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
181	2026-02-08	Evaluation of a deep learning-based pelvic synthetic CT generation technique for MRI-based prostate proton treatment planning 2019-10-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab41af PMID:31487698	研究论文	本研究评估了一种基于深度学习的盆腔合成CT生成技术，用于MRI引导的前列腺质子治疗计划	将密集块最小化集成到3D循环一致性生成对抗网络（cycleGAN）框架中，有效学习MRI与CT对之间的非线性映射	样本量较小（仅17名患者），采用留一法交叉验证，可能限制模型的泛化能力评估	验证深度学习生成的合成CT在前列腺质子束治疗计划中的应用可行性	前列腺癌患者的共配准CT和MRI图像对	数字病理	前列腺癌	MRI, CT成像	GAN	图像	17名患者的共配准CT和MRI图像对	NA	3D cycle-consistent GAN	平均绝对误差, 剂量-体积直方图指标相对差异, 剂量差异百分比, 伽马分析通过率, 绝对最大射程差异, 布拉格峰位移	NA
182	2026-02-08	Gross tumor volume segmentation for head and neck cancer radiotherapy using deep dense multi-modality network 2019-10-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab440d PMID:31514173	研究论文	本研究提出了一种基于深度密集多模态网络的自动GTV分割框架，用于头颈癌放疗中的肿瘤体积勾画	利用多模态PET/CT图像，结合3D密集连接卷积网络，实现了更好的信息传播和特征利用，相比传统方法在分割性能上有所提升	研究仅针对头颈癌患者，未在其他癌症类型上进行验证，且样本量相对有限	开发一种自动、快速且一致的GTV分割方法，以改善头颈癌放疗计划	头颈癌患者的GTV分割	数字病理学	头颈癌	PET/CT成像	CNN	图像	250名头颈癌患者	NA	3D Dense-Net, 3D U-Net	Dice系数, 平均表面距离, 95百分位Hausdorff距离, 质心位移	NA
183	2026-02-08	Three-dimensional convolutional neural networks for simultaneous dual-tracer PET imaging 2019-09-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab3103 PMID:31292287	研究论文	本研究提出了一种基于混合损失引导的深度学习框架，利用三维卷积神经网络直接从正弦图数据实现双示踪剂PET成像的重建与分离	提出了一个直接从正弦图数据重建和分离双示踪剂PET图像的混合损失引导深度学习框架，首次将三维卷积神经网络应用于该任务，并引入了辅助损失层来指导重建过程	研究主要基于蒙特卡洛模拟生成的数据进行验证，未在真实临床数据上进行广泛测试	开发一种能够直接从原始数据重建并分离双示踪剂PET图像的方法，以提高重建精度和临床诊断准确性	双示踪剂正电子发射断层扫描（PET）成像	医学影像分析	NA	正电子发射断层扫描（PET），蒙特卡洛模拟	三维卷积神经网络（3D CNN），深度信念网络（DBN）	正弦图数据，体积图像	通过蒙特卡洛模拟和数据增强生成的足够数据集用于训练和测试	NA	三维卷积神经网络（3D CNN）	偏差，方差，空间分析（不同感兴趣区域），时间分析（不同帧）	NA
184	2026-02-08	Automated 3D ultrasound image analysis for first trimester assessment of fetal health 2019-09-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab3ad1 PMID:31408850	研究论文	本文提出了一种基于深度学习和图像处理的自动化方法，用于支持孕早期胎儿健康评估，包括多个胎儿解剖结构的可视化和测量	首次针对孕早期3D超声图像，开发了自动化评估多个胎儿解剖结构（包括整体分割、标准生物测量视图平面估计、生物测量自动估计及肢体检测）的解决方案，填补了该阶段自动化评估文献的空白	研究样本量较小（共65个3D体积），且仅在一个独立临床数据集上进行了初步评估，可能限制了模型的泛化能力	开发自动化工具以支持孕早期胎儿健康评估，包括确认胎儿存活、估计孕龄及早期检测异常	孕早期胎儿的3D超声图像	数字病理学	NA	3D超声成像	深度学习	3D图像	65个3D超声体积（44个用于构建方法，21个用于独立评估）	NA	NA	NA	NA
185	2026-02-08	DeSpecNet: a CNN-based method for speckle reduction in retinal optical coherence tomography images 2019-09-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab3556 PMID:31342925	研究论文	本文提出了一种基于CNN的视网膜OCT图像散斑降噪方法DeSpecNet	提出了一种新的深度学习网络DeSpecNet，能够从训练数据中学习，无需手动选择噪声等级等参数	NA	减少视网膜光学相干断层扫描图像中的散斑噪声	视网膜OCT图像	计算机视觉	NA	光学相干断层扫描	CNN	图像	NA	NA	DeSpecNet	视觉质量，定量指标	NA
