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
321	2026-05-15	Electromagnetic interference elimination via active sensing and deep learning prediction for radiofrequency shielding-free MRI 2024-07, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.4956 PMID:37088894	研究论文	提出一种结合主动感知与深度学习预测的方法，用于消除无射频屏蔽或屏蔽不完整磁共振成像中的电磁干扰	首次利用主动感知线圈和卷积神经网络模型预测并去除MRI信号中的电磁干扰成分，实现无射频屏蔽MRI扫描	方法在更高场强或复杂干扰环境中的泛化能力有待验证，且依赖额外传感线圈硬件支持	实现无射频屏蔽或屏蔽不完整条件下的高图像信噪比MRI成像	电磁干扰信号与MRI接收线圈中的信号关系建模及干扰消除	机器学习	NA	MRI成像	卷积神经网络	磁共振信号数据	0.055T和1.5T MRI扫描仪各一台的初步实验数据	PyTorch	卷积神经网络	信噪比	NA
322	2026-05-15	TIST-Net: style transfer in dynamic contrast enhanced MRI using spatial and temporal information 2024-May-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4193 PMID:38648788	研究论文	提出一种利用时空信息在动态对比增强MRI中进行风格转换的TIST-Net网络	将卷积长短时记忆网络与自编码器结合，实现时间序列数据内容与风格潜空间的解耦，并利用可变形和自适应卷积精细控制风格转换	未提及具体限制	开发一种结合时空信息的风格转换方法，用于在动态对比增强MRI图像中添加或去除对比增强	动态对比增强MRI数据，包括肾脏、前列腺和子宫数据集	计算机视觉	NA	DCE-MRI	CNN, LSTM	图像（医学图像）	三个数据集（肾脏、前列腺和子宫）	NA	自编码器、卷积长短时记忆网络、可变形卷积、自适应卷积	SSIM, 对比加权结构相似性指标	NA
323	2026-05-15	A temporal enhanced semi-supervised training framework for needle segmentation in 3D ultrasound images 2024-May-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad450b PMID:38684166	研究论文	针对3D超声图像中活检针分割难题，提出一种基于时间信息的半监督训练框架	创新点包括设计基于静态与动态特征的环形Transformer模块提取时序信息，提出结合时序信息前后的输出一致性约束以实现半监督学习	实验仅在比格犬活检数据集上验证，未在临床大规模数据中评估泛化能力	实现快速准确的三维超声图像中活检针分割，提升活检导航系统效能	比格犬肾脏和前列腺的3D超声活检图像	计算机视觉	NA	3D超声成像	CNN, Transformer	3D超声图像序列	三个比格犬活检超声数据集（具体样本量未提及）	PyTorch（推测）	环形Transformer模块	Dice相似系数, 针尖位置误差, 长度误差	NA
324	2026-05-15	A lightweight deep learning approach for detecting electrocardiographic lead misplacement 2024-May-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad43ae PMID:38663434	研究论文	提出一种基于轻量级深度学习的心电图导联错位检测方法	首次提出针对肢体和胸导联错位分别设计的轻量级深度学习模型，利用数学变换和导联互换模拟错位场景，并在多个数据库上验证泛化能力	未提及具体局限性	开发有效检测心电图导联错位的算法，避免波形失真影响诊断	心电图导联错位检测模型	机器学习	心血管疾病	NA	深度学习模型	心电图信号	Chapman数据库（8:2训练验证）及PTB-XL、PTB、LUDB数据库	PyTorch（推测，需确认）	轻量级神经网络（具体架构未说明）	准确率、精确率、灵敏度、特异度、宏平均F1分数	NA
325	2026-05-15	Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm 2024-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3dba PMID:38604190	研究论文	使用患者衍生的3D打印PixelPrint体模评估深度学习CT重建算法的临床成像性能	采用患者来源的PixelPrint 3D打印体模，提供更真实的组织结构，超越传统体模仅基于噪声和对比度的评估	未明确提及，但体模可能无法完全模拟真实患者的生物变异性和运动伪影	评估深度学习重建算法在不同辐射剂量下的临床成像性能，并估计剂量降低潜力	患者衍生的肺体模（包含磨玻璃样阴影），小尺寸和中尺寸拓展环	计算机视觉	肺部疾病（磨玻璃样阴影）	CT扫描	深度学习重建算法	图像	两个体模尺寸（小和中），每个尺寸在多个剂量水平下扫描	NA	NA	图像噪声、对比度噪声比、均方根误差、结构相似性指数、多尺度结构相似性指数	NA
