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
601	2026-04-24	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估基于双参数MRI的深度学习模型用于前列腺癌风险分层并优化扫描方案选择	提出一种深度学习模型根据个体风险推荐使用双参数或多参数MRI方案，实现MRI资源优化利用，并在实时临床工作流中验证	未提及具体局限性	开发和评估基于bpMRI的深度学习模型用于分类临床显著前列腺癌，并评估其优化MRI协议选择的能力	前列腺MRI影像	计算机视觉	前列腺癌	MRI	CNN	图像	训练验证26129例，回顾性队列151例，前瞻性队列142例	NA	3D ResNet-50	AUC	NA
602	2026-04-24	Integrating artificial intelligence into orthopedics: Opportunities, challenges, and future directions 2025-Jul, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2025.100257 PMID:40395968	综述	综述人工智能在骨科中的应用，包括诊断准确性、手术规划优化和个性化治疗等方面的机遇与挑战	系统评估AI在骨科多个领域（如骨折检测、关节重建、脊柱手术和康复）的应用效果，并提出了未来多中心临床试验和数据协议优化的方向	存在数据标准化和临床验证不足等挑战	评估AI在骨科中的应用潜力及其对患者护理的影响	骨科相关的AI应用研究，包括骨折检测、治疗规划、关节重建、脊柱手术和康复	机器学习	骨科疾病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
603	2026-04-24	PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model 2025-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70110 PMID:40260988	研究论文	提出一个基于扩散模型的集成框架PackPPI，用于蛋白质-蛋白质复合物侧链包装和ΔΔG预测	首次将扩散模型与近端优化算法结合，统一处理蛋白质复合体的侧链包装和突变效应预测两大任务	未在摘要中提及明显的限制	开发一个鲁棒且通用的计算工具，提升蛋白质复合体的侧链构象预测和结合亲和力变化预测性能	蛋白质-蛋白质复合体及其侧链包装和突变引起的结合亲和力变化	机器学习	NA	扩散模型、近端优化算法	扩散模型	蛋白质结构数据	CASP15数据集和SKEMPI v2.0数据集	PyTorch	扩散模型	原子RMSD、低能量景观	未在摘要中提及
604	2026-04-24	An end-to-end neural network for 4D cardiac CT reconstruction using single-beat scans 2025-Apr-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adcafb PMID:40203865	研究论文	提出了一种基于深度学习的端到端重建框架，用于单次心跳快速CT扫描的动态心脏成像，以减少运动伪影	首次采用端到端方式结合去噪与配准网络，仅利用单周期扫描数据实现运动补偿重建，无需心率限制	研究基于模拟投影数据，未在真实临床数据上验证，且30名患者样本量有限，可能影响泛化能力	开发一种减少心脏CT运动伪影的深度学习方法，提升动态成像质量	心脏CT图像中的运动伪影矫正与冠状动脉等关键结构恢复	医学影像	心脏疾病	心脏CT成像	神经网络	CT投影数据	30名真实患者的模拟投影数据，外部机构模拟数据集和XCAT生成连续体模	NA	去噪网络、配准网络	结构相似性（SSIM）、峰值信噪比（PSNR）、均方根误差（RMSE）、Dice相似系数	NA
605	2026-04-24	The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance 2025-03, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.10.070 PMID:39522568	研究论文	本研究比较了自动测量的动脉瘤囊体积与最大直径在评估腹主动脉瘤腔内修复术后囊行为方面的差异	首次系统评估基于深度学习的自动体积测量在EVAR术后监测中相比传统直径测量的额外临床价值	样本量较小（89例），且为回顾性研究，需要更大规模研究验证	探讨EVAR术后自动动脉瘤囊体积测量是否能提供比直径测量更细致的囊行为信息	接受标准或开窗EVAR治疗的腹主动脉瘤患者	数字病理学	腹主动脉瘤	CTA	深度学习	影像	89例患者（标准EVAR 46例，开窗EVAR 43例）	NA	NA	t检验，χ2检验或Fisher检验	NA
