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
581	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
582	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
583	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
584	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
585	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
586	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
587	2026-05-15	Determination of output factor for CyberKnife using scintillation dosimetry and deep learning 2024-Jan-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1b69 PMID:38181420	研究论文	利用塑料闪烁体成像与深度学习测量CyberKnife系统的输出因子	首次将塑料闪烁体成像与卷积神经网络结合，实现CyberKnife系统输出因子的快速、便捷测量	经典图像处理方法在测定标准QA参数时失败率较高（34%的点未通过伽马标准），且结果需要进一步优化以提升精度	验证使用塑料闪烁体成像配合商用摄像头和深度学习测量CyberKnife系统输出因子的可行性	CyberKnife系统的输出因子、准直器尺寸及剂量QA参数	医学影像	NA	塑料闪烁体成像	卷积神经网络	图像	NA（未明确样本数量，但涉及模拟数据和绿色闪烁体片的训练）	PyTorch	CNN	伽马准则（2 mm/2%和1%/1 mm）、平均差异（1.1%）、准直器尺寸预测准确度（<1 mm）	NA
588	2026-05-15	Scattered tree death contributes to substantial forest loss in California 2024-01-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-44991-z PMID:38245523	研究论文	利用深度学习从亚米分辨率航拍图像中检测加利福尼亚州91.4百万棵散死亡树木，发现其占森林损失的很大比例	首次通过亚米分辨率航拍图像和深度学习大规模精确检测孤立死亡树木，揭示传统监测方法忽视的散在死亡树木对森林碳汇和野火风险的重要影响	与实地数据相比存在16.7-24.7%的低估偏差，未详细讨论检测算法的误报或漏检率以及不同生态区域的异质性	系统评估加州大面积植被区域中孤立或散死亡树木的范围，以降低树木死亡率实际程度的估算不确定性	加利福尼亚州2780万公顷植被区中的91.4百万棵死亡树木	计算机视觉	NA	亚米分辨率航拍图像	深度学习（目标检测网络，如CNN）	图像	2780万公顷植被区的91.4百万棵死亡树木	PyTorch或类似框架（未明确说明）	亚米分辨率深度学习检测模型（具体架构未明确）	低估偏差（-16.7%至-24.7%），与实地数据对比时的相对误差	未提及具体计算资源
589	2026-05-15	A 3D transfer learning approach for identifying multiple simultaneous errors during radiotherapy 2024-Jan-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1547 PMID:38091615	研究论文	开发基于3D CNN的迁移学习方法，识别放疗过程中同时发生的多种错误	首次采用三维卷积神经网络结合迁移学习方法，在复杂临床场景下同时识别放疗中的多种解剖和机械错误	模型在二级错误分类中的性能较低，且出现过拟合现象	评估CNN在放疗多重错误同时发生时进行错误识别能力	40名肺癌患者的治疗计划和CT图像，模拟的临床常见组合错误	计算机视觉	肺癌	三维剂量分布模拟	三维卷积神经网络	三维剂量比较体数据	40名肺癌患者，2580个3D剂量分布样本	NA	3D CNN，集成模型（三个独立CNN）	F1分数	NA
590	2026-05-15	[Mitigating metal artifacts from cobalt-chromium alloy crowns in cone-beam CT images through deep learning techniques] 2024-01-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20231030-00228 PMID:38228542	研究论文	基于深度学习方法开发并评估金属伪影去除系统对锥形束CT图像中钴铬合金牙冠伪影的去除效果	首次针对不同厚度钴铬合金牙冠在锥形束CT中的伪影特性，开发并比较了卷积神经网络和U-net两种深度学习模型的伪影去除性能	仅在标准3D打印模型上评估，未涉及真实临床患者影像数据，且未探讨对其他类型金属或扫描条件的泛化能力	开发并评估基于深度学习的金属伪影去除系统，验证其对不同厚度钴铬合金冠在锥形束CT图像中的伪影去除效果	钴铬合金牙冠伪影去除系统（CNN-MARS和U-net-MARS）以及不同厚度（1.0、1.5、2.0 mm）的钴铬合金冠	计算机视觉	无特定疾病	锥形束CT	CNN、U-net	图像	标准全口模型（60 mm×75 mm×110 mm）的一个可替换目标牙位，每种厚度的牙冠生成多张匹配的锥形束CT图像	NA	卷积神经网络、U-net	结构相似性指数（SSIM）、峰值信噪比（PSNR）	NA
