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
21	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
22	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
23	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
24	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
25	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
26	2026-08-07	Transformer for low concentration image denoising in magnetic particle imaging 2024-08-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6ede PMID:39137818	研究论文	提出一种基于稀疏轻量级Transformer的深度学习方法来降低磁粒子成像中低浓度图像的噪声，提高图像质量	创新性地引入了残差局部Transformer结构，通过信息保留块增强图像细节的特征提取能力，并设计了一个噪声浓度数据集用于模型训练，实现了对低浓度MPI图像的高效去噪	未明确提及局限性，但可能受限于数据集规模和真实数据的多样性	提高低浓度磁粒子成像的图像质量，通过深度学习去噪方法改善信号噪声比，为临床低浓度应用提供可能性	模拟和真实磁粒子成像图像，特别是低浓度超顺磁性氧化铁纳米颗粒样本	计算机视觉	不适用	磁粒子成像（MPI）	Transformer	图像	模拟和真实MPI图像数据，其中真实样本铁浓度最低达67μg/mL，具体数量未提及	未提及	残差局部Transformer（Residual-Local Transformer）	未明确提及，但可能包括峰值信噪比（PSNR）、结构相似性指数（SSIM）等	未提及
27	2026-08-07	Predicting time-of-flight with Cerenkov light in BGO: a three-stage network approach with multiple timing kernels prior 2024-08-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6ed8 PMID:39137808	研究论文	本研究提出了一种三阶段网络方法，利用切伦科夫光预测BGO探测器中的飞行时间，以提升TOF-PET图像质量。	结合切伦科夫光与闪烁光，通过三阶段网络结构引入多时间核先验知识，并在第三阶段使用偏置微调模块优化预测。	未提及具体限制。	提高TOF-PET重建中飞行时间预测的精度，从而改善图像信噪比。	BGO探测器中的混合信号（切伦科夫光与闪烁光）的符合波形对。	机器学习, 医学影像	NA	PET, TOF-PET	CNN, Transformer, 深度学习模块	波形数据	25类基于信号上升时间的分类数据	PyTorch	CNN, Transformer, LED方法	FWHM, FWTM	NA
28	2026-07-29	Segmentation of stroke lesions using transformers-augmented MRI analysis 2024-08-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26803 PMID:39119860	研究论文	提出一种结合Transformer可变形特征注意力机制与卷积深度学习架构的方法，用于从单光谱MRI扫描中分割慢性中风病灶	首次将Transformer可变形特征注意力机制与卷积深度学习架构整合，并引入生态数据增强技术，将真实病灶插入完整脑区以提升分割性能	Dice指数标准差较大（±0.39），可能表明方法在不同病例间存在性能波动	提高慢性中风病灶分割的准确性和泛化能力	慢性中风病灶	计算机视觉	脑血管疾病	MRI	CNN-Transformer混合模型	图像	ATLAS 2022数据集和ISLES 2015数据集	NA	Transformer可变形特征注意力机制, 卷积神经网络	Dice系数	NA
29	2026-07-23	Predictive ability of hypotension prediction index and machine learning methods in intraoperative hypotension: a systematic review and meta-analysis 2024-08-05, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05481-4 PMID:39103852	综述	系统评价和荟萃分析探讨人工智能预测术中低血压的能力，特别是低血压预测指数和机器学习方法	首次通过两组荟萃分析分别评估HPI和非HPI模型的预测性能，提供AI在术中低血压预测中的综合证据	非HPI模型对减少低血压相关指标的能力尚不明确；研究数量有限可能影响结果普遍性	评估AI模型（特别是HPI和机器学习方法）在预测术中低血压中的表现及其对降低低血压持续时间的影响	术中低血压患者	机器学习	术中低血压	NA	低血压预测指数（HPI）和多种AI模型（包括深度学习方法）	临床数据（血压、MAP等指标）	43项研究纳入综述	NA	NA	累积低血压持续时间、时间加权平均MAP<65、曲线下面积（AUT-MAP）、受试者工作特征曲线下面积（AUROC）	NA
