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
2981	2025-12-14	Automatic segmentation and quantification of epicardial adipose tissue from coronary computed tomography angiography 2020-05-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8077 PMID:32182595	研究论文	本文提出了一种基于3D深度注意力U-Net的方法，用于从冠状动脉CT血管造影图像中自动分割心外膜脂肪组织	开发了一种新颖的深度学习方法来快速、可重复地自动分割心外膜脂肪组织，解决了手动分割耗时且复杂的问题	研究为回顾性研究，样本量相对有限（200例患者），且未明确说明模型在更广泛人群或不同疾病状态下的泛化能力	实现心外膜脂肪组织的自动分割与量化，以辅助冠状动脉疾病的计算机辅助诊断	心外膜脂肪组织	计算机视觉	心血管疾病	冠状动脉CT血管造影	CNN	3D医学图像	200例患者	NA	3D深度注意力U-Net	Dice相似系数, 敏感性, 特异性, Jaccard指数, Hausdorff距离, 平均表面距离, 残差均方距离, 质心距离, Pearson相关系数, Bland-Altman分析	NA
2982	2025-12-14	4D-CT deformable image registration using multiscale unsupervised deep learning 2020-04-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab79c4 PMID:32097902	研究论文	本研究提出了一种用于4D-CT腹部图像配准的多尺度无监督深度学习网络，以提高配准的准确性和速度	提出了一种结合全局和局部网络的多尺度无监督深度学习网络，通过单次前向预测直接生成变形向量场，无需迭代计算，显著加速了配准过程	研究仅基于25名患者的4D-CT数据集进行训练和测试，样本量相对较小，可能限制了模型的泛化能力	开发一种准确且快速的4D-CT腹部图像可变形图像配准方法，用于放射治疗中的运动跟踪、目标定义和剂量累积等应用	4D-CT腹部图像	医学图像处理	NA	4D-CT成像	CNN, GAN	图像	25名患者的4D-CT数据集	NA	多尺度无监督深度学习网络（MS-DIRNet），包含全局网络（GlobalNet）和局部网络（LocalNet），生成器采用带注意力门的卷积神经网络	目标配准误差（TRE）	NA
2983	2025-12-14	Deep learning-based radiomic features for improving neoadjuvant chemoradiation response prediction in locally advanced rectal cancer 2020-04-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab7970 PMID:32092710	研究论文	本研究比较了基于手工设计和深度学习的放射组学特征在预测局部晚期直肠癌新辅助放化疗反应中的性能	首次将预训练的卷积神经网络提取的深度学习特征与传统手工特征在预测直肠癌治疗反应方面进行直接比较，并证明了深度学习特征的优越性	样本量较小（43例患者），且为单中心研究，可能影响结果的泛化能力	比较手工和深度学习放射组学特征在预测局部晚期直肠癌新辅助放化疗反应中的有效性	接受新辅助放化疗的局部晚期直肠癌患者	数字病理学	直肠癌	扩散加权磁共振成像	CNN	图像	43例患者（22例应答者，21例非应答者）	NA	预训练的卷积神经网络	AUC	NA
2984	2025-12-14	Interactive 3D U-net for the segmentation of the pancreas in computed tomography scans 2020-03-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab6f99 PMID:31978921	研究论文	本文提出了一种用于胰腺CT扫描分割的交互式3D U-net方法，旨在提高分割精度和效率	开发了名为iUnet的交互式U-net架构，该架构在初始分割性能上优于现有iFCN方法，并能通过用户交互快速达到专家手动分割水平	研究仅在胰腺CT数据集上进行验证，未在其他器官或模态上测试其通用性	提高胰腺在CT影像中的分割精度和效率，以支持人工智能辅助诊断和介入治疗	胰腺在计算机断层扫描（CT）影像中的分割	数字病理学	胰腺癌	计算机断层扫描（CT）	CNN	3D医学影像	100例CT数据集	未明确说明	U-net, FCN	Dice相似系数	NA
2985	2025-12-14	Learning-based estimation of dielectric properties and tissue density in head models for personalized radio-frequency dosimetry 2020-03-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab7308 PMID:32023556	研究论文	本研究开发了一种基于深度学习的方法，用于从磁共振图像中快速准确地估计头部模型的介电特性和组织密度，以改进个性化射频剂量测定	提出了一种无需组织分割的单次估计方法，通过平滑介电特性分布改善了特定吸收率分布的平滑度	NA	开发快速准确的个性化射频剂量测定方法，以考虑个体间变异性	头部模型中的介电特性和组织密度	数字病理学	NA	磁共振成像	CNN	图像	NA	NA	卷积神经网络	特定吸收率分布一致性	NA