591	2026-05-15	Non-coplanar lung SABR treatments delivered with a gantry-mounted x-ray tube 2024-Jan-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad111a PMID:38035372	研究论文	提出一种低成本的非共面肺部立体定向消融放疗系统SITKA，并验证其剂量学性能与RTOG 0813标准的一致性	采用安装在机架上的320 kVp X射线管替代传统直线加速器，结合深度学习CBCT到sCT转换和基于GPU反投影的逆向治疗计划，实现低成本且有效的非共面放疗方案	仅基于两名肺癌患者的模拟研究，未涉及临床试验或真实患者数据验证	为低收入国家提供低成本肺癌SABR治疗的替代方案，同时满足RTOG 0813剂量学标准	采用SITKA系统的非共面肺部SABR治疗方案，与基于TrueBeam直线加速器的6 MV VMAT方案对比	医学影像与放射治疗	肺癌	立体定向消融放疗（SABR）、深度学习CBCT到sCT转换、GPU反投影逆向计划	深度学习模型（用于CBCT到sCT转换）	CBCT影像、模拟剂量分布数据	2例肺癌患者的治疗计划	TOPAS Monte Carlo代码、Eclipse平台	NA	剂量学符合率（RTOG 0813标准）、危及器官最大剂量、平均剂量	GPU（用于反投影计算）
592	2026-05-15	Fast deep learning reconstruction techniques for preclinical magnetic resonance fingerprinting 2024-01, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5028 PMID:37669779	研究论文	提出一种深度学习方法及超参数优化策略，用于重建临床前磁共振指纹图谱中的 T1 和 T2 参数图	使用实验数据训练 DL 模型，完全排除理论 MRI 信号模拟器；自动超参数优化策略同时优化神经网络架构、DL 模型结构和监督学习算法	仅基于离体大鼠脑体模的实验数据，未在活体或临床数据上验证	加速并提高 MRF 重建的准确性和计算效率，用于临床前和未来临床研究	离体大鼠脑体模	机器学习	NA	磁共振指纹图谱（MRF）	深度学习（DL）模型	磁共振图像	两个 MRF 序列获取的离体大鼠脑体模图像数据集	NA	NA	平均百分比相对误差，计算时间	7-T 临床前扫描仪
593	2026-05-15	Osteoarthritis year in review 2023: Imaging 2024-01, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.10.005 PMID:37879600	综述	概述了2022年1月1日至2023年4月1日期间关于体内骨关节炎成像的原创研究	对骨关节炎成像领域的最新进展进行了全面叙述性总结，重点关注人工智能应用及其面临的泛化性挑战	排除了体外和动物研究，可能忽略重要临床前发现；人工智能模型的泛化性不足限制了广泛应用	综述过去一年内骨关节炎体内成像的研究进展	人类骨关节炎成像	计算机视觉	骨关节炎	MRI, X射线, CT	NA	图像	249篇相关出版物	NA	NA	NA	NA
594	2026-05-15	Physiological sensor data cleaning with autoencoders 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad10c7 PMID:38029439	研究论文	提出一个基于自编码器的半监督深度学习框架，用于清理生理传感器数据中的噪声	使用扩张卷积捕获信号粗细粒度结构，并引入自编码器实现半监督学习以利用大量未标注数据	半监督模型的调优尚有改进空间	可靠地从生理传感器信号中分离清洁与噪声信号，支持临床药物效能的决策	生理传感器信号中的噪声探测与清理	机器学习	NA	生理传感器数据	自编码器、扩张卷积	时间序列信号	NA	NA	扩张卷积网络、自编码器	准确率、假阳性率、假阴性率	NA
595	2026-05-15	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	基于极小训练数据集开发3D深度学习方法，实现多厂商心脏MRI双心室结构分割与功能评估	在极小样本（150例）下结合Transformer与U-Net的3D深度学习架构，并验证多厂商MRI数据的泛化能力	右心室收缩末期容积（RVESV）和左心室质量（LVM）参数存在统计学差异	开发基于超小训练数据集的自动化双心室功能评估方法	多厂商心脏电影MRI影像	计算机视觉	心血管疾病	心脏电影磁共振成像（cine-MRI）	3D深度学习方法	医学影像	150例心脏数据集（90例训练，60例测试），来自3家MRI厂商，每例包含2个心动周期和3个序列	NA	Transformer, U-Net	Dice系数, Hausdorff距离, Pearson相关系数, 组内相关系数（ICC）, Bland-Altman分析	NA