186	2026-02-08	An investigation of quantitative accuracy for deep learning based denoising in oncological PET 2019-08-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab3242 PMID:31307019	研究论文	本研究全面评估了基于深度学习的降噪方法在肿瘤PET成像中对小肺结节定量准确性的影响	首次系统比较了U-net、GAN和CAE等不同网络架构在低剂量PET数据降噪中的定量准确性，并探索了结合CT图像对多通道U-net的潜在改进	研究仅涉及十名患者，样本量较小，且主要关注肺结节，未扩展到其他肿瘤类型或更大规模验证	评估深度学习降噪方法在肿瘤PET成像中保持定量准确性的能力，特别是在低剂量条件下	小肺结节（亚厘米级）的PET图像数据	医学影像分析	肺癌	PET成像	U-net, GAN, CAE	图像	十名患者的PET数据	NA	U-net, GAN, CAE, Residual U-net, 3D U-net, 2D U-net, 2.5D U-net	归一化均方误差, 信噪比, 标准摄取值偏差	NA
187	2026-02-08	MRI-based treatment planning for proton radiotherapy: dosimetric validation of a deep learning-based liver synthetic CT generation method 2019-07-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab25bc PMID:31146267	研究论文	本研究验证了一种基于深度学习的腹部合成CT生成方法在质子放疗计划中的图像质量和剂量学准确性	将密集块集成到3D循环一致性生成对抗网络框架中，以有效学习MRI与CT对之间的非线性映射	样本量较小（21例患者），且仅针对肝脏质子放疗进行验证	验证深度学习生成的合成CT在质子放疗计划中的可行性，以推动仅MRI工作流程的发展	21例患者的共配准CT和MRI图像对	医学影像处理	肝脏疾病	MRI, CT, 质子笔形束治疗计划系统	GAN	图像	21例患者	NA	3D cycle-consistent GAN	平均绝对误差, 剂量体积直方图指标相对差异, 3D伽马分析通过率, 绝对最大射程差异	NA
188	2026-02-08	Deep learning-enabled accurate normalization of reconstruction kernel effects on emphysema quantification in low-dose CT 2019-07-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab28a1 PMID:31185463	研究论文	本研究提出了一种基于深度学习的双步架构，用于标准化低剂量CT中重建核对肺气肿量化的影响	利用深度学习将锐利核CT图像转换为标准核图像，同时修复截断伪影并实现无平滑的像素尺寸标准化	研究仅基于美国国家肺癌筛查试验数据库中的353次扫描，可能未涵盖所有CT扫描仪类型或临床场景	减少CT重建核对肺气肿量化测量的变异性，提高肺密度测量的准确性	低剂量CT扫描图像，特别是来自四种不同CT扫描仪的肺气肿患者数据	计算机视觉	肺气肿	低剂量CT扫描	深度学习	CT图像	353次扫描，来自四种不同CT扫描仪	NA	U-Net	RA950差异百分比, perc15差异HU值, 平均肺密度差异	NA
189	2026-02-08	Incorporating dosimetric features into the prediction of 3D VMAT dose distributions using deep convolutional neural network 2019-06-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab2146 PMID:31082805	研究论文	本研究提出了一种结合剂量学特征和轮廓信息，利用深度卷积神经网络预测3D VMAT剂量分布的方法	在现有基于轮廓信息的剂量预测模型中，首次引入了仅PTV计划的剂量分布作为输入特征，以增强模型的可靠性和准确性	研究样本量较小（60例训练，10例测试），且仅针对前列腺癌患者，可能限制模型的泛化能力	提高IMRT/VMAT计划中剂量分布的预测精度，以优化放疗计划的效率和质量	前列腺癌患者的VMAT放疗计划	数字病理	前列腺癌	VMAT（容积旋转调强放疗）	CNN	图像（CT轮廓和剂量分布图）	60例前列腺癌患者的VMAT计划用于训练，10例用于测试	NA	深度卷积神经网络	剂量差异图、DVH、剂量学终点、绝对残差和（SARs）的统计分析	NA
190	2026-02-08	Development of a deep neural network for generating synthetic dual-energy chest x-ray images with single x-ray exposure 2019-05-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab1cee PMID:31026841	研究论文	本研究开发了一种基于深度学习的算法，用于从单次X射线曝光的胸部X光图像合成双能胸部X光图像，以减少患者辐射暴露	提出了一种改进的U-net架构，利用高频主导信息传播和双能图像的反相关关系来提高预测图像的质量和空间分辨率	训练数据仅包含300对图像，可能限制了模型的泛化能力；未在更广泛的外部数据集上进行验证	开发一种无需额外硬件即可从单次X射线曝光生成高质量双能胸部X光图像的算法	胸部X光图像，包括单能胸部X光图像和双能胸部X光图像	计算机视觉	NA	双能胸部X光成像技术	深度学习	图像	300对训练图像，50张测试图像来自医院，662张公开可用的单能胸部X光图像	NA	改进的U-net	结构相似性指数，调制传递函数，变异系数	NA
