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
241	2025-12-14	Interpretable Artificial Intelligence Decodes the Chemical Structural Essence of Twisted Intramolecular Charge Transfer and Planar Intramolecular Charge Transfer Fluorophores 2025, Research (Washington, D.C.) DOI:10.34133/research.1021 PMID:41377019	研究论文	本研究利用可解释机器学习方法，深入解析了扭曲分子内电荷转移和平面分子内电荷转移荧光团的化学结构本质	首次构建了真实世界的TICT和PICT数据集，并基于可解释机器学习建立了AI指导的结构规则，相比社区建议规则在准确性上提升了20%以上	NA	解码TICT和PICT荧光团的化学结构本质，以指导荧光探针的设计	D-π-A型荧光材料，特别是TICT和PICT荧光团	机器学习	NA	可解释机器学习，深度学习	深度学习	化学结构数据	NA	NA	NA	AUC	NA
242	2025-12-14	Deep learning networks on chronic liver disease assessment with fine-tuning of shear wave elastography image sequences 2020-11-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abae06 PMID:32998480	研究论文	本研究比较了多种预训练深度学习网络在慢性肝病评估中的性能，使用剪切波弹性成像图像序列进行微调	首次系统比较了多种流行预训练深度学习网络在慢性肝病评估中的性能，并引入了时间稳定性掩码和增强技术进行对比分析	数据集规模有限，需要更大样本量来确定最佳网络和设置	比较不同深度学习网络在慢性肝病诊断和进展评估中的性能，并寻找适合的深度学习方案	200名经肝活检验证的慢性肝病患者	计算机视觉	慢性肝病	超声剪切波弹性成像	CNN	图像	200名患者	NA	GoogLeNet, AlexNet, VGG16, ResNet50, DenseNet201	准确率, AUC	NA
243	2025-12-14	Obtaining PET/CT images from non-attenuation corrected PET images in a single PET system using Wasserstein generative adversarial networks 2020-11-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba5e9 PMID:32663812	研究论文	本研究提出了一种基于深度学习的双阶段Wasserstein生成对抗网络方法，用于从单PET系统的非衰减校正PET图像中合成衰减校正PET图像和CT图像	首次提出使用Wasserstein生成对抗网络从NAC PET图像直接生成sAC PET和sCT图像的双阶段框架，无需额外CT扫描即可获得PET/CT融合图像	研究样本量有限（45组数据），未在更多样化的临床场景或不同PET系统上进行验证	减少PET/CT成像中的辐射剂量，通过深度学习合成高质量的衰减校正PET和CT图像	临床患者的全身PET/CT配对图像	医学影像分析	NA	PET/CT成像，深度学习图像合成	生成对抗网络	医学图像（PET，CT）	45组临床患者的配对PET/CT图像	NA	Wasserstein生成对抗网络	定性分析，定量分析	NA
244	2025-12-14	Deep learning in medical image registration: a review 2020-10-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab843e PMID:32217829	综述	本文综述了基于深度学习的医学图像配准方法，总结了其最新进展、应用、分类及挑战	将基于深度学习的医学图像配准方法分为七类，并进行详细比较和趋势分析	NA	回顾和总结深度学习在医学图像配准领域的方法、应用和发展趋势	基于深度学习的医学图像配准方法	计算机视觉	NA	深度学习	NA	医学图像	NA	NA	NA	NA	NA
