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
521	2026-04-23	Segmentation of coronary artery and calcification using prior knowledge based deep learning framework 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17642 PMID:39878608	研究论文	本研究提出了一种基于先验知识的深度学习框架，用于冠状动脉和钙化的分割，并探索了分割结果对旋磨术的预测能力	整合冠状动脉和钙化的解剖先验知识到深度学习分割框架中，通过变分自编码器中心线提取、自注意力、逻辑操作和分割模块提升分割准确性和稳定性	研究样本量较小（72名患者），可能限制模型的泛化能力；未详细讨论计算资源需求或框架在其他数据集上的性能	提高冠状动脉和钙化在CTA图像中的分割准确性，并基于分割结果预测旋磨术的必要性	冠状动脉和钙化区域	数字病理学	心血管疾病	计算机断层扫描血管造影（CTA）	深度学习框架	3D CTA图像	72名患者的CTA图像数据集	NA	变分自编码器（VAE），自注意力模块	分割准确性，预测准确性	NA
522	2026-04-23	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	本文提出了一种用于超声图像中乳腺病灶分割的多级感知边界引导网络（PBNet），旨在提升对与正常组织强度相似的非增强病灶的边界分割精度	提出了一种新颖的多级感知边界引导网络（PBNet），该网络包含多级全局感知模块（MGPM）和边界引导模块（BGM），并引入了多级边界增强分割损失（BS损失），以增强对非增强肿瘤的识别和边界分割	效应量小于0.2，表明性能提升的幅度相对较小	从超声图像中准确分割乳腺肿瘤，特别是提升对与正常组织强度相似的非增强病灶的边界分割精度	超声图像中的乳腺病灶	计算机视觉	乳腺癌	超声成像	CNN	图像	两个数据集：公开数据集BUSI（780张图像）和内部数据集（995张图像）	NA	PBNet（包含多级全局感知模块MGPM和边界引导模块BGM）	Dice分数, Jaccard系数, Hausdorff距离, 敏感性, 特异性	NA
523	2026-04-23	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	本文开发了一种基于条件生成对抗网络（GAN）的2D到3D磁共振（MR）体积重建模型，通过患者和分次特定的微调工作流，利用正交2D MR图像重建合成3D MR体积，用于在线剂量适应	提出了一种患者和分次特定的微调工作流，结合条件GAN模型，能够在有限数据条件下有效重建3D MR体积，显著提升了图像质量和几何精度	研究样本量相对较小（43名患者），且仅基于单一成像协议，可能限制了模型的泛化能力	开发一种个性化深度学习模型，用于从正交2D MR图像重建3D MR体积，以支持在线剂量适应	前列腺癌患者在接受MR引导的自适应放疗过程中的MR图像	医学影像分析	前列腺癌	磁共振成像（MRI）	GAN	图像	43名患者的2473个3D MR体积	NA	条件生成对抗网络（GAN）	SSIM, PSNR, RMSE, MAE, Dice相似系数（DSC）, Hausdorff距离（HD）	NA
524	2026-04-23	Neural architecture search with Deep Radon Prior for sparse-view CT image reconstruction 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17685 PMID:39930320	研究论文	本文提出了一种名为NAS-DRP的无监督深度学习方法，用于稀疏视图CT图像重建，通过结合深度Radon先验和神经架构搜索来优化网络结构	首次将神经架构搜索与深度Radon先验结合，用于无监督CT图像重建，自动优化上采样单元的网络结构，提高了重建图像的细节和准确性	方法依赖于无监督学习，可能缺乏与有监督方法相比的配对数据优势，且神经架构搜索过程可能计算成本较高	改进稀疏视图CT图像重建，减少辐射暴露并提升图像质量	稀疏视图CT图像	计算机视觉	NA	CT扫描	编码器-解码器网络, RNN	图像	NA	NA	NAS-DRP	PSNR, SSIM, LPIPS	NA
525	2026-04-23	Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17673 PMID:39935217	研究论文	本文提出了一种基于深度学习的3D网络，用于从患者数据直接预测VMAT放疗计划中的注量图，以加速治疗规划过程	开发了一种新颖的3D网络架构，能够一次性预测单弧VMAT计划中180个控制点对应的所有注量图，并通过预处理将3D剂量图投影到BEV视图以辅助网络学习	研究主要基于模拟生成的VMAT计划数据，可能未完全覆盖临床实际病例的多样性；网络性能在真实临床环境中的泛化能力有待进一步验证	加速VMAT放疗计划制定过程，通过快速预测注量图来替代传统耗时的迭代优化流程	VMAT放疗计划中的注量图预测	医学影像分析	癌症	深度学习	3D卷积神经网络	3D剂量图、注量图	超过2000个VMAT计划（使用Eclipse生成并结合REQUITE数据集）	未明确提及	3D网络（具体架构未命名，对比了U-Net）	PSNR, SSIM, 剂量体积直方图(DVH)	未明确提及
