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
521	2026-08-09	Deep learning for intracranial aneurysm segmentation using CT angiography 2024-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6372 PMID:39008990	研究论文	本研究提出了一种两阶段深度学习方法，用于在CT血管造影图像中准确分割颅内动脉瘤，包括小型动脉瘤（4-10毫米）。	提出了一种轻量级且快速的头部区域选择（HRS）算法，并结合自适应3D nnU-Net网络，能够自动定位脑区域，将推理时间减少超过50%，同时保持高分割精度。	未提及具体的局限性。	开发并验证一种两阶段深度学习方法，用于CT血管造影图像中颅内动脉瘤的准确分割，特别是小型动脉瘤。	颅内动脉瘤，包括4-10毫米大小的小型动脉瘤。	计算机视觉、数字病理学	脑血管疾病	CT血管造影	3D nnU-Net	CT血管造影图像	956名患者，来自6家医院和1个公共数据集，使用6种不同制造商的CT扫描仪。	NA	3D nnU-Net	Dice分数、AUC、精确率	NA
522	2026-08-09	A deep learning-based method for the detection and segmentation of breast masses in ultrasound images 2024-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad61b6 PMID:38986480	研究论文	提出一种结合YOLOv5和GOLO-CMSS网络的深度学习框架，用于超声图像中乳腺肿块的自动检测与分割	创新性地将YOLOv5检测网络与全局-局部（GOLO）策略结合，开发了GOLO-CMSS分割网络，该网络通过MSS模块自动调整感受野，利用MLI模块实现不同分辨率下深浅特征的融合，从而在全局和局部两个分支上同时处理图像，提升分割精度	文章未明确讨论计算资源的消耗或运行时间，可能会影响实时临床应用的可能性	开发一种基于深度学习的准确乳腺肿块检测与分割方法，以提升乳腺癌诊断的自动化水平	乳腺超声图像中的肿块	计算机视觉	乳腺癌	超声成像	卷积神经网络（CNN）	图像	包含28,477张乳腺超声图像的USTC数据集，以及三个公开数据集UDIAT、BUSI和TUH	PyTorch（假设使用，基于常见深度学习实践）	YOLOv5, GOLO-CMSS, MSS模块, MLI模块	平均精度（AP）、Dice相似系数（DSC）	未描述具体GPU类型或计算平台
523	2026-08-09	Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction 2024-07-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6117 PMID:38981592	研究论文	提出了一种基于贝叶斯框架的PET-MRI联合重建模型MC-Diffusion，利用联合评分扩散模型学习PET和MRI的联合概率分布，以提升图像质量。	将联合重建问题转化为联合正则化问题，利用联合评分扩散模型学习PET和MRI的联合概率分布，从而挖掘其内在互补性，优于黑盒先验或人工构造的结构相似性。	未提及	利用PET和MRI数据的互补性，通过联合重建提高PET-MRI图像质量，减少采集时间并提升信噪比。	PET和MRI图像数据	医学影像重建	NA	PET-MRI成像、扩散模型	扩散模型（基于评分的生成模型）	医学图像（PET和MRI）	ADNI数据集（具体样本数未提及）	NA	MC-Diffusion模型	定性评估、定量评估（具体指标未提及）	NA
524	2026-08-09	Deep learning-based voxel sampling for particle therapy treatment planning 2024-07-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5bba PMID:38917844	研究论文	提出一种基于深度学习的体素采样方法，用于减少粒子治疗计划优化中的计算负担，提高效率	基于U-Net的深度学习模型，无需患者特定手动输入即可实现最优体素采样，显著减少优化所需体素数，保持计划质量	未明确提及局限性，但可能依赖训练数据规模和特定治疗平台	提高扫描粒子治疗计划优化的计算效率，支持未来实时自适应治疗	头颈癌患者，接受碳离子治疗	深度学习，医学图像分析	头颈癌	碳离子治疗计划优化	U-Net（深度学习模型）	医学图像（CT等）和计划数据	70例头颈癌患者，用于训练（50）、验证（10）和测试（10）；训练时优化了12500个碳离子治疗计划	未明确，可能使用深度学习框架如PyTorch或TensorFlow（NA）	U-Net	体素减少百分比、计划质量损失（中位数）、优化时间减少倍数	未明确，但提及高效的AI基础设施（NA）