245	2025-12-14	Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy 2020-10-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba410 PMID:32640435	研究论文	本文提出了一种基于深度学习的超声图像多针自动定位工作流，用于超声引导的前列腺近距离放射治疗	提出了结合大间隔损失函数的LMMask R-CNN模型用于针杆定位，并整合先验知识通过改进的DBSCAN算法进行针杆细化和针尖检测	研究仅在23名患者共339根针的数据集上进行评估，样本量相对有限	开发快速自动的多针数字化方法以改进超声引导前列腺近距离放射治疗的工作流程	超声引导高剂量率前列腺近距离放射治疗患者的超声图像中的针具	计算机视觉	前列腺癌	超声成像	CNN, R-CNN	图像	23名患者共339根针	PyTorch, TensorFlow (基于Mask R-CNN框架推断)	Mask R-CNN, LMMask R-CNN	针杆误差(毫米), 针尖误差(毫米), 检测率	未明确说明，但提及处理每名患者数据可在秒级完成
246	2025-12-14	Self-derived organ attention for unpaired CT-MRI deep domain adaptation based MRI segmentation 2020-10-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9fca PMID:33027063	研究论文	提出一种基于自衍生器官注意力的深度域适应方法，用于在无配对标注的CT和MRI数据上进行MRI图像分割	引入了自衍生器官注意力判别器，约束CT到MRI的生成器合成保留器官几何形状和外观统计特征的伪MRI图像	方法依赖于未配对的CT和MRI数据集，性能略低于完全监督的MRI分割方法	开发一种深度学习方法，利用无标注MRI和未配对专家标注CT数据集进行MRI分割	腮腺（左右两侧）	数字病理学	NA	图像到图像翻译，深度学习	GAN, CNN	医学影像（CT, MRI）	85个未标注T2加权脂肪抑制MRI，96个专家标注CT扫描，77个独立测试MRI	NA	NA	Dice相似系数, 95百分位Hausdorff距离	NA
247	2025-12-14	Verification of the machine delivery parameters of a treatment plan via deep learning 2020-09-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba165 PMID:32604082	研究论文	本文开发了一种基于生成对抗网络（GAN）的深度学习方法，用于从给定的3D剂量分布中估计多叶准直器（MLC）孔径和相应的监测单位（MUs）	将残差块集成到pix2pix框架中，联合训练U-Net-like架构作为生成器和卷积PatchGAN分类器作为判别器，以预测MLC孔径和MUs	NA	验证治疗计划的机器传递参数，提高患者计划质量保证过程的效率和准确性	接受调强放射治疗和容积调强弧形放疗技术的患者，包括鼻咽癌、肺癌和直肠癌	医学影像分析	鼻咽癌, 肺癌, 直肠癌	深度学习方法	GAN	3D剂量分布	199名患者用于训练，47名患者用于测试	pix2pix	U-Net, PatchGAN	Dice相似系数, MUs偏差, MLC叶片位置偏差	NA
248	2025-12-14	Truncation compensation and metallic dental implant artefact reduction in PET/MRI attenuation correction using deep learning-based object completion 2020-09-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abb02c PMID:32976116	研究论文	本研究提出了一种基于深度学习的对象补全方法，用于减少PET/MRI中金属植入物伪影和身体截断导致的衰减校正误差	利用深度学习预测受金属伪影和/或身体截断影响的MR图像中的缺失信息/区域，以降低PET/MRI中的量化误差	研究仅使用了25例全身配准的PET、CT和MR图像进行训练和评估，样本量相对较小	减少PET/MRI成像中因金属伪影和身体截断引起的量化误差	受金属植入物伪影和身体截断影响的MR图像	医学影像分析	NA	PET/MRI成像	深度学习	图像	25例全身配准的PET、CT和MR图像	NA	NA	体积误差百分比, PET量化误差百分比	NA