526	2026-04-23	A deep learning-based peer review method for radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17686 PMID:39935240	研究论文	本研究开发了一种基于深度学习的放疗计划同行评审方法，利用患者解剖信息进行个性化质量控制	结合深度学习剂量预测和统计模型，为放疗计划提供个性化质量控制，替代传统主观评估方法	模型训练样本量较小（139例），仅针对鼻咽癌患者，可能限制泛化能力	开发基于患者解剖信息的放疗计划个性化质量控制方法	鼻咽癌患者的放疗计划	数字病理	鼻咽癌	深度学习剂量预测	CNN	3D剂量分布图像	139例鼻咽癌患者（95训练，20验证，24测试），另加29个临床治疗计划用于同行评审	NA	UNet	平均体素剂量差异	NA
527	2026-04-23	Lesion segmentation method for multiple types of liver cancer based on balanced dice loss 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17624 PMID:39945728	研究论文	本文提出了一种基于平衡Dice损失（BD Loss）的肝癌症病灶分割方法，用于解决多类型肝癌症分割中的数据不平衡问题	提出了一种平衡Dice损失函数（BD Loss），结合贪婪参数平均算法（GPA算法）和模型集成及后处理方法，实现了多类型肝癌症的平衡准确分割	研究基于单一医疗中心的回顾性数据，可能限制了模型的泛化能力，且未详细讨论计算资源需求	开发一种能够准确分割多类型肝癌症的深度学习方法，以辅助临床诊断和治疗	恶性肝肿瘤患者的CT筛查图像及肿瘤分割标注	数字病理学	肝癌	CT成像	深度学习模型	图像	591名患者的CT图像	NA	NA	Dice per case（DPC）	NA
528	2026-04-23	Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17682 PMID:39966996	研究论文	本研究提出了一种无需额外训练即可将左侧乳腺癌深度学习自动计划模型适配用于右侧乳腺癌治疗计划的技术	通过对称结构左右互换和模型参数调整，实现了左侧训练模型向右侧患者的直接迁移，避免了重新训练的时间消耗	技术依赖于特定治疗计划系统（TPS）工具，通用性可能受限	开发右侧早期乳腺癌的自动化治疗计划技术	右侧早期乳腺癌患者	数字病理	乳腺癌	深度学习模型迁移	深度学习模型	治疗计划数据	30例患者（10例用于模型调优，20例用于验证），外加10例临床患者	NA	NA	剂量体积参数（心脏平均剂量、左右肺平均剂量、左肺最大剂量、右冠状动脉最大剂量）	NA
529	2026-04-23	Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17692 PMID:39967020	研究论文	本研究探讨了使用深度学习预测包括同步整合推量技术的肺癌放疗剂量分布的可行性及其在改善治疗计划质量方面的潜在益处	首次验证深度学习在预测包含同步整合推量技术的放疗剂量分布中的有效性，并评估其在临床计划工作流程中识别次优计划质量和改善正常组织保护的潜力	研究样本量相对较小（训练集75例，测试集18例，前瞻性验证10例），且仅基于单一机构的肺癌患者数据，可能限制模型的泛化能力	研究深度学习预测肺癌放疗剂量分布的可行性，并评估其在改善治疗计划质量方面的应用价值	肺癌患者的放疗治疗计划，包括使用同步整合推量技术的计划	数字病理	肺癌	深度学习，三维剂量分布预测	CNN	CT图像，靶区和正常组织轮廓，处方剂量	93例回顾性临床计划（75例训练，18例测试），外加10例前瞻性患者	NA	3D U-Net	平均剂量差异	NA
530	2026-04-23	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	研究论文	本研究探索了使用锥束计算机断层扫描（CBCT）评估宫颈癌放疗患者骨骼肌指数（SMI）的可行性，并开发了一种基于深度学习的自动分割和肌少症诊断方法	首次提出使用第五腰椎（L5）替代第三腰椎（L3）在CBCT图像上评估SMI，并设计了一种端到端的解剖距离引导双分支特征融合网络进行自动分割	研究样本量有限（248例患者），且外部验证数据集规模较小，可能影响模型的泛化能力	开发一种基于CBCT和深度学习的自动分割与肌少症诊断方法，以辅助宫颈癌放疗患者的临床评估	接受放疗的宫颈癌患者	数字病理学	宫颈癌	锥束计算机断层扫描（CBCT），深度学习	深度学习网络	医学图像（CBCT图像）	248例宫颈癌放疗患者，包含外部验证数据集	NA	端到端解剖距离引导双分支特征融合网络	组内相关系数（ICC），Pearson相关系数（PCC），Bland-Altman图，Dice相似系数，准确率，F1分数	NA
