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
201	2025-12-20	Uncertainty-guided cross learning via CNN and transformer for semi-supervised honeycomb lung lesion segmentation 2023-12-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0eb2 PMID:37988756	研究论文	提出一种基于不确定性引导的交叉学习半监督方法，用于蜂窝肺病灶分割	结合CNN和Transformer进行交叉学习，利用认知不确定性指导模型学习高置信度区域的像素信息，并最小化错误伪标签的影响	未明确说明方法在其他类型医学图像或数据集上的泛化能力	提高有限标注条件下医学图像分割的性能	蜂窝肺CT图像	数字病理学	肺病	CT成像	CNN, Transformer	图像	NA	NA	NA	Dice系数	NA
202	2025-12-20	Semi-supervised contrast learning-based segmentation of choroidal vessel in optical coherence tomography images 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0d42 PMID:37972415	研究论文	提出了一种基于学生-教师模型的半监督对比学习框架SSCR，用于从光学相干断层扫描图像中分割脉络膜血管	结合不确定性感知自集成和变换一致性技术增强分割结果，设计了非对称编码器-解码器网络APP-SFR，融合局部与全局注意力信息，并引入边界修复模块优化分割边界	未明确说明数据标注的具体挑战或模型在更广泛数据集上的泛化能力	开发一种半监督学习方法，以更少标注数据实现脉络膜血管的精确分割，支持眼科疾病的定量分析和治疗计划制定	光学相干断层扫描图像中的脉络膜血管	计算机视觉	眼科疾病	光学相干断层扫描	CNN, Transformer	图像	三个数据集：ChorVessel数据集（400张OCT图像）、Meibomian Glands数据集（400张图像）、U2OS细胞核数据集（200张图像）	NA	U-Net, Pyramid Pooling SegFormer	Dice系数	NA
203	2025-12-20	Axial super-resolution optical coherence tomography via complex-valued network 2023-12-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0997 PMID:37922558	研究论文	本研究提出了一种基于复值网络的轴向超分辨率光学相干层析成像方法，旨在提升OCT图像的轴向分辨率	首次将复值网络应用于OCT轴向超分辨率成像，充分利用OCT信号的幅度和相位信息，相比实值网络展现出更优的深度分辨能力	未明确说明方法在临床环境中的验证情况或对计算资源的具体需求	通过深度学习技术提升光学相干层析成像的轴向分辨率，以降低对宽带光源的依赖	光学相干层析成像信号及其生成的生物组织横截面图像	计算机视觉	NA	光学相干层析成像	复值网络	图像	三个OCT数据集	NA	CVSR-Net	深度分辨能力	NA
204	2025-12-20	Feature selection based on unsupervised clustering evaluation for predicting neoadjuvant chemoradiation response for patients with locally advanced rectal cancer 2023-12-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0d46 PMID:37972413	研究论文	本文提出了一种基于无监督聚类评估的特征选择方法，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	设计了具有可切换3D和2D卷积核的CNN特征提取器，并开发了一种基于无监督聚类的评估方法，以优化CNN特征与影像组学特征组合的特征选择过程，降低了计算成本	样本量较小（仅43名患者），可能影响模型的泛化能力	预测局部晚期直肠癌患者对新辅助放化疗的治疗反应，以实现个性化癌症治疗	局部晚期直肠癌患者	计算机视觉	直肠癌	多模态磁共振成像	CNN	图像	43名局部晚期直肠癌患者	NA	具有可切换3D和2D卷积核的CNN	准确率, AUC, 灵敏度, 特异性	NA
205	2025-12-20	Non-linear modifications enhance prediction of pathological response to pre-operative PD-1 blockade in lung cancer: A longitudinal hybrid radiological model 2023-12, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2023.106992 PMID:37977237	研究论文	本研究开发了一种结合放射组学和深度学习的动态混合模型，用于预测肺癌患者术前PD-1阻断治疗后的主要病理缓解	通过融合基于时间间隔内经典放射组学指标斜率的delta放射组学特征，以及从基线和随访图像减影中提取的深度学习特征，并引入非线性动态修正，增强了预测能力	未明确说明样本量是否足够大以覆盖所有肺癌亚型，且模型依赖于图像配准质量，可能受配准误差影响	预测肺癌患者术前PD-1阻断治疗后的主要病理缓解（MPR）	接受术前PD-1阻断治疗的肺癌患者	数字病理学	肺癌	放射组学、深度学习、图像配准	深度学习（DL）	医学影像（如CT扫描）	NA	NA	NA	AUC	NA
