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
461	2025-12-20	Accuracy of deep learning in diagnosis of apnea syndrome: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1663851 PMID:41404457	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于图像的深度学习模型在实时检测阻塞性睡眠呼吸暂停综合征中的诊断准确性	首次通过系统综述和荟萃分析综合评估基于心电图图像的深度学习模型在OSAS实时检测中的准确性，并针对不同验证集生成方法进行了亚组分析	建模基于从心电图片段中提取的研究，但提取片段的持续时间存在差异，且该方面未在研究中进行亚组分析，计划在后续研究中进一步探索和验证	阐明基于图像的深度学习方法在实时检测阻塞性睡眠呼吸暂停综合征中的准确性	基于心电图图像构建的深度学习模型	机器学习	阻塞性睡眠呼吸暂停综合征	深度学习	深度学习模型	图像（源自心电图）	来自39项原始研究的数据	NA	NA	灵敏度, 特异度, 诊断比值比, 汇总受试者工作特征曲线下面积, 阳性似然比	NA
462	2025-12-20	Application of machine learning approaches to predict seizure-onset zones in patients with drug-resistant epilepsy: a systematic review 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1687144 PMID:41404463	系统综述	本文系统综述了机器学习方法在预测耐药性癫痫患者发作起始区中的应用与性能	系统评估了机器学习，特别是深度学习和个性化模型在提高发作起始区预测准确性方面的潜力，并强调了考虑癫痫网络级变化的重要性	研究间存在数据采集方法、患者群体和报告标准的异质性，阻碍了直接比较，且临床实用性，特别是在复杂癫痫病例中，仍需进一步研究	评估机器学习方法在预测耐药性癫痫患者发作起始区中的应用与性能	耐药性癫痫患者	机器学习	癫痫	NA	支持向量机, 深度学习	NA	352名患者（平均年龄28岁，34%为女性）	NA	NA	准确率, 灵敏度, 特异性	NA
463	2025-12-20	A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 2: A technical introduction 2024-Jul, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.12025 PMID:38715910	综述	本文为骨科研究人员提供了实施人工智能技术所需的技术基础入门指南	系统性地为骨科研究领域定制了人工智能技术分类、任务和架构的实用介绍，并特别关注了生成式AI和大语言模型的最新进展	作为入门指南，未涉及具体研究案例或深度技术细节，主要侧重于概念性介绍	为骨科研究人员提供参与人工智能驱动研究项目所需的基础技术知识	骨科研究人员	机器学习	骨科疾病	NA	神经网络, 深度学习架构	复杂医学数据, 医学文本	NA	NA	NA	NA	NA
464	2025-12-20	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍了一种名为MRD-EDGE的机器学习引导的ctDNA检测平台，用于通过血浆全基因组测序超灵敏监测肿瘤负荷	开发了MRD-EDGE平台，利用深度学习和ctDNA特异性特征空间，将WGS中SNV的信噪比富集提高了约300倍，并将超灵敏CNV检测所需的非整倍性程度从1 Gb降低到200 Mb	未在摘要中明确说明	提高循环肿瘤DNA（ctDNA）检测的灵敏度，以用于微小残留病（MRD）评估和治疗反应监测	循环肿瘤DNA（ctDNA），涉及多种癌症类型（如肺癌、结直肠癌、黑色素瘤）	机器学习	肺癌，结直肠癌，黑色素瘤	血浆全基因组测序（WGS）	深度学习	基因组测序数据	NA	NA	NA	信噪比富集，检测灵敏度	NA
465	2025-12-20	Super-resolution dual-layer CBCT imaging with model-guided deep learning 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1211 PMID:38048627	研究论文	本研究提出了一种基于双层面板探测器的超分辨率CBCT成像方法，通过深度学习模型从低分辨率投影中恢复高分辨率双能信息	提出了一种新的超分辨率CBCT成像方法，利用双层面板探测器获取过采样空间信息，并开发了基于成像模型的专用循环神经网络suRi-Net	NA	研究一种新型的超分辨率CBCT成像方法，以提高图像空间分辨率	双层面板探测器获取的低能和高能投影数据	计算机视觉	NA	双层面板探测器成像	循环神经网络	图像	NA	NA	suRi-Net	空间分辨率提升百分比	NA
466	2025-12-20	ABUS tumor segmentation via decouple contrastive knowledge distillation 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1274 PMID:38052091	研究论文	本文提出了一种用于自动乳腺超声（ABUS）肿瘤分割的新型知识蒸馏方法，通过解耦对比学习来减少计算需求并提升性能	提出了一种解耦对比知识蒸馏方法，将特征解耦为阳性（肿瘤）和阴性（非肿瘤）对，并设计了基于距离度量的排序损失函数来解决医学图像分割中的难负样本挖掘问题	方法在私有ABUS数据集和公共海马体数据集上进行了评估，但可能在其他医学图像分割任务中的泛化能力未充分验证	开发一种高效的知识蒸馏方法，用于ABUS肿瘤分割，以减少计算和参数需求，同时保持高分割精度	自动乳腺超声（ABUS）图像中的肿瘤区域	计算机视觉	乳腺癌	深度学习，知识蒸馏，对比学习	CNN	3D医学图像	私有ABUS数据集和公共海马体数据集，具体样本数量未明确说明	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	3D U-Net, 3D HR-Net	Dice相似系数（DSC）	未明确指定，但提及了参数减少（学生网络参数仅为教师网络的6.8%和12.1%）