30	2026-07-22	A novel model for predicting postoperative liver metastasis in R0 resected pancreatic neuroendocrine tumors: integrating computational pathology and deep learning-radiomics 2024-08-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05449-4 PMID:39143624	研究论文	结合计算病理学和深度学习影像组学，构建预测胰腺神经内分泌肿瘤R0切除术后肝转移的新型模型	首次将Ki67染色全切片图像的计算病理特征与深度学习影像组学特征整合到列线图中，用于预测术后肝转移	单中心回顾性研究，样本量较小（163例），需多中心外部验证	开发一种能准确预测胰腺神经内分泌肿瘤R0切除术后肝转移的整合模型	R0切除术后胰腺神经内分泌肿瘤患者	计算病理学, 深度学习影像组学	胰腺神经内分泌肿瘤	数字病理学, Ki67免疫组化染色, 增强CT扫描	深度学习 (CNN), 逻辑回归, 列线图	病理全切片图像 (WSI), 增强CT影像, 临床数据	163例胰腺神经内分泌肿瘤患者（来自复旦大学附属肿瘤医院及病理会诊中心）	NA	深度学习模型 (未指定具体架构), 列线图	AUC, 中位无复发生存期	NA
31	2026-07-22	Enhancing recognition and interpretation of functional phenotypic sequences through fine-tuning pre-trained genomic models 2024-08-12, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05567-z PMID:39135093	研究论文	本研究通过微调预训练基因组模型（如DNA_bert_6和human_gpt2-v1）来增强对功能表型序列的识别与解读，构建了多个基因型-表型数据集，并在HERV数据集上取得了优异分类性能	创新性地将预训练基因组模型表示与经典分析方法相结合，通过微调模型识别HERV序列中高平均局部表示权重的特定基序，并揭示了这些基序与神经系统疾病和癌症的关联	NA	探索深度学习，特别是预训练基因组模型，在解读和表示人类基因组序列方面的应用，以提升DNA序列功能分类的准确性	人类基因组序列，特别是HERV序列中的特定基序	自然语言处理	神经系统疾病，癌症	预训练基因组模型微调	DNA_bert_6，human_gpt2-v1	DNA序列	NA	NA	Transformer	准确率，F1值	NA
32	2026-07-22	A graph-learning based model for automatic diagnosis of Sjögren's syndrome on digital pathological images: a multicentre cohort study 2024-08-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05550-8 PMID:39118142	研究论文	提出基于图学习的CTG-PAM模型，用于在数字病理图像上自动诊断干燥综合征	构建了基于图理论的细胞-组织-病理图像分析模型（CTG-PAM），实现了单细胞特征、细胞间特征和细胞-组织特征的表征，并利用连通分量分析进行淋巴细胞计数辅助诊断	研究未明确指出局限性与不足之处	开发可靠的人工智能模型，提高干燥综合征诊断的准确性与效率	唇腺活检组织切片的全切片图像	数字病理学	干燥综合征	NA	图学习模型	图像	100例唇腺活检标本	NA	CTG-PAM	AUC，灵敏度，准确率	NA
33	2026-07-22	Development and validation of novel interpretable survival prediction models based on drug exposures for severe heart failure during vulnerable period 2024-08-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05544-6 PMID:39107765	研究论文	基于药物暴露数据开发和验证严重心力衰竭患者在脆弱期的新型可解释生存预测模型	首次利用药物信息作为主要预测因子，开发针对严重心力衰竭患者脆弱期的生存预测模型，并比较了Cox比例风险模型、随机生存森林和深度学习生存预测模型	NA	利用药物暴露数据开发并验证严重心力衰竭患者在脆弱期的生存预测模型	严重心力衰竭患者	机器学习	严重心力衰竭	NA	CoxPH, RSF, DeepSurv	临床数据	11590名严重心力衰竭患者	NA	CoxPH, RSF, DeepSurv	AUC, Brier score, 决策曲线分析	NA
34	2026-07-21	Artificial intelligence: illuminating the depths of the tumor microenvironment 2024-08-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05609-6 PMID:39210368	综述	回顾人工智能在肿瘤微环境评估中的应用发展	综述了人工智能在分析肿瘤微环境中各类细胞定量和空间位置特征的应用，揭示其预后预测价值并提供肿瘤治疗新思路	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
35	2026-07-21	EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models 2024-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5096 PMID:38979954	研究论文	提出EFG-CS网络服务器，利用机器学习与深度学习模型从氨基酸序列预测蛋白质化学位移	首次展示生成式AI蛋白质模型可预测与实验模型几乎相当的NMR化学位移	NA	开发一个能从氨基酸序列直接预测蛋白质化学位移的准确模型	蛋白质的化学位移预测，包括主链和侧链原子	机器学习	NA	核磁共振波谱	机器学习模型，图神经网络	氨基酸序列	NA	NA	ESMFold, 图神经网络	均方根误差	NA