525	2026-08-09	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-07-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出一种基于局部梯度的后验不确定性量化方法，用于深度学习医学图像评估，以提高模型的可靠性	引入了一种新颖的后验不确定性量化方法，称为局部梯度不确定性量化，它利用训练模型的局部梯度空间来评估对训练模型参数的敏感性，无需修改模型输出，可应用于先前验证过的模型	未在摘要中明确提及局限性	为深度学习医学图像评估提供可靠的不确定性量化方法，增强临床部署中的用户信任	基于深度学习的转移性疾病描绘模型	医学图像分析	转移性疾病	梯度分析	深度学习模型（未具体说明）	医学图像	未在摘要中明确提及样本数量	NA	NA	中位数百分比差异、ROC AUC、假阳性率、p值	NA
526	2026-08-09	Bifurcation detection in intravascular optical coherence tomography using vision transformer based deep learning 2024-07-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611c PMID:38981596	研究论文	提出了一种基于视觉Transformer深度学习的血管内光学相干断层扫描图像分叉检测方法	首次将视觉Transformer应用于IVOCT图像的分叉检测，避免了 lumen 分割，分别使用分类和地标检测模型识别分叉图像并估计开口点	未明确说明局限性，可能包括对临床数据的依赖和计算成本	提高IVOCT图像分叉检测的准确性和效率，以指导经皮冠状动脉介入治疗策略	血管内光学相干断层扫描图像中的分叉结构	计算机视觉, 深度学习	心血管疾病	光学相干断层扫描	视觉Transformer	图像	8640张临床图像	NA	视觉Transformer	准确率, F1分数, 距离误差, 成功检测率	NA
527	2026-08-09	Developing an explainable diagnosis system utilizing deep learning model: a case study of spontaneous pneumothorax 2024-07-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5e31 PMID:38955331	研究论文	开发了一个利用可解释深度学习模型进行图像识别和可视化的集成医学图像分析系统，用于自发性气胸的自动诊断，并实现了95.56%的分类准确率。	强调了血管穿透缺陷在临床判断中的重要性，并利用可解释深度学习模型提高了诊断系统的可解释性。	研究仅针对自发性气胸，未来需扩展到其他肺部疾病以增强泛化能力。	开发一个可解释的自动诊断系统，以提高模型可信度，减少不确定性，并准确诊断肺部疾病。	自发性气胸患者和正常对照的医学图像。	医学影像分析	自发性气胸	深度学习模型（具体技术未提及，但涉及图像识别和可视化）	深度学习模型（具体类型未提及）	图像	未提及具体样本数量，但涉及气胸和正常对照的图像数据。	NA	NA	准确率（95.56%）	NA
528	2026-08-09	DeCoGAN: MVCT image denoising via coupled generative adversarial network 2024-07-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5d4c PMID:38979700	研究论文	提出了一种基于耦合生成对抗网络（DeCoGAN）的无配对MVCT图像去噪方法，以提高图像质量并保留结构细节。	采用共享潜空间假设，通过编码器强制约束，实现无配对低质量MVCT到高质量图像的转换，结合对抗训练提升去噪效果。	未提及具体局限性。	利用深度学习方法增强MVCT图像质量，以改善图像引导放疗中的目标定位精度。	螺旋断层放疗中的MVCT图像。	计算机视觉	不适用	不适用	生成对抗网络（GAN）	图像	未提及具体样本数量。	未提及具体框架。	编码器，生成对抗网络（含生成器和判别器）	峰值信噪比（PSNR），结构相似性指数（SSIM）	未提及具体计算资源。
