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
4741	2026-02-08	Transforming cervical cancer pathological diagnosis through artificial intelligence: progress, performance, and barriers to clinical implementation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1716018 PMID:41640440	综述	本系统综述评估了人工智能技术在宫颈癌病理诊断中的应用现状、发展水平及关键挑战	系统性地总结了AI在宫颈癌病理诊断中的进展，特别指出深度学习模型可将诊断时间从8-15分钟缩短至1-3分钟，并达到92-98%的准确率	存在标准化问题、临床验证有限以及基础设施成本高昂等实施挑战	评估人工智能技术在宫颈癌病理诊断中的应用与挑战	涉及宫颈癌病理诊断的人工智能应用研究，包括组织病理学、免疫组织化学和分子病理学诊断	数字病理学	宫颈癌	NA	CNN	组织病理学图像	基于56项纳入研究，具体样本量未在摘要中明确	NA	卷积神经网络	诊断准确率	NA
4742	2026-02-08	Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1726947 PMID:41641033	研究论文	本研究开发了一种多模态MRI影像组学-临床融合模型，用于预测甲状腺眼病患者对静脉糖皮质激素治疗的反应	首次将多模态MRI影像组学特征与深度迁移学习特征融合，并结合临床预测因子构建综合模型，以预测甲状腺眼病的治疗反应	研究为回顾性、多中心设计，样本量相对较小（108名患者），且仅使用了两种MRI序列（T1WI和T2WI-FS）	预测甲状腺眼病患者对静脉糖皮质激素治疗的反应，以实现个性化治疗规划	甲状腺眼病患者	数字病理学	甲状腺眼病	MRI（T1加权成像和脂肪抑制T2加权成像）	融合模型（影像组学与深度学习）	医学影像（MRI）	108名甲状腺眼病患者（78名应答者，30名无应答者）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
4743	2026-02-08	CervSpineNet: a hybrid deep learning-based approach for the segmentation of cervical spinous processes 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1733689 PMID:41635798	研究论文	本文提出了一种名为CervSpineNet的混合深度学习框架，用于自动分割颈椎棘突，并基于专家标注的500张颈椎X光片数据集进行验证	结合基于Transformer的编码器捕获全局解剖上下文与轻量级卷积解码器细化局部边界，并采用复合损失函数联合优化区域重叠、类别平衡、结构保真度和边界准确性	未提及模型在外部数据集或不同设备采集图像上的泛化性能	开发自动化工具以可靠分割颈椎棘突，支持解剖标志定位、手术规划和脊柱畸形纵向评估	颈椎棘突	计算机视觉	脊柱畸形	X射线成像	混合深度学习框架	图像	500张颈椎脊柱X光片	未明确提及	Transformer编码器与卷积解码器混合架构	Dice系数, IoU, SSIM, HD95距离, MAE	标准临床硬件
4744	2026-02-08	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-11, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种深度学习算法，用于自动分类小儿脊柱侧弯患者的脊柱X光片	首次将EfficientNet B6架构应用于小儿脊柱侧弯X光片的自动分类，实现了高精度分类，为大规模影像注册库的数据自动录入提供了重要工具	在数据集中图像数量少于100的类别上观察到性能较低，可能影响模型在罕见类别上的泛化能力	开发自动分类小儿脊柱侧弯患者脊柱X光片的算法，以支持大规模影像注册库的数据管理	小儿脊柱侧弯患者的脊柱X光片（前后位和侧位）	计算机视觉	脊柱侧弯	X光成像	CNN	图像	7777张前后位图像和5621张侧位图像，总计13398张X光片	NA	EfficientNet B6	准确率, 精确率, 召回率, F1分数	NA
4745	2026-02-08	Characterisation of the normal human ganglion cell-inner plexiform layer using widefield optical coherence tomography 2024-Mar, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.13255 PMID:37990841	研究论文	本研究利用宽场光学相干断层扫描技术，描述了健康人群中神经节细胞-内丛状层厚度的变化特征	首次在健康人群中使用宽场光学相干断层扫描技术，结合深度学习自动分割方法，系统分析了神经节细胞-内丛状层厚度随年龄、眼轴长度和性别的变化模式，并揭示了其空间分布特征	研究仅基于470只健康眼睛的数据，样本量相对有限，且未考虑种族、遗传等其他潜在影响因素	描述健康人群中神经节细胞-内丛状层厚度的正常变异，并探讨其与年龄、眼轴长度和性别的关系	健康人群的眼睛（470只健康眼睛）	数字病理学	NA	宽场光学相干断层扫描	深度学习	图像	470只健康眼睛	NA	NA	NA	NA