326	2026-05-15	Evaluation of transformation invariant loss function with distance equilibrium in prediction of imaging photoplethysmography characteristics 2024-May-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3dbf PMID:38604181	research paper	评估使用距离平衡的变换不变损失函数在预测成像光电容积描记术特征中的性能	提出一种基于距离平衡的变换不变损失函数，用于成像光电容积描记术中的血容量脉冲信号特征提取	NA	改进成像光电容积描记术在心率变异性监测中的分析能力，超越仅基于心率的分析方法	成像光电容积描记术（IPPG）中提取的血容量脉冲信号及心率变异性指标	machine learning, computer vision	心血管疾病	成像光电容积描记术（IPPG）	NA	图像	NA	NA	NA	NA	NA
327	2026-05-15	Hybrid U-Net and Swin-transformer network for limited-angle cardiac computed tomography 2024-Apr-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3db9 PMID:38604178	研究论文	提出一种混合U-Net和Swin-transformer网络，用于从有限角度投影重建高质量心脏CT图像	首次将U-Net与Swin-transformer混合用于有限角度心脏CT重建，U-Net恢复结构信息，Swin-transformer捕获全局特征分布	NA	从有限角度投影重建高质量心脏CT图像，提高时间分辨率	心脏CT图像重建	计算机视觉	心血管疾病	CT成像	U-Net, Swin-transformer	图像	合成XCAT和临床心脏COCA数据集	NA	U-Net, Swin-transformer	NA	NA
328	2026-05-15	Deep learning for high-resolution dose prediction in high dose rate brachytherapy for breast cancer treatment 2024-Apr-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3dbd PMID:38604185	研究论文	提出一种深度学习方法来预测高剂量率近距离治疗中高分辨率剂量分布，以替代耗时的蒙特卡洛模拟	提出基于种子距离的裁剪策略以减少体素大小至1 mm³，并设计包含层级融合的新型深度学习架构，结合TG-43剂量图和患者组织成分进行精确剂量预测	仅基于98例患者数据，样本量有限；且仅针对铱-192源的高剂量率近距离治疗，未涉及其他放射源或治疗方式	实现与蒙特卡洛模拟同等精度的高分辨率剂量预测，同时将计算时间控制在临床可接受范围内	98例接受铱-192高剂量率近距离治疗的乳腺癌患者CT扫描数据	医学影像处理	乳腺癌	CT成像	3D深度学习模型	CT图像和剂量网格数据	98例乳腺癌患者CT扫描（70训练，14验证，14测试）	NA	层级融合深度学习架构	平均绝对百分比误差	GPU（图形处理器）
329	2026-05-15	Multi-branch myocardial infarction detection and localization framework based on multi-instance learning and domain knowledge 2024-Apr-26, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3d25 PMID:38599223	研究论文	提出基于多实例学习和领域知识的多分支心肌梗死检测与定位框架	通过结合多实例学习与领域知识的专门注意力机制，以及引入新的损失函数lead-loss来优化心肌梗死定位	在PTB数据库上的定位准确率相对较低（67.17%），需进一步验证模型在更大数据集上的泛化能力	实现基于心电图（ECG）的自动化心肌梗死检测与定位	心肌梗死患者的心电图数据	机器学习	心血管疾病	心电图（ECG）信号处理	多分支神经网络（MFB-SENET和MFB-DMIL）	临床心电图信号	PTB和PTB-XL两个数据库	PyTorch	MFB-SENET, MFB-DMIL	准确率（accuracy）	NA
330	2026-05-15	Joint reconstruction and segmentation in undersampled 3D knee MRI combining shape knowledge and deep learning 2024-Apr-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3797 PMID:38527376	研究论文	本研究提出一种结合形状模型和深度学习的端到端可训练方法，用于欠采样3D膝关节MRI中的骨与软骨联合重建与分割	创新地将统计形状模型（SSMs）作为后处理正则化步骤引入端到端任务自适应图像重建方法中，在保持分割质量的同时实现模型参数五倍缩减和计算加速一个数量级	NA	优化欠采样3D膝关节MRI的联合图像重建与分割，降低计算资源需求	3D膝关节MRI中的骨骼和软骨分割	计算机视觉, 数字病理学	膝关节疾病	MR成像	CNN, U-Net	三维MRI图像	NA	PyTorch	U-Net, 统计形状模型（SSM）	平均表面误差, 最大表面误差	NA