249	2025-12-14	Noise reduction with cross-tracer and cross-protocol deep transfer learning for low-dose PET 2020-09-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abae08 PMID:32924973	研究论文	本研究探讨了使用基于深度迁移学习的3D U-Net模型，通过预训练的FDG数据集来减少其他稀缺示踪剂（如F-FMISO和Ga-DOTATATE）在低剂量PET成像中的噪声	提出了跨示踪剂和跨协议的深度迁移学习方法，利用广泛可用的FDG数据集预训练网络，以解决稀缺示踪剂训练数据不足的问题	研究仅针对F-FMISO和Ga-DOTATATE两种示踪剂进行验证，未涵盖更多示踪剂类型，且依赖于特定扫描协议（单床位和全身扫描）	研究低剂量PET成像中噪声减少的可行性，特别是针对训练数据稀缺的示踪剂	F-FMISO（单床位扫描）和Ga-DOTATATE（全身扫描）的PET图像数据	医学影像处理	NA	PET成像，低剂量计数模拟（10%计数）	深度学习，迁移学习	3D PET图像	使用F-FDG数据集进行预训练，并针对F-FMISO和Ga-DOTATATE数据集进行微调和评估	NA	U-Net（基于全3D块状结构）	归一化均方根误差（NRMSE），信噪比（SNR），感兴趣区域（ROI）的相对偏差	NA
250	2025-12-14	4D-AirNet: a temporally-resolved CBCT slice reconstruction method synergizing analytical and iterative method with deep learning 2020-09-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9f60 PMID:32575088	研究论文	本文提出了一种名为4D-AirNet的新方法，用于高质量的时间分辨CBCT切片重建，该方法结合了分析、迭代方法和深度学习	开发了4D-AirNet，一种基于融合分析和迭代重建（AIR）优化框架的展开方法，并提出了随机相位、先验引导和全相位三种策略，同时引入了密集连接以提升重建质量	方法在模拟的2D-t CBCT扫描数据集上进行评估，可能未在真实临床数据中充分验证	解决4D CBCT稀疏数据问题，实现高质量的时间分辨CBCT图像重建	肺部数据集的模拟2D-t CBCT扫描	计算机视觉	肺癌	锥束CT（CBCT）扫描	深度学习网络	图像	使用肺部数据集的模拟2D-t CBCT扫描，具体样本数量未明确说明	NA	4D-AirNet（基于融合分析和迭代重建的展开网络）	重建质量（通过比较评估），未指定具体指标如PSNR或SSIM	NA
251	2025-12-14	Automatic IMRT planning via static field fluence prediction (AIP-SFFP): a deep learning algorithm for real-time prostate treatment planning 2020-09-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba5eb PMID:32663813	研究论文	开发了一种基于深度学习的算法AIP-SFFP，用于实现实时前列腺IMRT计划的自动化	通过静态场注量图预测实现自动化IMRT计划，无需逆向计划，并采用自定义深度学习神经网络进行注量图预测	AI计划中全身D1cc和直肠D0.1cc略高于KBP和临床计划，且仅在前列腺IMRT中进行了演示	开发用于自动化前列腺IMRT计划的深度学习算法，以提高计划效率	前列腺IMRT计划，特别是同时整合推量计划	医学影像分析	前列腺癌	强度调制放射治疗（IMRT），知识型计划（KBP）	深度学习神经网络	2D投影图像	106名患者用于训练，14名患者用于独立测试	NA	自定义深度学习神经网络	PTV V95%，全身D1cc，直肠D0.1cc，膀胱D1cc，等剂量分布	NA
252	2025-12-14	Robustness study of noisy annotation in deep learning based medical image segmentation 2020-08-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab99e5 PMID:32503027	研究论文	本研究探讨了噪声标注对基于深度学习的医学图像分割（下颌骨CT图像分割）性能的影响	首次系统性地研究了噪声标注在医学图像分割任务中对深度学习模型性能的影响，并通过多数据集验证了模型对噪声标注的鲁棒性	研究仅针对下颌骨CT图像分割任务，结论在其他解剖结构或模态上的普适性有待验证；未提出具体的噪声标注利用或校正方法	评估噪声标注对深度学习医学图像分割模型性能的影响，并探索模型对标注噪声的鲁棒性	头颈癌患者的CT图像中的下颌骨分割	医学图像分割	头颈癌	CT成像	深度学习网络（具体架构未明确说明）	CT图像	202例头颈癌患者CT图像（来自临床数据库），并使用了另外两个公共数据集进行测试	NA	NA	分割性能（具体指标未明确说明，但进行了显著性差异分析）	NA