191	2026-02-08	Intelligent inverse treatment planning via deep reinforcement learning, a proof-of-principle study in high dose-rate brachytherapy for cervical cancer 2019-05-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab18bf PMID:30978709	研究论文	本研究提出了一种基于深度强化学习的智能逆向治疗计划框架，用于宫颈癌高剂量率近距离放射治疗中的权重调整	首次开发了一种基于训练学习智能、以类人方式调整治疗计划优化中器官权重的工具，不同于现有基于预定义规则的策略	研究为原理验证性研究，仅基于五个测试病例进行验证，样本量较小	开发自动权重调整方法以优化放射治疗逆向计划质量	宫颈癌高剂量率近距离放射治疗（HDRBT）计划	机器学习	宫颈癌	高剂量率近距离放射治疗（HDRBT）	深度强化学习	剂量体积直方图（DVH）	五个测试患者病例	NA	权重调整策略网络（WTPN）	质量评分	NA
192	2026-02-08	Higher SNR PET image prediction using a deep learning model and MRI image 2019-05-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab0dc0 PMID:30844784	研究论文	本文提出了一种使用深度神经网络模型和MRI图像提高PET图像信噪比的方法	提出了一种结合三个改进U-Net的深度神经网络模型，利用MRI图像辅助提升PET图像信噪比，且训练过程中无需高信噪比PET图像	研究基于数字脑模型数据，未在真实临床数据上验证；存在PET与MRI图像配准误差对去噪效果的负面影响	提高PET图像的信噪比，同时加速图像重建过程	数字脑模型（来自BrainWeb）的PET和MRI图像	医学影像处理	NA	滤波反投影重建、最大似然期望最大化重建	深度神经网络	图像	使用BrainWeb数字脑模型数据，具体数量未明确说明	NA	改进的U-Net（3U-net）	均方误差、对比噪声比	NA
193	2026-02-08	Automatic PET cervical tumor segmentation by combining deep learning and anatomic prior 2019-04-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab0b64 PMID:30818303	研究论文	提出了一种结合深度学习与解剖先验知识的监督式机器学习方法，用于自动分割3D FDG PET图像中的宫颈肿瘤	将卷积神经网络（CNN）与宫颈肿瘤的“圆形度”及膀胱与宫颈的相对位置等解剖先验知识相结合，并提出了先验信息约束（PIC）阈值方法	研究仅基于50名宫颈癌患者的PET图像进行评估，样本量相对有限	提高3D FDG PET图像中宫颈肿瘤分割的准确性	宫颈癌患者的3D FDG PET图像	数字病理学	宫颈癌	FDG PET成像	CNN	3D医学图像	50名宫颈癌患者的PET图像	NA	空间信息嵌入CNN模型（S-CNN），并对比了FCN-8 stride, FCN-2 stride, U-net	Dice相似系数（DSC）	NA
194	2026-02-08	Combining many-objective radiomics and 3D convolutional neural network through evidential reasoning to predict lymph node metastasis in head and neck cancer 2019-03-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab083a PMID:30780137	研究论文	本文提出了一种结合多目标放射组学和3D卷积神经网络的混合预测模型，用于预测头颈癌淋巴结转移	提出了一种新的多目标放射组学模型，并与3D-CNN通过证据推理方法融合，充分利用了手工特征和自动学习特征的优势	未明确说明样本来源的多样性或外部验证情况	开发自动预测头颈癌淋巴结转移的模型，以辅助临床诊断	头颈癌患者的PET和CT图像	数字病理	头颈癌	PET, CT	CNN	图像	NA	NA	3D-CNN	准确率	NA
195	2026-02-08	3D radiotherapy dose prediction on head and neck cancer patients with a hierarchically densely connected U-net deep learning architecture 2019-03-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab039b PMID:30703760	研究论文	本文提出了一种基于层次密集连接U-net深度学习架构的3D放疗剂量预测模型，用于头颈癌患者的治疗规划	结合U-net和DenseNet两种流行网络架构，设计了一种新的层次密集连接U-net架构，在剂量预测准确性、参数效率和预测速度方面均优于标准U-net和DenseNet	NA	开发深度学习模型以预测头颈癌患者的3D放疗剂量分布，优化治疗规划过程	头颈癌患者	数字病理	头颈癌	NA	CNN	3D图像	NA	NA	U-net, DenseNet, Hierarchically Densely Connected U-net	剂量均匀性, 剂量适形性, 剂量覆盖率, 危及器官最大剂量误差, 危及器官平均剂量误差	NA