531	2026-04-23	The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study 2025-Mar-01, Neurology India IF:0.9Q4 DOI:10.4103/NI.Neurol-India-D-23-00014 PMID:40176222	研究论文	本研究通过两年随访，探索了恶化型轻度认知障碍患者的多模态磁共振成像特征	利用深度学习算法提取脑区特征，并识别出与MCI恶化相关的特定脑区FA值降低和ADC值升高作为预警特征	样本量相对有限（105名患者），且仅基于两年随访数据，长期变化趋势尚不明确	探索轻度认知障碍患者恶化的磁共振成像生物标志物	105名轻度认知障碍患者	数字病理学	老年疾病	多模态磁共振成像	深度学习算法	磁共振图像	105名MCI患者	NA	NA	NA	NA
532	2026-04-23	Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386707 PMID:38598377	研究论文	本研究提出了一种基于光电容积脉搏波（PPG）数据和个性化深度学习的模型，用于预测孕妇血压，以实现对先兆子痫的有效预警	提出了一种三阶段（建模、微调、个性化）的深度学习框架，结合了1D-CNN、CBAM注意力模块、双向GRU和注意力层，并针对孕妇群体进行个性化微调，实现了连续、无袖带的精准血压监测	样本量相对有限（共194名受试者，其中孕妇40名），且未明确说明模型在不同妊娠阶段或合并症孕妇中的泛化能力	开发一种基于PPG信号的连续、无创血压监测方法，为孕妇提供先兆子痫的早期预警	孕妇的血压数据，通过PPG传感器从腕部动脉采集	机器学习	先兆子痫	光电容积脉搏波（PPG）	CNN, GRU	时序信号数据（PPG波形）	194名受试者（154名正常个体，40名孕妇）	NA	1D-CNN with CBAM, Bi-directional GRU, Attention layers	平均误差（ME）, 标准差（SD）	NA
533	2026-04-23	External Validation of Deep Learning Models for Classifying Etiology of Retinal Hemorrhage Using Diverse Fundus Photography Datasets 2024-Dec-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010020 PMID:39851294	研究论文	本研究通过外部验证，评估了FastVit_SA12和ResNet18深度学习模型在利用多样眼底摄影数据集区分视网膜出血的创伤性与医学性病因方面的性能	首次对FastVit_SA12和ResNet18模型在视网膜出血病因分类任务上进行大规模外部验证，并利用Grad-CAM分析揭示了不同模型在特征关注区域上的差异	研究未提及模型在更广泛或更具挑战性的临床场景（如不同种族、设备或疾病阶段）中的泛化能力，也未讨论模型的可解释性在临床决策中的具体应用限制	旨在通过外部验证评估深度学习模型在视网膜出血病因分类中的准确性和可靠性，以推动AI在眼科临床诊断中的应用	视网膜出血（RH）的眼底摄影图像，用于区分创伤性与医学性病因	计算机视觉	视网膜出血	眼底摄影	深度学习模型	图像	2661张图像，包括来自韩国和弗吉尼亚的私人收藏以及公开数据集（RFMiD、BRSET、DeepEyeNet）	NA	FastVit_SA12, ResNet18	准确率, 精确率, 召回率	NA
534	2026-04-23	Evaluation of fragility fracture risk using deep learning based on ultrasound radio frequency signal 2024-11, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03931-z PMID:38982023	研究论文	本研究评估了基于超声射频信号的多通道残差网络在绝经后女性中区分脆性骨折风险的表现	首次将多通道残差网络应用于超声射频信号分析，用于脆性骨折风险预测，并显示出优于传统定量超声参数和骨密度测量的性能	这是一项试点横断面研究，样本量有限（246人），且人群多样性不足，未来需要在更大、更多样化的人群中进行验证	评估基于超声射频信号的深度学习模型在绝经后女性中区分脆性骨折风险的有效性	246名绝经后女性，包括170名非骨折组、50名椎体骨折组和26名非椎体骨折组	数字病理	骨质疏松性骨折	定量超声（QUS）、超声射频信号采集、双能X射线吸收测定法（DXA）	CNN	超声射频信号	246名绝经后女性	NA	多通道残差网络（MResNet）	比值比（OR）、受试者工作特征曲线下面积（AUC）	NA
535	2026-04-23	High-Throughput Deep Learning Detection of Mitral Regurgitation 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.069047 PMID:39129623	研究论文	本研究开发并验证了一个全自动深度学习流程，用于从经胸超声心动图视频中识别心尖四腔视图并检测临床显著的二尖瓣反流	提出了一个全自动深度学习管道，能够从大量超声心动图视频中高效识别特定视图并检测二尖瓣反流严重程度，实现了跨机构验证	研究仅使用了来自两个医疗中心的数据，可能未涵盖所有临床场景或设备差异	开发自动化工具以辅助二尖瓣反流的诊断和筛查	经胸超声心动图视频，特别是心尖四腔视图彩色多普勒视频	数字病理学	心血管疾病	彩色多普勒超声心动图	深度学习模型	视频	内部测试集：1800项研究（80833个视频）；外部测试集：915项研究（46890个视频）；总开发数据：58614项经胸超声心动图（2587538个视频）	NA	NA	AUC, 灵敏度, 特异性	NA