253	2025-12-14	Multifaceted radiomics for distant metastasis prediction in head & neck cancer 2020-08-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8956 PMID:32294632	研究论文	本文提出了一种名为多层面放射组学（M-radiomics）的统一模型，用于预测头颈癌的远处转移	提出了一种新颖的多层面放射组学（M-radiomics）模型，该模型通过堆叠稀疏自编码器融合多模态特征，引入多目标优化模型设计基于概率的目标函数，并采用证据推理规则融合策略集成多个分类器的输出	NA	准确预测头颈癌的远处转移，以通过早期强化治疗改善高风险患者的生存率	头颈癌患者	医学影像分析	头颈癌	放射组学	深度学习, 堆叠稀疏自编码器, 多目标优化模型	医学影像特征	NA	NA	堆叠稀疏自编码器	敏感性, 特异性	NA
254	2025-12-14	Artifact removal using a hybrid-domain convolutional neural network for limited-angle computed tomography imaging 2020-08-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9066 PMID:32369793	研究论文	本文提出了一种混合域卷积神经网络（hdNet），用于减少有限角度计算机断层扫描中的条纹伪影	首次将不同域的深度学习算法优势结合，通过混合域网络同时处理正弦图和CT图像域，直接获取伪影抑制的CT图像	未明确说明网络在极端有限角度下的性能，且未与其他最先进的深度学习方法进行广泛比较	抑制有限角度计算机断层扫描中的条纹伪影，提高图像质量	有限角度计算机断层扫描图像	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	NA	NA	混合域卷积神经网络（hdNet）	NA	NA
255	2025-12-14	Motion correction of respiratory-gated PET images using deep learning based image registration framework 2020-07-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8688 PMID:32244230	研究论文	提出一种基于深度学习的无监督非刚性图像配准框架，用于呼吸门控PET图像的运动校正	使用深度学习框架进行无监督非刚性图像配准，结合可微分空间变换层和堆叠结构优化变形场，并集成到迭代图像重建算法中实现运动补偿	未明确说明临床数据样本量及多样性限制，也未讨论深度学习模型在不同呼吸模式或病理条件下的泛化能力	减少PET图像中因呼吸运动引起的伪影，提高图像质量	呼吸门控PET图像	医学影像处理	NA	呼吸门控PET成像	深度学习	图像	模拟数据和临床数据（未指定具体数量）	未指定	未指定具体架构，但包含可微分空间变换层和堆叠结构	归一化均方根误差（NRMS），病灶对比度，噪声水平	NA
256	2025-12-14	Label-driven magnetic resonance imaging (MRI)-transrectal ultrasound (TRUS) registration using weakly supervised learning for MRI-guided prostate radiotherapy 2020-06-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8cd6 PMID:32330922	研究论文	本文提出了一种基于弱监督学习的全自动深度学习框架，用于磁共振成像（MRI）与经直肠超声（TRUS）的配准，以辅助前列腺近距离放射治疗	提出了一种结合图像分割与配准的端到端弱监督学习方法，使用前列腺标签衍生的体积重叠和表面一致性作为优化目标函数，解决了缺乏体素级真实对应关系的问题	研究样本量较小（36例患者数据），且未明确说明训练集、验证集和测试集的划分细节	开发一种准确、自动化的MRI-TRUS图像配准方法，以指导前列腺放射治疗	前列腺的MRI和TRUS图像	数字病理学	前列腺癌	磁共振成像（MRI），经直肠超声（TRUS）	CNN, UNET	图像	36组患者数据	NA	全卷积神经网络（CNN），2D CNN，3D UNET	目标配准误差（TRE），Dice系数，平均表面距离（MSD），豪斯多夫距离（HD）	NA