467	2025-12-20	CAM-QUS guided self-tuning modular CNNs with multi-loss functions for fully automated breast lesion classification in ultrasound images 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1319 PMID:38056017	研究论文	本文提出了一种基于模块化卷积神经网络和新型损失函数的全自动乳腺超声图像病灶分类系统	引入了基于类激活映射和定量超声特征的新型损失函数，结合动态通道输入增强网络和注意力引导的InceptionV3特征提取网络，无需显式分割即可实现可解释的病灶分类	未明确说明模型在不同超声设备间的泛化性能细节，且未讨论计算复杂度对实时诊断的潜在影响	开发全自动乳腺超声计算机辅助诊断系统以实现乳腺癌早期检测	乳腺超声图像中的良恶性病灶	计算机视觉	乳腺癌	超声成像	CNN	图像	1494张来自四个公共数据集、一个私有数据集及多中心合并数据集的乳腺超声图像	未明确说明	InceptionV3	准确率, 灵敏度, F1分数	未明确说明
468	2025-12-20	ETU-Net: edge enhancement-guided U-Net with transformer for skin lesion segmentation 2023-12-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad13d2 PMID:38131313	研究论文	提出了一种结合边缘增强、CNN和Transformer的新型多尺度U-Net模型ETU-Net，用于皮肤病变分割任务	引入了边缘检测算子到差分卷积中，设计了边缘增强卷积块和局部Transformer块以强调边缘特征，并提出了多尺度局部注意力块和全局Transformer块以解决边界模糊和补丁划分带来的不确定性	未明确提及	提高皮肤病变分割的准确性，特别是在处理复杂病变形状和模糊边界时	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN, Transformer	图像	三个公开皮肤数据集（PH2, ISIC-2017, ISIC-2018）以及无锡市第二人民医院提供的皮肤镜图像	NA	U-Net, Transformer	分割性能指标（未具体说明，如准确率、Dice系数等）	NA
469	2025-12-20	AI approach to biventricular function assessment in cine-MRI: an ultra-small training dataset and multivendor study 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0903 PMID:37918023	研究论文	本文提出了一种基于超小训练数据集的3D深度学习模型，用于多厂商心脏电影磁共振成像中的双心室结构分割与功能评估	在超小数据集（仅150例）上结合Transformer与U-Net的3D深度学习模型，实现了多厂商、多序列心脏MRI的自动化分析	训练数据规模极小，且未在更广泛的外部数据集中验证模型的泛化能力	开发一种基于超小训练数据集的自动化方法，用于心脏MRI中双心室结构分割与功能评估	心脏电影磁共振成像图像	计算机视觉	心血管疾病	心脏电影磁共振成像	深度学习	3D医学图像	150例心脏数据集（90例训练，60例测试），来自三个不同MRI厂商，每例包含两个心脏周期相位和三个电影序列	NA	Transformer, U-Net	Dice系数, Hausdorff距离, Pearson相关系数, 组内相关系数, Bland-Altman分析	NA
470	2025-12-20	Deep learning for fast super-resolution ultrasound microvessel imaging 2023-12-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0a5a PMID:37934040	研究论文	本文提出了一种名为自适应匹配网络（AM-Net）的新型深度学习架构及多映射（MMP）数据集生成方法，用于快速超分辨率超声微血管成像	引入了AM-Net架构和MMP数据集生成方法，显著提高了超声定位显微镜（ULM）的定位精度和计算效率，相比传统基于深度学习的ULM方法，在高微泡密度下实现了更高的定位准确性，并大幅减少了处理时间	深度学习性能高度依赖于训练数据集，而真实模拟这些数据集较为困难	克服传统超声定位显微镜（ULM）在数据处理时间长、成像精度受微泡密度影响以及传统基于深度学习的ULM方法不精确且计算复杂的问题	超声微血管成像，特别是通过定位微泡（MBs）进行微血管重建	计算机视觉	NA	超声定位显微镜（ULM），深度学习（DL）	深度学习模型	图像	NA	NA	自适应匹配网络（AM-Net）	定位精度（横向/轴向方向），处理时间	NA
471	2025-12-20	Mitigating misalignment in MRI-to-CT synthesis for improved synthetic CT generation: an iterative refinement and knowledge distillation approach 2023-12-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0ddc PMID:37976548	研究论文	提出一种新颖的迭代精炼和知识蒸馏方法，用于减轻MRI到CT合成中的错位问题，以改进合成CT生成	首次通过迭代精炼和知识蒸馏相结合的方式，系统性地解决MRI与CT之间的错位问题，减少GAN幻觉现象	仅针对头颈癌患者进行了验证，未在其他癌症类型或更大样本中测试	提高MRI到CT合成的准确性和对齐度，以支持仅基于MRI的放射治疗计划	头颈癌患者的MRI和CT图像数据	医学影像合成	头颈癌	深度学习，生成对抗网络	GAN	MRI图像，CT图像	48名头颈癌患者	NA	条件GAN	Dice系数，平均绝对误差，相对剂量差异	NA
472	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
473	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
474	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
475	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
476	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
477	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
478	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
479	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
480	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