196	2026-02-08	Training improvements for ultrasound beamforming with deep neural networks 2019-02-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aafd50 PMID:30630154	研究论文	本文研究了训练超声深度神经网络波束形成器的实用考虑因素，包括训练策略、超参数设置、噪声鲁棒性、验证损失评估及数据集规模对图像质量的影响	提出使用多点目标响应组合训练DNN波束形成器，并证明模拟图像质量可用于选择DNN波束形成器，同时验证了DNN波束形成对电子噪声的鲁棒性	未具体说明DNN模型架构细节或计算资源需求，且研究主要基于模拟、体模和体内扫描，可能未涵盖所有临床场景	改进超声波束形成技术以提升B模式图像质量	超声图像数据，包括模拟扫描、物理体模扫描和体内扫描	计算机视觉	NA	超声成像	深度神经网络	图像	NA	NA	NA	均方误差验证损失，图像质量评估	NA
197	2026-02-08	Comparing Unet training with three different datasets to correct CBCT images for prostate radiotherapy dose calculations 2019-01-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf496 PMID:30523998	研究论文	本研究比较了使用三种不同数据集训练的Unet模型，用于校正前列腺放疗剂量计算中的锥形束CT图像	首次使用单一Unet架构，通过三种不同数据集（校正CBCT投影、虚拟CT图像切片和参考校正CBCT图像切片）进行训练，并评估其在光子和质子剂量计算中的准确性	研究仅基于42名前列腺癌患者的数据，样本量有限，且未在更广泛的患者群体或不同癌症类型中进行验证	评估基于深度学习的CBCT图像强度校正方法，以提高前列腺放疗中光子和质子剂量计算的准确性	42名前列腺癌患者的CT和CBCT成像数据	数字病理学	前列腺癌	锥形束CT成像，可变形图像配准，深度学习校正	CNN	图像	42名前列腺癌患者	NA	U-Net	平均误差，平均绝对误差，剂量差异通过率，Gamma评估	NA
198	2026-02-08	Tumor co-segmentation in PET/CT using multi-modality fully convolutional neural network 2018-12-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf44b PMID:30523964	研究论文	提出了一种基于3D全卷积神经网络的多模态肿瘤协同分割方法，用于PET/CT图像中的肿瘤分割	设计了一种多任务训练模块和特征融合模块，能够同时利用PET和CT信息进行肿瘤分割，相比单模态方法和其他协同分割方法取得了显著性能提升	研究仅基于84名肺癌患者的临床PET/CT数据集进行验证，样本规模相对有限	开发一种自动肿瘤分割方法，以辅助癌症诊断和治疗	肺癌患者的PET/CT图像	数字病理学	肺癌	PET/CT扫描	CNN, FCN	图像	84名肺癌患者	NA	3D全卷积神经网络, V-net, W-net	NA	NA
199	2026-02-07	Automated extraction of fluoropyrimidine treatment and treatment-related toxicities from clinical notes using natural language processing 2026-Apr-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106276 PMID:41534241	研究论文	本研究开发并评估了多种自然语言处理方法，用于从临床笔记中自动提取氟嘧啶治疗及其相关毒性信息	首次系统比较了基于规则、机器学习、深度学习及大语言模型（包括零样本和错误分析提示）的NLP方法在提取氟嘧啶治疗和毒性信息上的性能，并发现基于大语言模型的错误分析提示方法效果最优	机器学习和深度学习方法受限于训练数据规模较小，泛化能力有限，尤其是在罕见类别上表现不佳	开发并评估自然语言处理方法，以自动化地从临床笔记中提取氟嘧啶治疗和毒性信息，支持肿瘤学研究和药物警戒	204,165名成年肿瘤患者的236份临床笔记	自然语言处理	结直肠癌, 乳腺癌	自然语言处理	Random Forest, Support Vector Machine, Logistic Regression, BERT, ClinicalBERT, 大语言模型	文本	236份临床笔记（来自204,165名患者）	NA	BERT, ClinicalBERT	精确率, 召回率, F1分数	NA
200	2026-02-07	Deep belief Markov models for POMDP inference 2026-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108386 PMID:41386156	研究论文	本文提出了一种名为深度信念马尔可夫模型的新型深度学习架构，用于在部分可观测马尔可夫决策过程中进行高效、模型形式无关的推理	将深度马尔可夫模型扩展到部分可观测决策框架，通过变分推理方法实现完全基于观测数据的高效信念推理，并能推断和模拟系统动力学中的非线性关系	未明确说明模型在极端高维或复杂动态环境中的计算效率边界，也未讨论对特定先验知识的依赖程度	解决部分可观测马尔可夫决策过程中的高效推理问题，特别是在复杂、高维、部分可观测环境中	部分可观测马尔可夫决策过程	机器学习	NA	变分推理	深度信念马尔可夫模型	观测数据	NA	NA	深度信念马尔可夫模型	NA	NA