206	2025-12-20	Self-supervised enhanced thyroid nodule detection in ultrasound examination video sequences with multi-perspective evaluation 2023-11-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092a PMID:37918343	研究论文	本文提出了一种基于视频的深度学习模型，用于甲状腺结节的实时检测，通过相邻帧感知和自监督学习提升性能	将甲状腺结节检测从基于图像扩展到基于视频，利用超声视频中的时间上下文信息，并引入相邻帧感知（AFP）和补丁尺度自监督模型（PASS）以应对超声图像低信噪比和低组织对比度的挑战	未明确提及，但可能包括数据集规模有限、模型泛化能力未在外部验证中测试	开发一种准确且实时的甲状腺结节检测方法，以克服超声图像的低信噪比和组织对比度问题	甲状腺结节	计算机视觉	甲状腺结节	超声检查	深度学习模型	视频序列	92个视频（包含23,773帧），其中60个标注视频（包含16,694帧）用于训练和评估	NA	相邻帧感知（AFP）模型，补丁尺度自监督模型（PASS）	AP@50（平均精度，交并比阈值为50%），平滑精确率-召回率曲线下面积	NA
207	2025-12-20	Atypical architectural distortion detection in digital breast tomosynthesis: a multi-view computer-aided detection model with ipsilateral learning 2023-11-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092b PMID:37918341	研究论文	本文提出了一种基于解剖结构的多视图信息融合方法，用于数字乳腺断层合成图像中非典型结构扭曲的计算机辅助检测	利用同侧视图间的解剖结构信息，通过孪生网络架构和三重模块融合多视图信息，显著提升了非典型结构扭曲的检测性能	未明确说明模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际应用限制	开发一种计算机辅助检测模型，以提高数字乳腺断层合成图像中非典型结构扭曲的检测准确率	数字乳腺断层合成图像中的乳腺结构扭曲，特别是缺乏明显放射状外观的非典型病例	计算机视觉	乳腺癌	数字乳腺断层合成	孪生网络	图像	NA	NA	孪生网络	平均真阳性分数, 每体积假阳性数, 80%灵敏度下的假阳性数	NA
208	2025-12-20	Deep learning based MLC aperture and monitor unit prediction as a warm start for breast VMAT optimisation 2023-11-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad07f6 PMID:37903442	研究论文	本文提出了一种基于深度学习的直接预测乳腺VMAT治疗中MLC孔径和MU的方法，并将其作为优化器的初始化，以缩短治疗计划时间	首次使用深度学习直接从患者解剖结构预测VMAT的MLC孔径和MU，作为优化器的“热启动”，而非传统的两步法（先预测剂量分布再转换为治疗计划）	研究仅针对右侧乳腺癌患者，样本量相对有限（148例），且未明确说明模型在其他癌症类型或解剖部位的泛化能力	开发一种自动化治疗计划方法，以缩短容积旋转调强放疗（VMAT）计划的优化时间	右侧乳腺癌患者的治疗计划	医学影像分析	乳腺癌	容积旋转调强放疗（VMAT）、CT影像投影	CNN	医学影像（CT投影图像及轮廓）	148名患者（训练集101例，验证集23例，测试集24例）	NA	U-Net	剂量差异（Gy）、计算时间	NA
209	2025-12-20	Applications of machine learning and deep learning in SPECT and PET imaging: General overview, challenges and future prospects 2023-11, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2023.106984 PMID:37940064	综述	本文全面回顾了机器学习和深度学习在SPECT和PET成像中的应用、挑战及未来前景	系统整合了ML和DL在核医学成像中的多种应用，并探讨了数据标准化、可解释AI等前沿挑战与机遇	NA	概述机器学习和深度学习在SPECT和PET成像领域的应用现状与未来发展方向	SPECT和PET成像技术及其与ML/DL结合的临床应用	机器学习, 数字病理	NA	SPECT, PET	深度学习模型	成像数据	NA	NA	NA	NA	NA
210	2025-12-20	Rapid prediction of lab-grown tissue properties using deep learning 2023-10-19, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/ad0019 PMID:37793414	研究论文	本文提出了一种使用深度学习快速预测实验室培养组织特性的方法，通过机器学习工具预测细胞与细胞外基质相互作用在组织自组织中的作用	首次将pix2pix深度学习模型应用于细胞-基质相互作用的模拟数据，以预测水凝胶中组织自组织行为，相比传统生物物理方法显著提高了预测速度	研究基于模拟数据而非真实实验数据，且模型在未见过的案例上仅测试了100个样本，可能限制了其泛化能力	开发一种高效预测细胞-基质相互作用对组织自组织影响的方法，以促进药物测试、再生医学和基础生物学研究中的模具设计	细胞负载水凝胶在固定模具中的自组织行为	机器学习	NA	生物物理模拟（收缩网络偶极取向模型）	GAN	模拟数据	6400个训练案例，100个测试案例	NA	pix2pix	NA	NA
