均衡化和高斯滤波的图像预处理技术，并融合特征分割模块、深度学习特征提取模块和集成分类模块，在多个视网膜图像数据库上展现出优越性能	未提及	开发一种自动化的糖尿病视网膜病变检测与分级系统，以减少对医生主观评估的依赖，提高诊断的一致性和可靠性	糖尿病视网膜病变患者的视网膜图像	计算机视觉, 数字病理学	糖尿病视网膜病变	光学成像	卷积神经网络, Swin Transformer	图像	四个视网膜图像数据库（APTOS 2019, Messidor, DDR, EyePACS）	NA	卷积神经网络, Swin Transformer	AUC, 二次加权Kappa评分, 九项性能评估指标	NA
336	2026-08-23	Underwater object detection method based on learnable query recall mechanism and lightweight adapter 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298739 PMID:38416764	研究论文	提出一种基于可学习查询召回机制和轻量级适配器的水下目标检测方法，改进DETR以应对水下图像的噪声、模糊和多尺度问题	提出可学习查询召回机制减轻噪声影响，设计轻量级适配器提供多尺度特征，结合Smooth L1和CIoU损失优化边界框回归	仅在RUOD数据集上验证，未提及跨数据集泛化性能及计算资源消耗	提高水下目标检测在噪声、模糊和多尺度条件下的性能	水下目标检测中的物体	计算机视觉	不适用	深度学习	DETR（改进版）	图像	RUOD数据集（具体样本数未提及）	未提及	DETR（基于Transformer的检测器）	平均精度（AP）等（未具体说明）	未提及
337	2026-08-23	Deep learning-based prediction of major arrhythmic events in dilated cardiomyopathy: A proof of concept study 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297793 PMID:38421987	研究论文	本研究提出一种基于深度学习的模型（DARP-D），利用多维心脏磁共振数据和临床协变量预测扩张型心肌病患者的主要心律失常事件风险曲线。	首次将深度学习应用于扩张型心肌病心律失常风险预测，整合了心脏运动、组织特征和基线协变量，能够追踪个体风险曲线。	患者数量、心律失常事件数和训练轮次较少，模型作为原型有希望但尚不适用于临床，需进一步改进和验证。	开发一种深度学习模型，预测扩张型心肌病患者的主要心律失常事件风险，改善风险分层。	扩张型心肌病患者的心脏磁共振数据（包括电影视频、高动态视频、LGE图像及高动态图像）和临床协变量。	医学影像分析	扩张型心肌病	心脏磁共振成像	深度学习模型	图像和视频	154名扩张型心肌病患者	未提及	未提及	Harrell's C一致性指数	未提及
338	2026-08-22	Deep learning can predict subgenome dominance in ancient but not in neo/synthetic polyploidized genomes 2024-10, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16979 PMID:39133828	研究论文	利用深度学习构建两种卷积神经网络模型，预测多倍体基因组中的亚基因组优势，并探究其机制	首次将深度学习方法应用于预测亚基因组优势，并区分了古代与新生/合成多倍化过程中的不同预测能力，揭示了启动子序列分化在亚基因组优势中的关键作用	模型无法预测新生/合成多倍化中同源基因对的表达优势，可能受限于新多倍化事件的序列差异不足	探究亚基因组优势的潜在机制，并验证DNA序列与甲基化位点在预测亚基因组优势中的有效性	三个代表性多倍化系统（芸苔属、棉属和葫芦科）中的古代与新生/合成多倍化基因组	深度学习	NA	DNA序列分析、甲基化位点分析	卷积神经网络（CNN）	DNA序列数据、甲基化数据	三个多倍化系统，每个系统包含古代与新生/合成多倍化基因组，具体样本数量未提及	NA	二元表达模型（BEM）和同源对比模型（HCM）	预测准确性	NA
339	2024-08-07	Cannulation selection in relation to deep learning-based algorithm for the detection of thoracic aortic calcifications 2024-07-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezae260 PMID:38960724	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
340	2026-08-22	Deep learning-based facial analysis for predicting difficult videolaryngoscopy: a feasibility study 2024-04, Anaesthesia IF:7.5Q1 DOI:10.1111/anae.16194 PMID:38093485	研究论文	本研究旨在开发一种基于深度学习的面部分析模型，用于预测视频喉镜检查的困难程度	首次将深度学习技术应用于面部图像分析以预测视频喉镜检查困难，相比传统床旁检查和多元评分方法具有更高的预测性能	这是一项可行性研究，样本来源可能有限，且未在外部数据集上进行验证	开发一个人工智能模型，利用神经网络识别面部图像特征，以预测视频喉镜检查的困难程度	5849名接受视频喉镜检查的患者，其中包括5335名非困难和514名困难病例	计算机视觉	非特定疾病（气道管理领域）	深度学习	ResNet-18，LightGBM	图像（面部图像）和临床数据	5849名患者	NA	ResNet-18	AUC，敏感性，特异性	NA