596	2026-05-15	Deep learning based uncertainty prediction of deformable image registration for contour propagation and dose accumulation in online adaptive radiotherapy 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0282 PMID:37820691	研究论文	开发深度学习模型预测可变形图像配准的不确定性，以实现自适应放疗中轮廓传播和剂量累积的临床应用	首次提出深度学习方法来预测可变形图像配准过程的不确定性，该方法速度快、估计质量高，并可适用于不同算法无需重新训练	未明确提及限制，但可能依赖于标注地标和特定数据集，泛化性和临床验证尚待进一步研究	通过预测DIR不确定性并转化为临床可用指标，实现直接临床应用	DIR中可变形矢量场的Gaussian不确定性，及其对轮廓和累积剂量的影响	计算机视觉	肺癌	可变形图像配准	神经网络（有监督和无监督）	图像（DIRLAB数据集，肺部患者图像）	DIRLAB数据集（含人工标注地标）及5位肺癌患者	NA	有监督和无监督神经网络，组合模型	准确性（地标不确定性预测），轮廓不确定性小于3%（基于DVH的剂量体积直方图评估）	NA
597	2026-05-15	MB-DECTNet: a model-based unrolling network for accurate 3D dual-energy CT reconstruction from clinically acquired helical scans 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad00fb PMID:37802071	研究论文	提出一种基于模型展开网络的MB-DECTNet，用于从临床采集的螺旋扫描中实现精确的3D双能CT重建	将双能CT统计迭代重建融入深度学习模型展开网络，可端到端训练，在保持无偏估计特性的同时学习迭代算法初始条件与稳定点之间的捷径，显著加速重建并保持亚百分比精度	未提及该方法在不同临床场景或不同扫描参数下的泛化能力，以及与传统方法在更多数据集上的对比评估	加速3D双能CT统计迭代重建，同时保持亚百分比或近亚百分比的精度	双能CT扫描重建的衰减系数估计和虚拟单能量图像	计算机视觉, 数字病理学	NA	双能CT	深度展开网络	CT图像	全头部的临床采集螺旋扫描数据	PyTorch	MB-DECTNet（包含多个堆叠的更新块，每个块包括数据一致性层和空间混合器层）	平均偏差, 平均绝对误差, 重建时间	未提及具体GPU类型或计算平台
598	2026-05-15	An uncertainty aided framework for learning based liverT1ρmapping and analysis 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad027e PMID:37820639	研究论文	提出一个不确定性辅助的深度学习框架，用于肝脏T1ρ映射和分析	首次在基于学习的T1ρ映射中引入不确定性估计，并利用不确定性图改善映射性能和移除不可靠像素	NA	开发用于肝脏T1ρ映射的可信深度学习系统，提供不确定性估计以增强临床可靠性	不同肝纤维化阶段的肝脏组织	机器学习	肝纤维化	定量T1ρ成像	概率神经网络	图像（MRI）	51名肝纤维化患者	PyTorch	NA	相对映射误差	NA
599	2026-05-15	Unified Bayesian network for uncertainty quantification of physiological parameters in dynamic contrast enhanced (DCE) MRI of the liver 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0284 PMID:37820640	研究论文	提出一种用于肝脏动态对比增强磁共振成像生理参数不确定性量化的统一贝叶斯网络框架	通过贝叶斯神经网络同时最小化偶然不确定性和认识不确定性，实现参数和不确定性的准确估计	未说明	提供深度学习框架以实现肝脏DCE-MRI中准确的参数和不确定性估计	肝脏动态对比增强磁共振成像中的生理参数	机器学习	肝脏肿瘤	DCE-MRI	贝叶斯神经网络	数值模拟数据与患者数据	一名患有肝脏肿瘤病变的患者	NA	贝叶斯神经网络	RMSE	NA
600	2026-05-15	WKGM: weighted k-space generative model for parallel imaging reconstruction 2023-11, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5005 PMID:37547964	研究论文	提出加权k空间生成模型WKGM，用于无校准并行成像重建	将k空间加权技术与高维空间增强设计融入基于分数的生成模型，实现灵活无校准的并行成像重建	仅基于500张图像进行训练，大规模数据下的泛化性能未验证	探索基于鲁棒生成模型的k空间域学习，用于柔性无校准并行成像重建	磁共振并行成像中的k空间数据重建	计算机视觉	不适用	MRI并行成像	基于分数的生成模型	k空间数据	500张图像	不适用	WKGM（加权k空间生成模型）	重建质量评估（具体指标未明确）	不适用