2986	2025-12-14	An introduction to deep learning in medical physics: advantages, potential, and challenges 2020-03-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab6f51 PMID:31972556	综述	本文介绍了深度学习在医学物理学领域的优势、潜力和挑战，旨在为研究人员提供入门指导和深入讨论	系统性地概述了深度学习在医学物理学中的应用，并深入探讨了其面临的挑战及可能的解决方案	作为综述文章，未涉及具体实验或模型验证，主要基于现有文献和理论分析	为医学物理学研究人员提供深度学习方法的入门指南，并讨论其技术挑战和解决方案	深度学习在医学物理学领域的应用	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
2987	2025-12-14	Deep learning-based attenuation correction in the absence of structural information for whole-body positron emission tomography imaging 2020-03-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab652c PMID:31869826	研究论文	本研究提出了一种基于深度学习的衰减校正方法，用于全身PET成像，无需结构信息即可从非衰减校正PET图像生成衰减校正PET图像	首次引入3D基于补丁的循环一致生成对抗网络，结合残差块学习NAC PET与AC PET之间的差异，实现无结构信息的衰减校正	研究为回顾性分析，样本量有限（55个数据集），且仅评估了单一PET扫描仪或混合平台的数据	开发一种无需结构信息的深度学习衰减校正方法，以解决全身PET成像中结构图获取的挑战	全身PET/CT扫描数据集	医学影像分析	NA	PET成像	GAN	图像	55个全身PET/CT扫描数据集	NA	CycleGAN, 残差块	平均误差, 归一化均方误差, 强度变化	NA
2988	2025-12-14	A novel deep learning model using dosimetric and clinical information for grade 4 radiotherapy-induced lymphopenia prediction 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab63b6 PMID:31851954	研究论文	本文开发了一种新颖的混合深度学习模型，用于预测4级放疗诱导的淋巴细胞减少症	提出了一种双输入通道混合深度学习模型，结合了堆叠双向LSTM处理剂量参数和多层感知机处理非剂量信息，以改进预测性能	NA	提高放疗诱导的淋巴细胞减少症的预测准确性	放疗患者	机器学习	癌症	放疗	混合深度学习模型	剂量参数和临床信息	505名患者用于训练，216名患者用于测试	NA	堆叠双向LSTM, 多层感知机	AUC, 准确率, F1分数, 精确率, 召回率	NA
2989	2025-12-14	Deep DoseNet: a deep neural network for accurate dosimetric transformation between different spatial resolutions and/or different dose calculation algorithms for precision radiation therapy 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab652d PMID:31869825	研究论文	本文提出了一种名为Deep DoseNet的深度神经网络，用于在不同空间分辨率和/或不同剂量计算算法之间进行精确的剂量学转换，以提高放射治疗的精度	引入了一种新颖的深度学习策略，通过从低成本算法计算的剂量分布进行转换，以获得高精度的剂量计划，显著提高了剂量计算的准确性和效率	研究仅基于10名患者的CT数据，样本量相对较小，且仅针对特定治疗部位（肺、脑、腹部和骨盆）进行了验证	开发一种深度学习方法，用于精确转换不同剂量计算算法或空间分辨率下的剂量分布，以加速和优化放射治疗计划	放射治疗中的剂量分布数据，具体基于患者CT图像计算的剂量切片	机器学习	肺癌, 脑癌, 腹部和骨盆癌症	剂量计算算法（AAA和AXB），深度学习	CNN	图像（剂量分布切片和CT切片）	25,168个剂量分布切片，基于10名患者的CT数据	NA	Deep DoseNet（包含特征提取和上采样部分）	均方误差, Gamma指数通过率	NVIDIA DGX工作站
2990	2025-12-14	A deep learning approach to radiation dose estimation 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab65dc PMID:31881547	研究论文	本研究提出了一种基于深度学习和经验模态分解的混合方法（DNN-EMD），用于提高临床放射剂量估计的精度和可靠性	结合了Green's函数经验模态分解和U-net架构的深度学习技术，并利用软组织核蒙特卡洛模拟，以克服传统剂量估计方法的局限性	研究样本量较小（仅26名患者），且依赖于蒙特卡洛模拟作为参考标准，可能在实际应用中存在泛化性限制	开发一种个体化放射剂量预测方法，以改进临床剂量学应用的精度和可靠性	患者队列的X射线计算机断层扫描组织密度图和剂量图，以及Lu放射性核素的SPECT分布数据	机器学习	NA	蒙特卡洛模拟，SPECT分布测量，经验模态分解	深度神经网络，U-net	图像（CT组织密度图和剂量图）	26名患者	NA	U-net	平均偏差，方差	NA