257	2025-12-14	Investigating the challenges and generalizability of deep learning brain conductivity mapping 2020-06-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9356 PMID:32408291	研究论文	本研究探讨了深度学习在脑电导率映射中的挑战与泛化能力，通过训练3D基于补丁的卷积神经网络从B1收发相位数据预测电导率图	首次系统评估深度学习电导率断层扫描在不同模拟和体内数据集（包括病理情况）上的性能，并探索使用传统EPT生成的标签进行训练以改善结果	当网络从模拟数据训练后应用于体内数据时，测量相关伪影会影响电导率图的质量，且泛化能力有限	研究深度学习在脑电导率映射中的应用，评估其在不同数据集上的挑战和泛化性	模拟数据集、健康志愿者和脑部病变患者的体内测量数据集	医学影像分析	脑部病变	电导率断层扫描	CNN	图像	三个数据集：一个模拟数据集和两个体内测量数据集（分别来自健康志愿者和患者）	NA	3D基于补丁的卷积神经网络	NA	NA
258	2025-12-14	Low-dose CT with deep learning regularization via proximal forward-backward splitting 2020-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab831a PMID:32209742	研究论文	本文开发了基于深度学习的正则化方法，用于低剂量CT图像重建，通过展开近端前向后向分裂框架，结合数据驱动的深度神经网络正则化	提出了PFBS-AIR方法，将解析重建和迭代重建融合在协同的数据保真度更新中，相比传统方法显著提升了重建质量	NA	开发低剂量CT图像重建方法，以降低患者辐射剂量并提升图像质量	低剂量x射线计算机断层扫描图像	计算机视觉	NA	低剂量CT扫描	深度神经网络	CT图像	NA	NA	NA	重建质量	NA
259	2025-12-14	Abdominal synthetic CT generation from MR Dixon images using a U-net trained with 'semi-synthetic' CT data 2020-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8cd2 PMID:32330923	研究论文	本研究提出了一种基于深度学习的U-net模型，从T1加权MR Dixon图像生成腹部合成CT，以支持基于MRI的肝内放射治疗计划	通过生成'半合成'CT图像解决CT和MRI图像因运动和器官填充状态不同导致的错配问题，该方法结合了CT的骨骼对比度和MRI的软组织及空气体积分类结果	研究仅涉及46名患者，样本量相对较小，且未详细讨论模型在更广泛患者群体或不同扫描条件下的泛化能力	开发一种从MR图像生成合成CT的方法，以支持MRI引导的肝内放射治疗计划	46名患者的MR和CT扫描数据，其中31名患者有临床放射治疗计划	数字病理学	肝内癌症	MRI, CT, 深度学习	U-net	图像	46名患者	NA	U-net	平均绝对误差（HU），剂量差异（Gy）	NA
260	2025-12-14	BIRADS features-oriented semi-supervised deep learning for breast ultrasound computer-aided diagnosis 2020-06-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab7e7d PMID:32155605	研究论文	提出一种新颖的BIRADS-SSDL网络，将临床批准的乳腺病变特征（BIRADS特征）整合到面向任务的半监督深度学习（SSDL）中，用于小训练数据集下的超声图像准确诊断	通过距离变换和高斯滤波器将乳腺超声图像转换为BIRADS导向特征图（BFMs），并设计多任务学习框架，使无监督的堆叠卷积自编码器（SCAE）在病灶分类任务约束下提取特征，同时利用SCAE编码器特征实现病灶分类	模型性能受病灶分割精度影响，分类准确率随分割精度下降而降低；预训练策略虽加速收敛但未提升测试集分类准确率	开发一种基于小数据集的乳腺超声计算机辅助诊断方法	乳腺超声图像	计算机视觉	乳腺癌	超声成像	半监督深度学习, 自编码器	图像	两个乳腺超声图像数据集（具体样本数未提供）	NA	堆叠卷积自编码器（SCAE）, 卷积网络	分类准确率	NA