606	2026-04-24	Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024506 PMID:40276097	研究论文	评估不同降维方法对三维因果深度学习模型生成反事实神经影像的影响	首次系统比较多种降维技术（2D PCA、2.5D PCA、3D PCA、自编码器和VQ-VAE）在三维因果深度学习生成反事实医学影像中的应用效果	仅评估了年龄和性别两个变量变化，未考虑其他临床相关变量；降维方法可能丢失部分空间信息影响生成图像质量	比较不同降维方法对因果深度学习模型生成反事实神经影像的影响，确定最优降维策略	三维脑部医学影像（23,692张）	计算机视觉, 数字病理学	NA	因果深度学习, 正态化流, 主成分分析(PCA), 自编码器, 向量量化变分自编码器(VQ-VAE)	卷积神经网络（CNN）	三维图像	23,692张三维脑部MRI图像	NA	CNN	平均绝对误差(MAE), 分类准确率(Accuracy)	NA
607	2026-04-24	BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533696 PMID:36993540	研究论文	介绍了一种用于婴儿MRI脑图像分割的深度学习网络BIBSNet，该模型通过数据增强和大量手动标注图像实现鲁棒且可泛化的分割	提出开源社区驱动模型BIBSNet，结合真实手动标注和SynthSeg合成图像训练，分割速度比联合标签融合快600倍，输出与FreeSurfer兼容的分割标签	NA	开发一种适用于0-8个月婴儿大脑MR图像的可泛化分割方法，支持典型和非典型脑发育研究	从90名0-8月龄参与者采集的MR脑图像（中位年龄4.6个月）	计算机视觉, 数字病理学	NA	MRI扫描	深度学习神经网络	医学图像（MRI）	90名参与者	NA	BIBSNet	Dice相似系数, 皮质厚度, 静息态连接性, 脑区体积	NA
608	2026-04-24	Enhanced Detection of Colon Diseases via a Fused Deep Learning Model with an Auxiliary Fusion Layer and Residual Blocks on Endoscopic Images 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056353246241209060804 PMID:39757657	研究论文	提出一种融合深度学习模型，结合辅助融合层和残差模块，利用内窥镜图像增强结肠疾病的检测能力	提出融合多个预训练骨干网络（EfficientNetB0、MobileNetV2、ResNet50V2）并创新引入辅助融合层和融合残差块，通过特征融合与残差学习缓解梯度消失问题，提升分类准确性和鲁棒性	未提及具体局限性	提升内窥镜图像中结肠疾病的自动检测与分类准确率	内窥镜图像中的结肠病变（如胃肠道异常）	计算机视觉	结肠疾病	NA	CNN	图像	大范围内窥镜图像数据集（具体数量未明确）	NA	EfficientNetB0, MobileNetV2, ResNet50V2	分类准确率, 鲁棒性（具体指标未明确）	NA
609	2026-04-24	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	利用光子计数CT和深度学习分割技术，研究运动如何通过APOE基因型和免疫依赖机制减轻高脂饮食诱导的小鼠心脏功能障碍	首次结合光子计数CT和深度学习分割技术，在APOE基因靶向替换小鼠中系统研究运动、饮食与APOE基因型及免疫反应的交互作用对心脏功能的影响	未提供具体的模型性能指标和计算资源信息	探讨运动对高脂饮食诱导的心脏功能障碍的保护作用及其与APOE基因型和免疫反应的依赖机制	APOE2、APOE3和APOE4基因型的人源化APOE靶向替换小鼠，包括不同性别、运动状态、饮食和NOS2介导的先天免疫反应状态	数字病理学	心血管疾病	光子计数CT成像、深度学习图像分割	3D U-Net	图像	251只成年小鼠	NA	3D U-Net	NA	NA
610	2026-04-24	Octascope: A Lightweight Pre-Trained Model for Optical Coherence Tomography 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3595838 PMID:40874077	研究论文	开发了一种轻量级域特定卷积神经网络模型Octascope，用于光学相干断层扫描图像分析	采用课程学习策略，先在自然图像（ImageNet）上预训练，再在视网膜、腹部和肾脏组织的OCT图像上训练，实现多领域迁移；相比Transformer模型RETFound，推理速度快2至4.4倍且预测精度略高	NA	解决OCT图像分析中训练数据有限和实时应用高推理延迟的挑战	OCT图像（视网膜、腹部、肾脏组织）以及硬膜外组织检测和视网膜诊断两个下游任务	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	NA	NA	Octascope	准确率	NA