4746	2026-02-08	PolyAMiner-Bulk is a deep learning-based algorithm that decodes alternative polyadenylation dynamics from bulk RNA-seq data 2024-Feb-26, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100707 PMID:38325383	研究论文	本文介绍了一种基于深度学习的算法PolyAMiner-Bulk，用于从批量RNA-seq数据中解码选择性多聚腺苷酸化动态	该算法使用注意力机制准确重建C/PAS序列语法，解决重叠C/PAS问题，捕捉非近端至远端APA变化，并生成可视化结果，相比现有方法能更准确地识别APA变化	NA	开发一种能够从批量RNA-seq数据中准确解码选择性多聚腺苷酸化动态的算法	选择性多聚腺苷酸化动态及其在人类疾病中的调控	自然语言处理	NA	RNA-seq	深度学习	RNA-seq数据	NA	NA	注意力机制	NA	NA
4747	2026-02-08	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一种名为IDSL_MINT的深度学习框架，用于从质谱数据预测分子指纹	IDSL_MINT首次将Transformer模型应用于质谱数据，类似于大型语言模型，能够将MS/MS谱图转化为分子指纹描述符	NA	提高非靶向代谢组学和暴露组学研究中MS/MS谱图的注释率	质谱数据（MS/MS谱图）	机器学习	NA	串联质谱（MS/MS）	Transformer	质谱数据	使用LipidMaps数据库进行基准测试	NA	Transformer	NA	NA
4748	2026-02-08	TVnet: Automated Time-Resolved Tracking of the Tricuspid Valve Plane in MRI Long-Axis Cine Images with a Dual-Stage Deep Learning Pipeline 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87231-1_55 PMID:41641013	研究论文	本研究提出了一种名为TVnet的双阶段深度学习管道，用于在MRI长轴电影图像中自动追踪三尖瓣平面，以评估右心室功能障碍	提出了一种基于ResNet-50和自动图像线性变换的双阶段深度学习管道，首次实现了三尖瓣平面的自动时间分辨追踪，显著提高了标注准确性	模型仅在140名患者的数据上进行训练和评估，样本量相对有限，且未提及在外部验证集上的性能	开发一种自动化方法，用于在MRI长轴电影图像中追踪三尖瓣平面，以辅助评估右心室功能障碍	来自140名患有多种心血管疾病患者的MRI长轴电影图像	计算机视觉	心血管疾病	MRI	CNN	图像	140名患者的4170张图像	NA	ResNet-50	欧几里得距离误差, ICC	NA
4749	2026-02-08	Multi-objective ensemble deep learning using electronic health records to predict outcomes after lung cancer radiotherapy 2019-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab555e PMID:31698346	研究论文	提出一种基于电子健康记录的多目标集成深度学习方法，用于预测肺癌放疗后的治疗失败高风险	结合动态集成深度学习、自适应多目标优化和证据推理融合，提高预测模型的鲁棒性和准确性	NA	利用电子健康记录预测肺癌放疗后的治疗结果，以支持个性化治疗计划	肺癌患者	机器学习	肺癌	电子健康记录分析	深度学习	电子健康记录	1007名患者（814名未达到无病状态，193名无病且随访至少一年）	NA	深度感知器网络	灵敏度, 特异度, AUC	NA
4750	2026-02-08	Computer-aided diagnosis system for breast ultrasound images using deep learning 2019-12-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5093 PMID:31645021	研究论文	本研究开发了一种基于卷积神经网络（CNN）的计算机辅助诊断（CAD）系统，用于乳腺超声图像中恶性与良性肿块的分类	通过集成VGG19和ResNet152两个CNN模型，并利用热图可视化CNN分类的重要区域，发现肿块本身并非CNN正确分类的关键区域	研究仅基于日本乳腺甲状腺超声学会的临床试验数据，可能缺乏多中心或跨种族验证	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺超声图像中恶性与良性肿块的分类准确性	乳腺超声图像中的恶性与良性肿块	计算机视觉	乳腺癌	超声成像	CNN	图像	1536个乳腺肿块（897个恶性，639个良性），其中独立测试集包含154个肿块（77个恶性，77个良性）	NA	VGG19, ResNet152	灵敏度, 特异度, AUC	NA
4751	2026-02-08	A dual-stream deep convolutional network for reducing metal streak artifacts in CT images 2019-11-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4e3e PMID:31618724	研究论文	本文通过训练一个双流深度卷积神经网络来减少CT图像中的金属条纹伪影，特别关注质子治疗规划中的图像质量提升	提出了一种结合残差学习和注意力机制的双流深度网络结构，在现有NMAR算法基础上进行二次校正，以更有效地去除金属伪影	未明确说明网络在极端或复杂金属植入案例中的泛化能力，且不同损失函数的优缺点需进一步临床验证	解决CT图像中金属伪影的长期问题，提高图像质量以支持精准的质子治疗规划	CT图像中的金属植入案例	医学影像处理	NA	CT成像	深度卷积神经网络	图像	NA	NA	双流深度卷积网络	视觉评估, 定量指标	NA