2991	2025-12-14	A multi-scale framework with unsupervised joint training of convolutional neural networks for pulmonary deformable image registration 2020-01-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5da0 PMID:31783390	研究论文	本文提出了一种用于肺部CT图像变形配准的多尺度无监督联合训练卷积神经网络框架MJ-CNN	提出多尺度无监督联合训练卷积神经网络框架，通过从粗到细的配准避免局部最小值，无需真实变形矢量场监督，并展示了跨数据集和成像技术的泛化能力	未提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及未在更广泛临床场景中验证	实现肺部CT图像的准确快速变形图像配准	肺部CT图像，包括4D-CT、CT-to-CBCT和CBCT-to-CBCT配准	计算机视觉	肺癌	CT、4D-CT、CBCT成像	CNN	图像	使用公共SPARE 4D-CT数据训练，在DIR-LAB 4D-CT数据集及临床CT-to-CBCT和CBCT-to-CBCT配准上评估	未明确指定，但基于卷积神经网络	多尺度卷积神经网络	配准误差	未明确指定，但配准速度约为1.4秒，无需手动调参
2992	2025-12-13	Interpretable large language models for early prediction of antimicrobial multidrug resistance 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00401-2 PMID:41383823	研究论文	本研究提出基于大语言模型的新架构，用于重症监护病房患者抗菌素耐药性的早期预测，利用电子健康记录作为不规则多变量时间序列数据	首次将大语言模型应用于不规则多变量时间序列的抗菌素耐药性分类任务，结合了高预测性能与模型可解释性	研究数据来源于单一医院（西班牙马德里富恩拉夫拉达大学医院），可能限制模型的泛化能力	开发早期预测抗菌素耐药性的模型，以支持重症监护病房的及时干预和有效治疗	重症监护病房患者的电子健康记录数据	自然语言处理	抗菌素耐药性	电子健康记录分析	LLM, GRU, LSTM, Transformer, Mamba, GCNN	不规则多变量时间序列	3502份匿名电子健康记录	NA	InstructTime-LLM, Blocks-LLM	ROC-AUC	NA
2993	2025-12-13	Recent advances and applications of single-cell sequencing in insects 2026-Feb, Current opinion in insect science IF:5.8Q1 DOI:10.1016/j.cois.2025.101455 PMID:41173389	综述	本文综述了单细胞测序技术在昆虫科学中的最新进展与应用，探讨了该技术如何推动昆虫生物学从描述性研究转向功能与机制研究	系统总结了单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）在昆虫研究中的应用，并展望了高通量空间转录组学等新技术的前景	作为综述文章，未提出新的实验数据或方法，主要基于现有文献进行归纳总结	总结单细胞测序技术在昆虫生物学研究中的最新进展，并探讨其未来发展方向	昆虫（泛指）	基因组学	NA	单细胞测序、单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）、空间转录组学	深度学习算法	基因组数据、转录组数据、表观基因组数据、蛋白质组数据、代谢组数据	NA	NA	NA	NA	NA
2994	2025-12-13	A data-driven modeling approach to prediction of persistent foot drop after gastroc-soleus lengthening surgery in children with cerebral palsy 2026-Feb, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.110010 PMID:41223483	研究论文	本研究开发了一种基于术前步态和临床数据的深度学习模型，用于预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后持续性足下垂的风险	首次结合卷积神经网络和前馈神经网络，利用术前多模态数据预测术后足下垂，并采用SHAP方法解释模型以识别关键风险因素	样本量相对有限（110名儿童），且仅针对脑瘫儿童，模型在其他人群中的泛化能力尚未验证	预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后发生持续性足下垂的风险，并识别相关的术前风险因素	110名患有脑瘫的儿童（36名单瘫，74名双瘫）	数字病理学	脑瘫	三维步态分析，物理检查	CNN, 前馈神经网络	步态数据，临床数据	110名儿童	NA	卷积神经网络，前馈神经网络	均方根误差，准确率	NA
2995	2025-12-13	Circulating microRNAs in viral myocarditis: Advancements in biological understanding and potential clinical applications 2026-Jan-10, Gene IF:2.6Q2 DOI:10.1016/j.gene.2025.149866 PMID:41177414	综述	本文系统综述了循环microRNAs在病毒性心肌炎中的生物学作用、临床诊断与治疗应用潜力及局限性	整合了高通量测序、深度学习和人工智能技术，以深入理解循环microRNAs在病毒性心肌炎发病机制中的调控网络作用	作为综述文章，未进行原始实验研究，依赖于现有文献证据，可能存在发表偏倚	为改善病毒性心肌炎的精准诊断和治疗建立理论基础和策略框架	循环microRNAs及其在病毒性心肌炎中的调控网络	自然语言处理	心血管疾病	高通量测序技术	深度学习	文本	NA	NA	NA	NA	NA