211	2025-12-20	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-10-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf1 PMID:37757838	研究论文	提出一种无需参考图像的超分辨率统计隐式神经表示框架，用于生物医学成像	通过最大似然估计建模低分辨率图像的统计特性，并利用隐式神经表示网络作为连续空间函数生成任意尺度的高分辨率图像，无需大量成对训练数据	仅使用有限数量的低分辨率图像进行验证，可能在大规模或复杂场景下泛化能力有待进一步测试	解决生物医学成像中因缺乏高分辨率参考图像而难以应用监督深度学习的超分辨率问题	计算机断层扫描（CT）、磁共振成像（MRI）、荧光显微镜和超声图像	计算机视觉	NA	超分辨率成像	隐式神经表示（INR）	图像	每个超分辨率任务使用有限数量的低分辨率图像	NA	基于坐标的多层感知机	NA	NA
212	2025-12-20	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-07-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	本研究提出了一种结合深度学习与可变形图像配准的混合方法，用于从腹部/骨盆锥形束CT生成合成CT，以改进质子射程估计	提出了一种新颖的混合方法，将无监督深度学习（CycleGAN）与可变形图像配准（DIR）相结合，分别处理几何加权（高频）和强度加权（低频）分量，并通过迭代反馈机制优化合成CT，特别是在含肠气区域	研究样本量相对较小（81名儿科患者），且仅针对腹部/骨盆区域，方法在存在肠气口袋的质子束路径中的普适性有待进一步验证	开发一种从锥形束CT（CBCT）生成合成CT（sCT）的方法，以促进质子治疗中射程的准确估计，特别是在存在肠气口袋的情况下	81名儿科患者的锥形束CT（CBCT）、同日重复CT和计划CT（pCT）图像	医学影像分析	NA	锥形束CT（CBCT）、可变形图像配准（DIR）	生成对抗网络（GAN）	医学影像（CT图像）	81名儿科患者（60名训练，6名验证，15名测试）	NA	CycleGAN	平均绝对误差（HU）、Dice相似系数、伽马通过率、质子射程误差（80%远端跌落处的第90百分位误差）	NA
213	2025-12-20	Deep learning enhanced ultra-fast SPECT/CT bone scan in patients with suspected malignancy: quantitative assessment and clinical performance 2023-06-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acddc6 PMID:37307847	研究论文	本研究评估了深度学习增强的超快SPECT/CT骨扫描在疑似恶性肿瘤患者中的临床性能	将深度学习应用于3分钟SPECT扫描，生成算法增强图像，在仅1/7采集时间内达到与标准20分钟SPECT/CT相当的图像质量和诊断价值	样本量相对较小（102例），且为单中心前瞻性研究	评估深度学习增强超快SPECT/CT骨扫描的临床诊断性能	102例疑似恶性肿瘤患者	数字病理学	恶性肿瘤	SPECT/CT骨扫描	深度学习模型	医学影像（SPECT/CT图像）	102例患者	NA	NA	灵敏度, 特异性, 准确性, 组内相关系数, 峰值信噪比, 结构相似性指数, SUV最大值	NA
214	2025-12-20	Dynamic low-count PET image reconstruction using spatio-temporal primal dual network 2023-06-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acde3e PMID:37311469	研究论文	提出一种用于动态低计数PET图像重建的时空原始对偶网络（STPDnet）	将时空相关性同时编码到基于模型的深度学习框架中，克服了现有方法主要关注空间域而忽略时间域的局限	未明确提及模型在更广泛临床数据集上的泛化能力或计算效率的详细分析	解决动态低计数PET图像重建的挑战，提升图像质量	动态PET图像	医学影像分析	癌症	动态正电子发射断层扫描（PET）成像	基于模型的深度学习	动态PET图像序列	模拟数据和真实大鼠扫描数据	NA	时空原始对偶网络（STPDnet）	噪声降低，重建性能	NA
215	2025-12-20	End-to-end deep learning for recognition of ploidy status using time-lapse videos 2021-Jul, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-021-02228-8 PMID:34021832	研究论文	本研究开发了一种端到端深度学习模型，利用原始延时视频识别胚胎的倍性状态	首次提出使用端到端深度学习模型直接从原始延时视频中预测胚胎倍性状态，无需人工特征提取	研究为回顾性设计，样本量相对较小，未来需要更大规模数据和前瞻性验证	通过深度学习自动识别胚胎的倍性状态，辅助胚胎植入前遗传学检测	人类胚胎的延时视频	计算机视觉	生殖健康	延时视频成像，胚胎植入前遗传学检测（PGT-A）	深度学习模型	视频	690组延时视频图像，其中138个用于测试	NA	NA	AUC	NA