36	2026-07-21	Unveiling the stochastic nature of human heteropolymer ferritin self-assembly mechanism 2024-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5104 PMID:38995055	研究论文	通过高分辨率冷冻电镜和深度学习模型揭示异聚体铁蛋白自组装机制的随机性	首次利用工程化质粒设计合成特定H:L亚基比例的异聚铁蛋白，并结合冷冻电镜与深度学习氨基酸建模，发现H-L异二聚体优先形成以及自组装过程通过随机多样化路径进行	未说明	揭示异聚铁蛋白（isoferritins）的结构组成和自组装机制，理解H和L亚基如何影响其与细胞机器的相互作用	人异聚铁蛋白（heteropolymer ferritin）	分子生物学、结构生物学	未指定（铁代谢相关疾病可能相关）	冷冻电镜（cryo-electron microscopy）、深度学习氨基酸建模	深度学习模型	冷冻电镜图像	未说明	NA	NA	NA	NA
37	2026-07-13	Markerless Motion Capture to Quantify Functional Performance in Neurodegeneration: Systematic Review 2024-08-06, JMIR aging IF:5.0Q1 DOI:10.2196/52582 PMID:39106477	综述	系统综述无标记运动捕捉技术在神经退行性疾病中量化功能表现的应用	首次系统全面地探讨无标记运动捕捉技术使用全身追踪量化痴呆、轻度认知障碍和帕金森病患者的运动与功能表现，并评估其临床潜力	纳入的研究主要集中在步态分析，缺乏对日常生活活动的评估；仅有6项研究进行了与金标准运动捕捉模型的严格对比；临床实用性仍需进一步验证	调查无标记运动捕捉技术在量化神经退行性疾病患者功能表现中的应用情况	痴呆、轻度认知障碍和帕金森病患者	machine learning	痴呆、轻度认知障碍、帕金森病	深度摄像头、标准视频摄像头、手机摄像头	深度学习模型	视频	26项符合条件的研究	NA	NA	NA	NA
38	2026-07-13	Assessment of image quality and diagnostic accuracy for cervical spondylosis using T2w-STIR sequence with a deep learning-based reconstruction approach 2024-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08409-0 PMID:39007984	研究论文	评估基于深度学习重建的T2w-STIR序列在颈椎病MRI中的图像质量和诊断准确性	首次将深度学习重建（DLR）技术应用于3.0T颈椎快速MRI的T2w-STIR序列，显著提升图像质量并缩短扫描时间	NA	探讨深度学习重建处理在3.0T颈椎快速MRI图像中提升图像质量、保持观察者间一致性及提高疾病诊断效能的潜力	71名志愿者的颈椎MRI图像	机器学习	颈椎病	MRI	深度学习重建模型	图像	71名志愿者	NA	NA	质量指标中位数, 观察者间一致性	NA
39	2026-07-07	Extent and Topography of Subretinal Drusenoid Deposits Associate With Rod-Mediated Vision in Aging and AMD: ALSTAR2 Baseline 2024-08-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.10.25 PMID:39163034	研究论文	利用监督深度学习量化视网膜下玻璃疣样沉积物（SDD）面积，并分析其与年龄相关性黄斑变性（AMD）中视杆介导视觉的关系	首次使用监督深度学习对55°宽近红外反射图像进行SDD分割量化，并结合OCT手动校对，系统评估SDD面积与视杆视觉功能及地形分布的关系	未说明	研究SDD负担与视杆介导的暗适应及视网膜光感受器地形分布之间的关联	年龄≥60岁的正常、早期AMD和中期AMD眼睛	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	428人428只眼（正常218眼，早期AMD 120眼，中期AMD 90眼）	NA	卷积神经网络	Dice系数	NA
40	2026-07-06	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	提出了一种基于深度残差批量协调的方法DeepResBat，以解决多数据集MRI数据中的协变量分布差异问题	首次在深度神经网络协调方法中显式考虑协变量分布差异，提出残差框架DeepResBat和coVAE，与ComBat相比能更有效消除数据集差异并增强生物学效果	coVAE可能产生虚假设关联，即使不存在关联也会在解剖MRI与协变量之间产生假阳性	开发一种基于深度学习的协调方法，在消除多数据集间不必要变异的同时保留生物学变量的效果	多数据集MRI数据中的协变量分布差异协调	数字病理学, 机器学习	NA	MRI扫描	条件变分自编码器(cVAE), 条件变分自编码器与残差网络的结合(DeepResBat)	图像（解剖T1扫描图像）	来自三大洲三个数据集的2787名参与者，共10085次解剖T1扫描	PyTorch（推测，基于CBIG库）	cVAE, coVAE, DeepResBat	数据集差异去除效果、生物学效果增强程度（具体指标如相关性、统计显著性等）	NA（未在标题和摘要中明确提及）