4752	2026-02-08	Partial-ring PET image restoration using a deep learning based method 2019-11-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4aa9 PMID:31581143	研究论文	本研究探讨了基于深度学习的部分环PET图像恢复方法，通过残差U-Net架构在投影域或图像域预测全环数据，以改善图像质量	首次将基于残差U-Net的深度学习方法应用于部分环PET图像恢复，并比较了投影域与图像域方法的性能差异	研究基于模拟数据（20个数字脑部幻影），未在真实临床数据上验证，且仅评估了有限数量的探测器块移除情况	恢复部分环PET扫描中因投影数据不完整导致的图像伪影，提高图像质量	数字脑部幻影模拟的PET扫描数据	医学影像处理	NA	蒙特卡洛模拟（SimSET工具包），PET扫描	CNN	图像，投影数据	20个数字脑部幻影	NA	残差U-Net	均方误差（MSE），结构相似性指数（SSIM），恢复系数（RC）	NA
4753	2026-02-08	CBCT correction using a cycle-consistent generative adversarial network and unpaired training to enable photon and proton dose calculation 2019-11-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4d8c PMID:31610527	研究论文	本研究探讨了使用循环一致性生成对抗网络（cycleGAN）进行无配对训练的前列腺CBCT校正的可行性，以提高光子及质子剂量计算的准确性	采用无配对训练的cycleGAN进行CBCT校正，不依赖解剖学一致的训练数据或可能不准确的形变图像配准，显著提高了校正速度	对于质子治疗，可能需要进一步的改进以提高剂量计算精度	开发一种高效的CBCT校正方法，以支持图像引导自适应放射治疗中的光子及质子剂量计算	前列腺CBCT图像	数字病理学	前列腺癌	CBCT成像	GAN	图像	33名患者	NA	cycleGAN	HU误差, 剂量差异通过率, 伽马通过率, 质子射程一致性	NA
4754	2026-02-08	Whole-body PET estimation from low count statistics using cycle-consistent generative adversarial networks 2019-11-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4891 PMID:31561244	研究论文	本文提出了一种基于循环一致性生成对抗网络的方法，用于从低计数统计的PET数据中估计诊断质量的全身PET图像	引入循环一致性生成对抗网络和残差块，以从低计数PET数据合成高质量图像，并学习逆变换确保一致性	未明确说明模型在临床环境中的泛化能力或对不同患者群体的适用性	解决PET成像中低计数统计问题，以降低辐射剂量或扫描时间同时保持图像质量	全身PET图像数据	医学影像分析	NA	PET成像	GAN	图像	NA	NA	Cycle GAN, 残差块	平均误差, 归一化均方误差, 归一化互相关, 峰值信噪比	NA
4755	2026-02-08	Synthetic CT generation from non-attenuation corrected PET images for whole-body PET imaging 2019-11-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4eb7 PMID:31622962	研究论文	提出一种基于深度学习的从非衰减校正PET图像生成合成CT的方法，用于全身PET/MRI成像中的衰减校正	首次利用3D循环一致性生成对抗网络框架从NAC PET图像合成CT，并引入自注意力策略以识别最信息丰富的部分并减少噪声干扰	研究为回顾性研究，样本量有限（119组数据），且未在外部数据集上验证泛化能力	开发一种从非衰减校正PET图像生成合成CT的深度学习方法，以解决PET/MRI中衰减校正的挑战	全身PET/CT图像数据	医学影像分析	NA	PET/MRI成像，深度学习	GAN	图像	119组全身PET/CT数据集（80组训练，39组测试评估）	NA	CycleGAN	平均绝对误差，平均误差，归一化均方误差，归一化互相关，峰值信噪比	NA
4756	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
4757	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
4758	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
4759	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
4760	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