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
601	2026-05-15	CoTrFuse: a novel framework by fusing CNN and transformer for medical image segmentation 2023-08-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acede8 PMID:37605997	研究论文	提出了CoTrFuse框架，结合CNN和Transformer的优点进行医学图像分割	利用EfficientNet和Swin Transformer作为双编码器，并通过Swin Transformer与CNN融合模块在跳跃连接前融合特征，同时捕获全局和局部信息	NA	解决医学图像分割中CNN和Transformer各自局限性，实现更好的全局和局部信息融合	医学图像分割任务	计算机视觉，数字病理学	皮肤病变（ISIC-2017数据集），COVID-19（COVID-QU-Ex数据集）	NA	CNN，Transformer	图像	两个数据集：ISIC-2017挑战数据集和COVID-QU-Ex数据集	PyTorch	EfficientNet，Swin Transformer，U-Net	准确率，召回率，F1分数，Dice系数等	NA
602	2026-05-15	Deep learning-based dose map prediction for high-dose-rate brachytherapy 2023-08-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acecd2 PMID:37589292	研究论文	基于深度学习的剂量图预测方法，用于高剂量率近距离治疗	引入Squeeze and Excitation Attention Net (SE_AN)模型，通过SE模块强调施源器贡献，提出Cascaded UNet架构用于近距离治疗剂量预测	未提及明确的局限性	开发专门用于近距离治疗的3D剂量预测方法，提高治疗计划标准化和质量控制	近距离治疗中的剂量分布	计算机视觉	放射治疗	NA	CNN	图像	250例病例，包括阴道、串联和卵形、多通道和自由针施源器	NA	Squeeze and Excitation Attention Net, Cascaded UNet, UNet	平均绝对误差 (MAE)	NA
603	2026-05-15	Suppressing image blurring of PROPELLER MRI via untrained method 2023-Aug-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acebb1 PMID:37506706	研究论文	提出一种无训练深度学习方法，用于加速PROPELLER磁共振成像并抑制图像模糊	首次引入无训练神经网络（UNN）抑制PROPELLER MRI图像模糊，无需外部训练数据，避免分布偏移问题	未明确提及局限性	加速PROPELLER MRI扫描并抑制图像模糊	PROPELLER MRI技术中的图像重构质量	机器学习	NA	MRI	无训练神经网络（UNN）	图像	脑MRI数据	NA	UNN	图像清晰度	NA
604	2026-05-15	Standard-based personalized healthcare delivery for kidney illness using deep learning 2023-Aug-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ace09f PMID:37343580	研究论文	本研究采用深度学习分析标准化电子健康记录数据集，用于诊断肾脏相关疾病	提出了通用模块化深度学习架构ECD在肾脏疾病诊断中的创新应用，并基于真实世界的openEHR基准数据集ORBDA进行训练	NA	评估深度学习对标准化电子健康记录数据集在肾脏疾病诊断中的效果	肾脏疾病的标准化电子健康记录数据	机器学习	肾脏疾病	NA	编码器-组合器-解码器（ECD）	电子健康记录文本数据	来自巴西公共卫生系统SUS（DATASUS）的openEHR基准数据集	NA	ECD（编码器-组合器-解码器）	精确率、召回率、F1分数	NA
605	2026-05-15	VAEs with structured image covariance applied to compressed sensing MRI 2023-08-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace49a PMID:37406641	研究论文	本文研究如何将基于真实图像训练生成的模型作为逆问题的先验，应用于压缩感知MRI中，并引入结构化图像协方差	利用变分自编码器不仅生成图像，还生成每个图像的协方差不确定性矩阵，该矩阵能建模由图像边缘或物体引起的依赖关系变化，提供从学习图像流形出发的新距离度量	仅在回顾性子采样的fastMRI数据集上进行评估，未涉及前瞻性临床数据或不同MRI序列的验证	探索无监督学习的生成正则化方法在逆问题中的应用，以保持变分正则化方法的控制和洞察力，同时提供复杂的数据驱动先验	压缩感知MRI中的图像重建问题	计算机视觉	不适用	MRI	变分自编码器	图像	不适用	PyTorch	变分自编码器	不适用	不适用