529	2026-08-08	FCSSL: fusion enhanced contrastive self-supervised learning method for parallel MRI reconstruction 2024-10-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6d28 PMID:39116910	研究论文	提出了一种融合增强的对比自监督学习（FCSSL）方法，用于并行MRI重建，无需全采样数据或线圈灵敏度图。	在对比学习框架中引入两对重新欠采样掩模策略，并设计了一种自适应融合网络，以自监督方式整合重建结果，提高了重建质量。	性能仍略低于监督方法，且对源域和目标域数据差异较大时需微调。	解决MRI成像中全采样数据获取困难或成本高的问题，实现高质量的并行MRI重建。	膝关节MRI数据，在不同欠采样掩模条件下进行重建。	医学图像重建	NA	MRI	对比学习、自监督学习	MRI图像	膝关节数据集（具体数量未在摘要中提及）	NA	自适应融合网络	重建性能（具体指标未提及）	NA
530	2026-08-08	Predicting prostate cancer grade reclassification on active surveillance using a deep learning-based grading algorithm 2024-10-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djae139 PMID:38889303	研究论文	本研究利用深度学习分级算法AIRAProstate对前列腺癌主动监测患者的初始活检样本进行重新分级，验证其在预测癌症等级升级方面的临床价值	首次通过临床结局比较验证基于深度学习的癌症分级算法在前列腺癌风险分层中的效用	样本来自观察性队列，可能存在选择偏倚，且未明确考虑临床病理因素的综合影响	评估深度学习算法AIRAProstate对前列腺癌主动监测患者初始活检样本重新分级的预后预测价值	两个独立的主动监测队列，包括仅采用系统活检的GG1患者和采用磁共振成像引导活检的患者	数字病理学	前列腺癌	数字病理切片分析	深度学习模型（具体为AIRAProstate算法）	活检病理图像	138例（仅系统活检队列）和169例（磁共振成像引导活检队列）	NA	NA	比值比（odds ratio）、风险比（hazard ratio）、P值	NA
531	2026-08-08	Exploring the potential of structure-based deep learning approaches for T cell receptor design 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012489 PMID:39348412	研究论文	该研究探索了基于结构的深度学习方法（ProteinMPNN和ESM-IF1）在T细胞受体设计中的潜力	首次将两种结构感知的深度学习方法应用于T细胞受体的固定骨架设计，以应对低亲和力和交叉反应性等挑战，并相比传统物理方法进行了评估	缺乏实验验证，发现的方法缺陷需通过改进来克服	评估基于结构的深度学习在T细胞受体设计中的应用潜力，以增强免疫治疗靶向性	T细胞受体及其与抗原肽-MHC复合物的相互作用	机器学习和蛋白质设计	癌症	结构设计深度学习方法（如ProteinMPNN和ESM-IF1）	图神经网络（如ProteinMPNN和ESM-IF1）	蛋白质三维结构序列	未具体说明	PyTorch	ProteinMPNN, ESM-IF1	序列和结构指标	未具体说明
532	2026-08-08	Managing spatio-temporal heterogeneity of susceptibles by embedding it into an homogeneous model: A mechanistic and deep learning study 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012497 PMID:39348420	研究论文	本研究提出了一种将易感人群时空异质性嵌入同质模型的新型建模框架，通过引入连续招募过程，并利用深度学习和MCMC方法进行模型训练与校准，以提高流行病预测准确性	创新性地将易感人群的时空异质性通过连续招募过程整合进同质模型，并借助通用微分方程（UDE）结合神经网络逼近招募率，提供了对比同质模型的改进预测方法	摘要未提及具体限制，但可推断模型依赖特定假设和实际数据校准，可能对大规模或不同场景的适用性有限	旨在改进传染病流行预测，通过整合易感人群的时空异质性，提高预测精度并理解其在疾病传播中的作用	研究对象为急性呼吸道传染病（如COVID-19奥密克戎变异株）的传播动态，具体包括易感人群的异质性及其对流行病冲击的影响	机器学习	传染病	NA（摘要未指定特定测序或实验技术）	神经网络（用于UDE模型）和机械模型	数值和流行病学数据	研究使用了中国上海COVID-19奥密克戎疫情的数据，但未明确样本量	PyTorch、MCMC	通用微分方程（UDE）结构和机械传播模型	准确率、攻击率、感染峰值	未指定，但可能使用GPU进行深度学习和MCMC模拟