331	2026-05-15	Predicting treatment plan approval probability for high-dose-rate brachytherapy of cervical cancer using adversarial deep learning 2024-Apr-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3880 PMID:38537309	research paper	利用对抗性深度学习预测宫颈癌高剂量率近距离治疗计划批准概率	首次开发了一个深度學習框架，包括剂量预测网络和计划批准概率网络，通过对抗性训练联合优化，能够自动预测计划被医生批准的概率，为自动治疗规划提供关键组件	样本量相对较小仅来自63位患者的248个治疗计划，且仅在单一中心数据进行验证，可能影响模型的泛化能力	开发一个深度学习框架来自动预测宫颈癌高剂量率近距离治疗计划的批准概率，以支持自动治疗规划	宫颈癌患者的高剂量率近距离治疗计划	machine learning	宫颈癌	HDRBT（高剂量率近距离治疗）	对抗性深度学习网络	治疗计划剂量数据	248个治疗计划来自63位患者，其中216个计划用于四折交叉验证，32个计划用于独立测试	NA	DPN, PPN	相对误差, accuracy, sensitivity, specificity, AUC	NA
332	2026-05-15	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2024-Apr-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b7 PMID:38479004	研究论文	提出一种基于时空隐式神经表示学习（STINR-MR）的框架，用于从高度欠采样的k空间数据中准确重建3D电影磁共振图像	联合重建与可变形配准，通过空间隐式神经表示重建参考帧图像和时域隐式神经表示构建运动模型，实现高加速因子下的3D电影体积成像，无需预训练数据	NA	实现从高度欠采样数据中准确重建3D电影磁共振图像，捕捉高时空分辨率下的解剖动力学	3D电影磁共振图像重建	机器学习, 医学成像	NA	MRI	隐式神经表示网络	图像	数字体模（XCAT）和两组临床人体受试者MR数据	NA	空间隐式神经表示, 时域隐式神经表示, 主成分分析	图像质量, 伪影水平, 肿瘤定位精度, 质心误差	NA
333	2026-05-15	IWNeXt: an image-wavelet domain ConvNeXt-based network for self-supervised multi-contrast MRI reconstruction 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b4 PMID:38479022	研究论文	提出了一种基于图像-小波域ConvNeXt的自监督多对比度MRI重建网络，利用参考对比度信息加速重建并提升精度	首次将ConvNeXt架构应用于多对比度MRI重建，结合图像域和小波域双域重建，并设计跨域一致性损失实现自监督学习，减少对全采样目标对比度数据的依赖	未明确讨论模型在极端欠采样率或不同病理条件下的泛化能力，计算资源需求未提及	加速多对比度MRI采集，通过自监督学习减少目标对比度数据的全采样需求，同时提升重建图像质量	多对比度MRI重建任务中的欠采样目标对比度图像和全采样参考对比度图像	计算机视觉, 数字病理学	不适用	MRI, 多对比度成像	ConvNeXt	MRI图像	HCP数据集和M4Raw数据集，具体样本数量未提及	PyTorch（推测）	ConvNeXt, 注意力ConvNeXt模块	峰值信噪比 (PSNR)	未提及
334	2026-05-15	Algorithmic detection of sleep-disordered breathing using respiratory signals: a systematic review 2024-Mar-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c13 PMID:38387048	综述	系统回顾2012-2022年间利用呼吸信号算法检测睡眠呼吸障碍的文献，涵盖信号源、处理、特征提取、分类及应用	首次系统性地综述了呼吸信号用于SDB检测的算法范围与性能，并发现鼻气流信号算法平均准确率达94.11%，为未来研究提供了参考	单源呼吸信号检测低通气灵敏度较低，峰值仅为73.34%，存在性能瓶颈	填补呼吸信号在SDB检测中算法范围与性能综合评估的空白，提供未来研究方向	睡眠呼吸障碍（SDB）患者及其呼吸信号（鼻气流、口鼻气流、胸腹呼吸努力等）	机器学习	睡眠呼吸障碍	NA	阈值规则法、机器学习模型、深度学习模型	呼吸信号	初始筛选342篇论文，32篇研究符合数据提取标准	NA	NA	准确率、灵敏度	NA
335	2026-05-15	SwinUNet: a multiscale feature learning approach to cardiovascular magnetic resonance parametric mapping for myocardial tissue characterization 2024-Mar-20, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c15 PMID:38387052	研究论文	开发了一种名为SwinUNet的深度学习模型，用于加速心血管磁共振T1/T2参数映射，实现心肌组织特征分析	提出了结合卷积UNet和Swin transformer的分层3D计算结构，实现了空间和时间上的多尺度特征学习，相比仅使用时间分析的MyoMapNet方法在加速条件下表现更优	未在摘要中明确说明，可能是需要进一步验证模型的泛化能力和临床适用性	加速心血管磁共振T1/T2参数映射，以便在临床实践中常规扫描心脏患者	心血管磁共振图像中的心肌组织	计算机视觉, 数字病理学	心血管疾病	心血管磁共振	CNN, Transformer	图像	未在摘要中明确说明，但通常涉及心肌T1/T2映射数据	NA	SwinUNet, UNet, Swin Transformer, MyoMapNet	平均绝对误差, 结构相似性指数, 相关性, Bland-Altman一致性界限	未在摘要中明确说明