216	2025-12-19	SynSeg: A synthetic data-driven approach for robust subcellular structure segmentation 2026-Mar-02, The Journal of cell biology IF:7.4Q1 DOI:10.1083/jcb.202506096 PMID:41410685	研究论文	本文提出了一种名为SynSeg的合成数据驱动方法，用于鲁棒地分割亚细胞结构，无需人工标注	开发了基于合成训练数据的U-Net模型分割流程，通过生成具有多样强度、形态和信号分布的合成数据集来替代耗时且可能存在偏差的人工标注	未明确说明合成数据与真实数据之间的域适应挑战或模型在未见过的细胞类型上的泛化能力限制	开发一种无需人工标注的鲁棒亚细胞结构分割方法，以促进定量细胞生物学研究	细胞和活体秀丽隐杆线虫中的囊泡、细胞骨架细丝以及疾病相关的微管形态	数字病理学	神经退行性疾病	合成数据生成	CNN	图像	NA	NA	U-Net	NA	NA
217	2025-12-19	Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review 2026-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70048 PMID:40682357	综述	本文是一篇叙述性综述，探讨了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用	聚焦于AI在MRI影像中用于指导HCC个体化治疗策略的应用，特别是治疗前预测治疗反应和预后的AI工具	模型泛化性、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合	探讨人工智能在肝细胞癌个体化治疗策略中的应用，以支持精准临床决策	肝细胞癌患者	数字病理学	肝细胞癌	磁共振成像	NA	影像	NA	NA	NA	NA	NA
218	2025-12-19	Improving genomic selection accuracy using a dual-path convolutional neural network framework: a terpenoid case study 2026-Jan, The New phytologist DOI:10.1111/nph.70727 PMID:41229065	研究论文	本研究通过整合全基因组重测序数据和代谢物定量分析，开发了一种基于双路径卷积神经网络的基因组选择模型，用于提高山鸡椒中萜类化合物合成的预测精度	提出了PKDP深度学习模型，该模型通过并行路径分别提取GWAS识别位点和全基因组标记的特征，并将先验知识与广泛基因组信息融合，从而显著提升基因组选择的预测能力	NA	揭示山鸡椒萜类生物合成的遗传基础，并开发基于深度学习的基因组选择策略以促进高效的遗传改良	山鸡椒（Litsea cubeba）的945个种质资源及其中的310个样本的萜类化合物	机器学习	NA	全基因组重测序, GC-MS定量分析	CNN	基因组数据, 代谢物定量数据	945个种质资源进行全基因组重测序，310个样本进行GC-MS萜类定量	NA	双路径卷积神经网络（PKDP）	预测能力提升百分比（与传统rrBLUP相比）	NA
219	2025-12-19	Artificial intelligence in sport psychology: Implications for the identification and development of talent 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102977 PMID:41326137	综述	本文探讨了人工智能（特别是机器学习）在运动心理学领域，尤其是在人才识别与发展方面的应用、挑战与未来方向	系统性地将人工智能范式引入运动心理学领域，并特别强调了解决数据挑战、促进人机交互以及整合心理建构的未来方向	面临数据可用性、质量、所有权和标注困难等重大障碍，纵向研究存在数据缺失和数据集不平衡问题，可能导致模型存在偏见和泛化能力差，心理和主观因素（如教练判断、运动员态度）在现有技术中代表性不足	探讨人工智能在运动心理学，特别是人才识别与发展领域的应用、挑战与未来发展方向	运动心理学领域，特别是运动员人才识别与发展过程	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
220	2025-12-19	USING ARTIFICIAL INTELLIGENCE TO ASSESS MACULAR EDEMA TREATMENTS IN RETINITIS PIGMENTOSA 2026-Jan-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004636 PMID:40743462	研究论文	本研究验证了一种基于深度学习的AI工具，用于量化视网膜色素变性中黄斑水肿的视网膜内液体积，并通过纵向分析提供了治疗疗效和疾病自然史的新见解	开发并验证了一种深度学习工具，用于快速准确地量化视网膜色素变性相关黄斑水肿的视网膜内液体积，为治疗评估提供了新方法	研究为回顾性设计，样本量相对较小（44名患者），且随访时间有限（平均2.3年）	验证AI工具在量化视网膜色素变性黄斑水肿中的应用，并评估不同治疗方法的疗效	视网膜色素变性伴黄斑水肿的患者	数字病理学	视网膜色素变性	光谱域光学相干断层扫描	深度学习	图像	44名患者，共66只眼（52只治疗组，14只未治疗组），490对图像用于验证	NA	NA	Dice系数	NA