611	2026-04-24	Global Research Landscape of Artificial Intelligence in Urology: A Systematic Analysis of Emerging Trends, Clinical Impact, and Collaborative Networks (1971-2024) 2025, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.39.156 PMID:42021824	综述	对1971年至2024年人工智能在泌尿外科领域的研究进行全面系统分析，涵盖发展趋势、临床影响和国际合作网络	首次系统梳理AI在泌尿外科领域50多年的研究演变，揭示从基础机器学习到先进临床工具的转变趋势，并特别关注深度学习在泌尿系统癌症检测中的应用	仅纳入英文文献，可能遗漏非英语国家的重要研究；数据库仅限Scopus，可能存在出版偏差	系统分析人工智能在泌尿外科领域的研究演变、临床影响和合作网络，为未来发展方向提供见解	1971年至2024年发表的5755篇AI相关泌尿外科文献，包括5109篇原创文章和646篇综述	自然语言处理, 机器学习	前列腺癌, 泌尿系统癌症, 慢性肾病	深度学习, 机器学习	深度学习模型	文献元数据, 图像	5755篇文献，包括5109篇原创文章和646篇综述	VOSviewer, GraphPad Prism, Data Wrapper	NA	文献数量, 被引次数, 合作网络强度	NA
612	2026-04-23	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过回顾理论、实验室实验和比较野生祖先与驯化后代的基因组重组率数据，探讨了驯化过程对基因组重组率的影响	利用种群测序数据和深度学习方法推断鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的基因组重组率，提供了新的比较证据	研究结果在鸡中呈现混合结果，绵羊中重组率普遍下降，未能一致支持驯化导致基因组重组率增加的假设	验证驯化是否间接选择导致基因组重组率增加的理论假设	驯化动物（鸡、绵羊、山羊）及其野生祖先（红原鸡、摩弗伦羊、野山羊）	机器学习	NA	种群测序	深度学习	基因组序列数据	NA	NA	NA	NA	NA
613	2026-04-23	Prediction of real-time cine-MR images during MRI-guided radiotherapy of liver cancer using a GAN-ConvLSTM network 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17609 PMID:39755123	研究论文	本研究提出了一种改进的生成对抗网络（GAN），用于实时预测肝癌症患者放疗过程中的实时电影磁共振（cine-MR）图像	将pix2pix GAN的生成器替换为卷积长短期记忆（ConvLSTM），以预测未来五帧图像，相比现有先进网络（ConvLSTM、E3D-LSTM、SwinLSTM）在多项指标上表现更优	样本量较小（仅15名患者），且为个性化模型训练，可能限制泛化能力	通过深度学习预测实时电影磁共振图像，以补偿放疗系统中的系统延迟，提高肝癌症放疗的精准性	肝癌症患者	计算机视觉	肝癌	电影磁共振成像	GAN, ConvLSTM	图像	15名肝癌症患者的电影磁共振图像序列，每名患者300帧图像	NA	pix2pix GAN, ConvLSTM	峰值信噪比, 结构相似性指数, 视觉信息保真度, 皮尔逊相关系数, 呼吸运动精度	NA
614	2026-04-23	Segmentation of coronary artery and calcification using prior knowledge based deep learning framework 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17642 PMID:39878608	研究论文	本研究提出了一种基于先验知识的深度学习框架，用于冠状动脉和钙化的分割，并探索了分割结果对旋磨术的预测能力	整合冠状动脉和钙化的解剖先验知识到深度学习分割框架中，通过变分自编码器中心线提取、自注意力、逻辑操作和分割模块提升分割准确性和稳定性	研究样本量较小（72名患者），可能限制模型的泛化能力；未详细讨论计算资源需求或框架在其他数据集上的性能	提高冠状动脉和钙化在CTA图像中的分割准确性，并基于分割结果预测旋磨术的必要性	冠状动脉和钙化区域	数字病理学	心血管疾病	计算机断层扫描血管造影（CTA）	深度学习框架	3D CTA图像	72名患者的CTA图像数据集	NA	变分自编码器（VAE），自注意力模块	分割准确性，预测准确性	NA
615	2026-04-23	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	本文提出了一种用于超声图像中乳腺病灶分割的多级感知边界引导网络（PBNet），旨在提升对与正常组织强度相似的非增强病灶的边界分割精度	提出了一种新颖的多级感知边界引导网络（PBNet），该网络包含多级全局感知模块（MGPM）和边界引导模块（BGM），并引入了多级边界增强分割损失（BS损失），以增强对非增强肿瘤的识别和边界分割	效应量小于0.2，表明性能提升的幅度相对较小	从超声图像中准确分割乳腺肿瘤，特别是提升对与正常组织强度相似的非增强病灶的边界分割精度	超声图像中的乳腺病灶	计算机视觉	乳腺癌	超声成像	CNN	图像	两个数据集：公开数据集BUSI（780张图像）和内部数据集（995张图像）	NA	PBNet（包含多级全局感知模块MGPM和边界引导模块BGM）	Dice分数, Jaccard系数, Hausdorff距离, 敏感性, 特异性	NA