336	2026-05-15	Synthetic CT imaging for PET monitoring in proton therapy: a simulation study 2024-Mar-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a99 PMID:38373343	研究论文	基于深度学习的视觉变压器网络，从组合的质子治疗过程中获取的IB-PET和计划CT数据生成合成CT图像	首次应用深度学习技术从IB-PET和计划CT数据生成合成CT图像，克服了IB-PET缺乏直接解剖表征的局限性	研究对象为模拟数据，仅在六名患者上进行仿真，需要更多临床数据验证	通过生成合成CT图像增强质子治疗中PET监测的解剖表征能力	接受质子束照射的六名患者	计算机视觉	肿瘤	IB-PET, CT	视觉变压器（ViT）	图像	六名患者	NA	视觉变压器（ViT）	结构相似性指数（SSIM），平均绝对误差（MAE），均方根误差（RMSE），峰值信噪比（PSNR），Dice相似系数	NA
337	2026-05-15	An interpretable shapelets-based method for myocardial infarction detection using dynamic learning and deep learning 2024-Mar-01, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2217 PMID:38266290	研究论文	提出一种基于可解释形状特征的深度学习动态学习方法，用于心肌梗死的心电图检测	结合动态学习与深度神经网络，从心电图信号中提取可解释的形状特征，捕捉局部病理变化，提高心肌梗死检测的准确性和可解释性	未明确说明局限性，但数据集仅使用公共PTB数据集，可能受限于样本多样性和泛化能力	提高心电图检测心肌梗死的准确性，通过深入探索心电图信号提取显著特征	心肌梗死患者与健康受试者的心电图信号	机器学习	心血管疾病	心电图	深度神经网络	信号数据	公共PTB数据集，具体样本数未提及	NA	NA	准确率、灵敏度、特异度	NA
338	2026-05-15	Conventional and deep learning methods in heart rate estimation from RGB face videos 2024-Feb-09, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad1458 PMID:38081130	综述	评估从RGB人脸视频中估计心率的传统和深度学习方法，重点关注深度学习的局限性和数据集可用性	系统比较了传统方法和深度学习方法在心率估计中的优劣，特别强调了深度学习的限制	未提及具体局限性，但侧重讨论了深度学习方法的局限性和数据集挑战	全面回顾远程光电容积描记法提取和心率估计的多种方法，包括其优缺点	从RGB人脸视频中提取心率信号的方法	计算机视觉	心血管疾病	远程光电容积描记法	深度学习网络	视频	NA	NA	NA	NA	NA
339	2026-05-15	Interactive segmentation of medical images using deep learning 2024-Feb-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1cf8 PMID:38198729	研究论文	提出一种基于深度学习的交互式医学图像分割方法，通过早融合和晚融合策略及解耦头结构，减少标注成本并提高分割性能	提出早融合与晚融合策略以避免交互信息过早稀释，并引入解耦头结构和边界损失函数来增强网络对边界信息的关注	仅在三组医学数据集上验证，未涉及其他类型医学图像或更复杂的场景，且交互点击数仍需2-3次，可能未完全实现零点击	降低医学图像分割中像素级标注的高成本，实现高效、高质量的交互式分割	医学图像中的目标区域（如腹部器官、子宫肌瘤等）	计算机视觉	NA	深度学习	卷积神经网络	图像（MRI）	三组医学数据集：Chaos、VerSe 和 Uterine Myoma MRI，具体样本数量未提及	NA	解耦头结构	NoC@80（超过80%IoU阈值的交互点击次数）	NA
340	2026-05-15	High-resolution MRI synthesis using a data-driven framework with denoising diffusion probabilistic modeling 2024-Feb-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad209c PMID:38241726	研究论文	利用去噪扩散概率模型（DDPM）从低分辨率MRI生成高分辨率图像	将扩散概率深度学习技术应用于MRI超分辨率重建，显著提升噪声质量和信噪比	未来需在前瞻性临床研究中验证该框架对不同临床适应症的效能	开发基于DDPM的框架，从低分辨率MRI生成高分辨率图像以减少扫描时间	前列腺患者T2加权MRI图像和脑肿瘤分割挑战2020（BraTS2020）数据	计算机视觉	前列腺癌, 脑肿瘤	MRI	去噪扩散概率模型（DDPM）	图像	前列腺数据集和BraTS2020数据集	PyTorch	U-Net	噪声质量测量, 信噪比, 峰值信噪比, 多尺度结构相似性指数	NA