533	2026-08-08	Turn-table micro-CT scanner for dynamic perfusion imaging in mice: design, implementation, and evaluation 2024-08-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6edd PMID:39137802	研究论文	本研究介绍了一种新颖的桌面式微型CT扫描仪，用于小鼠动态灌注成像，旨在通过高分辨率和低辐射剂量增强临床前成像能力。	该微型CT系统采用定制旋转台，支持圆形和螺旋扫描，通过小型滑环实现连续旋转，并首次展示了在3.125秒时间分辨率下进行动态灌注成像的潜力。	小样本量限制了结果的确定性结论。	开发一种高分辨率、低剂量的动态灌注成像微型CT系统，以提升临床前成像能力。	小鼠（涉及阿尔茨海默病和心血管疾病的不同遗传风险因素）以及3D生物打印的组织模拟幻影。	医学影像	阿尔茨海默病, 心血管疾病	微型CT成像	NA	图像	未具体说明小鼠数量，但涉及具有不同遗传风险因素的多组小鼠	NA	NA	空间分辨率, 均匀性, 血流测量线性度, 灌注指标（时间到峰值, 平均通过时间, 血流指数）	NA
534	2026-08-08	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	本文首次提出一种基于条件生成对抗网络（cGANs）的图像端到端自归一化框架，用于临床正电子发射断层扫描（PET）系统，以提高图像质量并避免单独归一化扫描	首次开发了基于图像的自归一化框架，利用条件生成对抗网络，并结合极化自注意力（PSA）的Pix2Pix网络，探索了不同输入数据、张量形状和网络结构以优化性能	研究基于蒙特卡洛模拟的体模数据，而非真实临床数据，可能需要临床试验验证其泛化性和临床适用性	开发并评估一种基于深度学习的图像端到端自归一化方法，以改进PET图像质量和病变可检测性，无需单独的归一化扫描	使用十个体素化体模的蒙特卡洛模拟PET图像，共26000对轴向图像切片，用于训练和测试	深度学习	不适用	PET成像	条件生成对抗网络	图像	26000对轴向图像切片，来自十个模拟体模	PyTorch	Pix2Pix, PSA Pix2Pix	PSNR, SSIM, 归一化对比恢复系数, 对比度-噪声比	不适用
535	2026-08-08	Hierarchical multi-level dynamic hyperparameter deformable image registration with convolutional neural network 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a6 PMID:39053510	研究论文	提出了一种基于卷积神经网络的分层多级动态超参数可变形图像配准方法，旨在实现推理阶段快速选择正则化超参数并提高配准精度和变形场规律性	提出动态超参数块，包含分布式映射网络、动态卷积、注意力特征提取层和实例归一化层，将输入特征向量和正则化超参数编码为可学习特征变量和动态卷积参数，并采用分层多级架构替代LapIRN中的单级残差块	摘要中未明确提及局限性	解决深度学习可变形图像配准中超参数调优耗时耗资源的问题，实现推理阶段快速调节超参数并获得高质量配准结果	大脑OASIS数据集和肺部DIR-Lab数据集	医学图像配准	NA	NA	卷积神经网络	医学图像	OASIS数据集和DIR-Lab数据集（具体样本数量未提及）	NA	分层多级动态超参数块（含动态卷积、注意力层、实例归一化）	Dice相似系数、\|Jφ\|≤0百分比、目标配准误差	NA
536	2026-08-08	Linear diffusion noise boosted deep image prior for unsupervised sparse-view CT reconstruction 2024-08-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69f7 PMID:39119998	研究论文	提出一种基于线性扩散噪声增强深度图像先验的无监督稀疏视图CT重建方法，旨在克服监督学习的泛化性限制	引入多级线性扩散噪声输入，超越传统单噪声水平，降低过拟合风险；将非局部自相似性作为深度隐式先验嵌入自注意力网络结构，增强模型识别重复模式的能力；结合成像物理，在图像域和投影数据空间之间进行梯度反向传播以优化网络权重	评估仅涵盖模拟和临床案例，可能未充分探索极端稀疏视图或多样化临床场景下的性能表现	克服当前基于监督学习的稀疏视图CT重建方法的局限性，提高泛化能力和适应性，无需大量配对训练数据	稀疏视图CT重建，针对不同投影视角下的图像重建任务	计算机视觉, 医学影像	不适用	稀疏视图CT成像	深度图像先验（DIP）	图像（CT投影数据和重建图像）	模拟数据和临床病例（具体数量未提供）	不适用	自注意力网络	不适用	不适用