536	2026-04-23	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含超过1000个患者来源异种移植（PDX）及其配对亲本肿瘤H&E染色图像的全癌种图像库，并集成了基因组、转录组、临床元数据及病理注释，以支持深度学习分析	创建了首个大规模、全癌种的PDX H&E图像库，整合了多维数据（基因组、病理注释等），并展示了其在深度学习任务（如区域分类、疾病预测）中的应用潜力	PDX模型使用免疫缺陷小鼠，可能无法完全模拟人类肿瘤微环境；部分病例的详细病理注释有限	构建一个用于深度学习分析的PDX组织学图像资源库，以促进癌症生物学研究和计算病理学方法开发	患者来源异种移植（PDX）模型及其配对的人类亲本肿瘤样本	数字病理学	全癌种	H&E染色组织学成像	深度学习分类器、预测器	组织学图像	超过1000个PDX及其配对亲本肿瘤样本	NA	NA	NA	NA
537	2026-04-23	Precise and Rapid Whole-Head Segmentation from Magnetic Resonance Images of Older Adults using Deep Learning 2024-Mar, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00090 PMID:38465203	研究论文	本研究提出了一种名为GRACE的深度学习模型，用于从老年人磁共振图像中快速精确地进行全头组织分割	开发了首个专门针对老年人头部MRI的大规模手动校正数据集，并提出了GRACE模型，在分割速度和精度上均优于现有工具	模型主要针对老年人群体，在年轻人群中的适用性可能需要进一步验证	开发适用于老年人的高精度快速全头MRI分割方法，为年龄相关脑部疾病的计算机辅助解决方案提供基础	老年人T1加权磁共振图像	数字病理	老年疾病	磁共振成像	深度学习	医学图像	177个手动校正的MRI参考分割数据	NA	3D U-Net	Hausdorff距离	NA
538	2026-04-23	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: A retrospective assessment 2024-Jan, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.14949 PMID:37864429	研究论文	本研究开发并评估了一种基于深度学习的算法，用于在Mohs显微外科手术中实时检测皮肤鳞状细胞癌的冰冻切片边缘	首次将卷积神经网络应用于皮肤鳞状细胞癌的术中冰冻切片边缘分析，实现了高精度的肿瘤识别，为AI集成到手术流程提供了概念验证	算法对高分化肿瘤的独特表皮结构敏感性不足，且未考虑周围组织背景以映射肿瘤至原始解剖位置	开发并评估AI算法在皮肤鳞状细胞癌术中实时组织学边缘分析的准确性	皮肤鳞状细胞癌的冰冻切片玻片	数字病理学	皮肤鳞状细胞癌	冰冻切片扫描与标注	CNN	图像	回顾性队列研究中的冰冻cSCC切片玻片（具体数量未说明）	NA	NA	准确性	NA
539	2026-04-23	Spatiotemporal denoising of low-dose cardiac CT image sequences using RecycleGAN 2023-09-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acf223 PMID:37604139	研究论文	本研究开发了一种基于RecycleGAN的时空深度学习方法来增强低剂量心脏CT图像序列的质量	利用RecycleGAN结合循环网络处理时间序列图像，相比CycleGAN能更好地利用时空信息进行降噪	研究主要基于模拟数据和有限的患者样本，临床验证规模相对较小	开发一种深度学习方法来降低心脏CT图像序列的噪声，以减少辐射剂量	心电图门控多相计算机断层扫描血管造影（MP-CTA）图像序列	计算机视觉	心血管疾病	计算机断层扫描（CT）	GAN	图像序列	模拟数据：18名患者（14训练，2验证，2测试）；临床数据：50名患者	NA	RecycleGAN, CycleGAN	视觉检查，定量指标	NA
540	2026-04-23	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展与应用	系统性地回顾了AI在肺部数字病理学中的多种应用，包括癌症、结核病、特发性肺纤维化和COVID-19，并探讨了新兴方向如多模态数据分析和3D病理学	未提及具体研究的数据限制或方法学局限性，主要作为领域综述存在	探讨人工智能工具在肺部数字病理学中的发展现状、应用及未来挑战	肺部疾病，包括肺癌、结核病、特发性肺纤维化、COVID-19等	数字病理学	肺癌	数字病理学成像	深度学习，无监督特征方法	病理图像	NA	NA	NA	NA	NA