616	2026-04-23	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	本文开发了一种基于条件生成对抗网络（GAN）的2D到3D磁共振（MR）体积重建模型，通过患者和分次特定的微调工作流，利用正交2D MR图像重建合成3D MR体积，用于在线剂量适应	提出了一种患者和分次特定的微调工作流，结合条件GAN模型，能够在有限数据条件下有效重建3D MR体积，显著提升了图像质量和几何精度	研究样本量相对较小（43名患者），且仅基于单一成像协议，可能限制了模型的泛化能力	开发一种个性化深度学习模型，用于从正交2D MR图像重建3D MR体积，以支持在线剂量适应	前列腺癌患者在接受MR引导的自适应放疗过程中的MR图像	医学影像分析	前列腺癌	磁共振成像（MRI）	GAN	图像	43名患者的2473个3D MR体积	NA	条件生成对抗网络（GAN）	SSIM, PSNR, RMSE, MAE, Dice相似系数（DSC）, Hausdorff距离（HD）	NA
617	2026-04-23	Neural architecture search with Deep Radon Prior for sparse-view CT image reconstruction 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17685 PMID:39930320	研究论文	本文提出了一种名为NAS-DRP的无监督深度学习方法，用于稀疏视图CT图像重建，通过结合深度Radon先验和神经架构搜索来优化网络结构	首次将神经架构搜索与深度Radon先验结合，用于无监督CT图像重建，自动优化上采样单元的网络结构，提高了重建图像的细节和准确性	方法依赖于无监督学习，可能缺乏与有监督方法相比的配对数据优势，且神经架构搜索过程可能计算成本较高	改进稀疏视图CT图像重建，减少辐射暴露并提升图像质量	稀疏视图CT图像	计算机视觉	NA	CT扫描	编码器-解码器网络, RNN	图像	NA	NA	NAS-DRP	PSNR, SSIM, LPIPS	NA
618	2026-04-23	Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17673 PMID:39935217	研究论文	本文提出了一种基于深度学习的3D网络，用于从患者数据直接预测VMAT放疗计划中的注量图，以加速治疗规划过程	开发了一种新颖的3D网络架构，能够一次性预测单弧VMAT计划中180个控制点对应的所有注量图，并通过预处理将3D剂量图投影到BEV视图以辅助网络学习	研究主要基于模拟生成的VMAT计划数据，可能未完全覆盖临床实际病例的多样性；网络性能在真实临床环境中的泛化能力有待进一步验证	加速VMAT放疗计划制定过程，通过快速预测注量图来替代传统耗时的迭代优化流程	VMAT放疗计划中的注量图预测	医学影像分析	癌症	深度学习	3D卷积神经网络	3D剂量图、注量图	超过2000个VMAT计划（使用Eclipse生成并结合REQUITE数据集）	未明确提及	3D网络（具体架构未命名，对比了U-Net）	PSNR, SSIM, 剂量体积直方图(DVH)	未明确提及
619	2026-04-23	A deep learning-based peer review method for radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17686 PMID:39935240	研究论文	本研究开发了一种基于深度学习的放疗计划同行评审方法，利用患者解剖信息进行个性化质量控制	结合深度学习剂量预测和统计模型，为放疗计划提供个性化质量控制，替代传统主观评估方法	模型训练样本量较小（139例），仅针对鼻咽癌患者，可能限制泛化能力	开发基于患者解剖信息的放疗计划个性化质量控制方法	鼻咽癌患者的放疗计划	数字病理	鼻咽癌	深度学习剂量预测	CNN	3D剂量分布图像	139例鼻咽癌患者（95训练，20验证，24测试），另加29个临床治疗计划用于同行评审	NA	UNet	平均体素剂量差异	NA
620	2026-04-23	Lesion segmentation method for multiple types of liver cancer based on balanced dice loss 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17624 PMID:39945728	研究论文	本文提出了一种基于平衡Dice损失（BD Loss）的肝癌症病灶分割方法，用于解决多类型肝癌症分割中的数据不平衡问题	提出了一种平衡Dice损失函数（BD Loss），结合贪婪参数平均算法（GPA算法）和模型集成及后处理方法，实现了多类型肝癌症的平衡准确分割	研究基于单一医疗中心的回顾性数据，可能限制了模型的泛化能力，且未详细讨论计算资源需求	开发一种能够准确分割多类型肝癌症的深度学习方法，以辅助临床诊断和治疗	恶性肝肿瘤患者的CT筛查图像及肿瘤分割标注	数字病理学	肝癌	CT成像	深度学习模型	图像	591名患者的CT图像	NA	NA	Dice per case（DPC）	NA