537	2026-08-08	Enhancing the reliability of deep learning-based head and neck tumour segmentation using uncertainty estimation with multi-modal images 2024-08-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad682d PMID:39059432	研究论文	本研究评估了多种不确定性估计方法在头颈癌肿瘤分割中的应用，以提高深度学习自动分割的可靠性	比较了七种不确定性估计方法在头颈癌原发肿瘤和淋巴结转移分割中的性能，并首次评估了其在像素级预测中的校准能力和错误揭示能力	未在外部数据集上验证，且仅使用了单一分割流程（nnUNet）	调查不确定性估计方法在提高深度学习头颈癌肿瘤分割可靠性方面的有效性	头颈癌患者的原发肿瘤（GTV-T）和淋巴结转移（GTV-N）分割结果	数字病理学	头颈癌	多模态成像（CT、PET、T1加权MRI、T2加权MRI）	3D U-Net (nnUNet)	医学图像（CT、PET、MRI）	567名头颈癌患者，其中测试集97例	NA	nnUNet 3D	Dice相似系数（DSC）、预期校准误差（ECE）、不确定性-错误重叠（UE-DSC）	NA
538	2026-08-08	CT-based synthetic contrast-enhanced dual-energy CT generation using conditional denoising diffusion probabilistic model 2024-08-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a1 PMID:39053511	研究论文	利用条件去噪扩散概率模型从非增强单能CT扫描生成合成对比增强双能CT图像，以应对DECT扫描仪稀缺和碘对比剂健康风险的问题	首次应用条件去噪扩散概率模型（C-DDPM）从非增强单能CT生成合成对比增强双能CT图像，为缺乏DECT设备的机构和不宜使用碘对比剂的患者提供替代成像方案	未明确提及	生成高质量的合成对比增强双能CT图像，改善放射治疗计划	头颈部癌症患者的CT成像数据	医学影像	头颈部癌症	CT成像	条件去噪扩散概率模型（C-DDPM）	图像	130例头颈部癌症患者的成像数据	未提及	条件去噪扩散概率模型（C-DDPM）	平均绝对误差（MAE）、结构相似性指数（SSIM）、峰值信噪比（PSNR）	未提及
539	2026-08-08	Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design 2024-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.19.590222 PMID:38712216	研究论文	探索两种基于结构的深度学习方法（ProteinMPNN和ESM-IF）在设计T细胞受体以结合MHC呈递的抗原肽方面的潜力	首次将结构基础深度学习设计方法应用于T细胞受体的计算设计，评估其相对于传统物理基础方法的优势	未明确提及具体限制，但可能包括设计方法的缺陷和对低亲和力及交叉反应性界面的处理不足	评估基于结构的深度学习方法在设计T细胞受体中的潜力，并比较其与传统物理基础设计方法的性能	T细胞受体（TCRs）及其与MHC呈递的抗原肽的相互作用	机器学习	癌症	结构基础蛋白设计	深度学习模型	蛋白质三维结构数据	未明确	NA	ProteinMPNN, ESM-IF	基于序列和结构的综合指标	NA
540	2026-08-08	Making MS Omics Data ML-Ready: SpeCollate Protocols 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4007-4_9 PMID:38995540	研究论文	本文提供了将质谱数据转化为机器学习就绪格式的综合指南，涵盖数据分析、推断和深度学习模型SpeCollate的应用	提出了SpeCollate这一基于深度学习的肽数据库搜索引擎，通过生成谱图和肽段的联合嵌入，克服了理论谱图简单模拟和启发式评分函数的局限	NA	指导研究人员将质谱数据用于机器学习训练、推断和应用，并展示SpeCollate在肽鉴定中的有效性	质谱数据及基于深度学习模型的肽数据库搜索	生物信息学	NA	质谱法	深度学习模型	质谱数据	NA	NA	SpeCollate	NA	NA