2996	2025-12-13	Open Lumbar Spine Image Analysis: A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index With Multi-Data Set Validation 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	本研究开发了一个名为OLSIA的开放软件，用于腰椎图像分析，实现无代码的腰椎分割、分级和椎间盘高度指数计算，并在多个外部数据集上进行了验证	开发了首个集成深度学习模型的无代码腰椎图像分析软件，支持自动化分割、分级和DHI计算，并在6个不同地理区域的外部数据集上进行了鲁棒性评估	研究主要基于T2加权矢状位切片，可能未涵盖所有腰椎成像模态；尽管在多个数据集中验证，但样本量仍有限	开发一个开放、用户友好的软件工具，以加速腰椎图像的放射组学和分析工作流程	腰椎图像，特别是T2加权矢状位切片中的L1至S1椎体和L1/2至L5/S1椎间盘	数字病理	脊柱疾病	深度学习，图像增强（直方图裁剪、中值滤波、几何缩放）	深度学习模型	医学图像（T2加权MRI切片）	训练使用NFBC1966数据集，外部评估从6个数据集中各采样30名参与者，总计180名外部样本	NA	NA	Dice相似系数，Bland-Altman分析，配对t检验	NA
2997	2025-12-13	Prediction of neoadjuvant therapy response to HER2-positive and triple-negative breast cancer: a multicenter proof-of-concept study 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109130 PMID:41135295	研究论文	本研究开发了一个基于乳腺X线摄影、多参数MRI和临床特征的深度学习框架，用于预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	提出了一种结合多模态影像（ADC、DCE-MRI、SPAIR T2WI、DWI、CC、MLO）和临床特征的融合模型，用于预测乳腺癌新辅助治疗反应	回顾性研究，样本量相对有限（359例），且仅来自两个机构，可能存在选择偏倚	预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	HER2阳性和三阴性乳腺癌患者	数字病理	乳腺癌	乳腺X线摄影，多参数MRI（包括ADC、DCE-MRI、SPAIR T2WI、DWI）	深度学习	影像（乳腺X线摄影、MRI），临床特征	359名乳腺癌患者（来自两个机构）	NA	DenseNet169-CBAM, Multi-Layer Perceptron	AUC, 准确率, 敏感性, 特异性	NA
2998	2025-12-13	An Interpretable Hybrid AI Model for Breast Fine Needle Aspiration Cytology Image Classification 2025-Dec-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02267-z PMID:41381926	研究论文	本文提出了一种用于乳腺细针穿刺细胞学图像分类的可解释混合AI模型	探索了18种混合架构，结合深度学习特征提取器与机器学习分类器，并利用Grad-CAM实现模型可解释性，获得了95%的临床验证率	研究为概念验证性质，数据来源于两个中心，样本量相对有限	开发一种高精度、可解释的混合AI模型，用于乳腺细针穿刺细胞学图像的二元分类	乳腺细针穿刺细胞学图像	数字病理学	乳腺癌	细针穿刺细胞学	混合模型	图像	原始数据集427张图像（152张良性，275张恶性），数据增强后扩展至2866张图像（1216张良性，1650张恶性）	NA	Inception-V3, MobileNet-V2, DenseNet-121, Support Vector Machine, Decision Tree, k-Nearest Neighbours	准确率, 灵敏度, 特异性	NA
2999	2025-12-13	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-Dec-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3000	2025-12-13	Beyond Implicit Mapping: Advancing Generative Models Through Smoothed Optimal Transport 2025-Dec-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3638632 PMID:41379885	研究论文	本文提出了一种通过平滑最优传输来提升生成模型的方法，以解决传统模型中映射关系隐式化的问题	引入Nesterov平滑技术平滑Brenier势能，从而推导出显式最优传输映射，构建了更先进的生成模型	未在摘要中明确说明	提升生成模型的解释性和条件生成能力，同时提高生成效率	生成模型中的最优传输映射	机器学习	NA	最优传输（OT）、Nesterov平滑技术	生成模型	NA	NA	NA	NA	NA	NA