606	2026-05-15	DPAM-PSPNet: ultrasonic image segmentation of thyroid nodule based on dual-path attention mechanism 2023-Jul-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace6f1 PMID:37437581	研究论文	提出了一种基于双路径注意力机制的DPAM-PSPNet模型，用于甲状腺结节超声图像分割	在PSPNet中引入双路径注意力机制，一条路径通过轻量级跨通道交互捕获全局信息，另一条路径通过残差桥网络关注结节边缘及周围信息	未提及	实现甲状腺结节超声图像的自动精确分割，特别是恶性结节的精准分割	甲状腺结节超声图像	计算机视觉, 数字病理学	甲状腺结节	超声成像	CNN	图像	NA	NA	PSPNet, 双路径注意力机制, 残差桥网络	mIOU, mPA, mPrecision, Dice系数	NA
607	2026-05-15	Predicting dice similarity coefficient of deformably registered contours using Siamese neural network 2023-07-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace6f0 PMID:37437590	研究论文	本文提出一种基于孪生神经网络的深度学习模型，用于预测前列腺放疗中可变形配准轮廓的Dice相似系数	首次利用孪生神经网络直接预测可变形图像配准轮廓的DSC，无需人工评估，可自动化触发DIR质量检查	仅针对前列腺癌患者和单一解剖部位，模型泛化性需在更多数据集验证	开发能够准确预测可变形配准轮廓DSC的深度学习模型，以辅助自适应放疗中的配准质量评估	前列腺癌患者放疗计划CT和每日锥形束CT图像配准后的器官轮廓	数字病理学	前列腺癌	可变形图像配准	孪生神经网络	CT图像	20例前列腺癌患者，每例37-39次日常CBCT扫描	NA	孪生神经网络	均方根误差, 准确率, 灵敏度	NA
608	2026-05-15	A deep-learning assisted bioluminescence tomography method to enable radiation targeting in rat glioblastoma 2023-07-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace308 PMID:37385265	研究论文	提出一种基于深度学习的生物发光断层成像方法，用于大鼠胶质母细胞瘤的放射靶向规划	首次将深度学习应用于生物发光断层成像的肿瘤靶向和治疗规划，实现快速、准确的3D重建，减少X射线成像剂量	真实BLI测量数据有限，中位Dice相似系数较低（42%），模型仅在模拟和少量真实数据上验证，泛化性需进一步评估	开发一种计算高效的深度学习BLT重建方法，支持大鼠GBM模型的实时放射治疗规划	原位大鼠GBM模型	计算机视觉	胶质母细胞瘤	生物发光成像	深度学习模型	图像	模拟数据集和有限真实大鼠GBM模型的BLI测量数据	NA	NA	Dice相似系数, 肿瘤覆盖率, 几何脑覆盖比例, 剂量-体积指标	NA
609	2026-05-15	[Research status and outlook of deep learning in oral and maxillofacial medical imaging] 2023-06-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230405-00138 PMID:37305929	综述	综述深度学习在口腔颌面医学影像中的研究现状与展望，涵盖牙齿及解剖结构检测、疾病诊断和法医鉴定等应用	系统梳理深度学习在口腔颌面影像中的多方面应用，并总结研究局限与未来发展方向	仅叙述性综述，未进行系统性文献检索或量化分析	探讨深度学习在口腔颌面医学影像领域的研究现状与未来趋势	口腔颌面医学影像（如X光、CT等）中的牙齿及解剖结构、疾病和法医学应用	计算机视觉	口腔疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
610	2026-05-15	Real-time liver tumor localization via combined surface imaging and a single x-ray projection 2023-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acb889 PMID:36731143	研究论文	提出一种基于深度学习的框架Surf-X-Bio，通过结合光学表面影像和单次X射线投影实现肝脏肿瘤的实时三维定位	首次将光学表面成像与单次X射线投影结合，利用深度学习模型学习呼吸引起的外部体表与肝脏边界运动相关性，并采用图神经网络和生物力学建模进行运动校正和肿瘤定位	未报告在患者队列中的验证结果，且依赖于单个X射线投影可能受成像角度和噪声影响	开发一种实时（<500毫秒）的肝脏肿瘤三维运动追踪方法，用于自适应放疗	肝脏肿瘤的实时三维定位	计算机视觉, 数字病理学	肝癌	光学表面成像, X射线投影	深度学习模型, 图神经网络	影像数据	未提及具体样本量	PyTorch	图神经网络, 生物力学驱动模型	95百分位数豪斯多夫距离, 质心定位误差	NA
611	2026-05-15	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	提出一种基于深度学习的前列腺癌多通道图像血管自动检测与分布分析流水线	首次结合CD31、CD34和胶原IV三种标记物训练深度学习模型，实现前列腺癌组织微血管的自动分割，并系统分析血管大小和分布模式与疾病进展的关联	NA	开发自动化流水线用于前列腺癌多通道图像中血管检测和分布分析，以替代手动分割并研究血管特征与预后相关性	前列腺癌患者队列中的血管	数字病理学, 机器学习	前列腺癌	多重免疫荧光成像	深度学习分割模型	图像（CD31、CD34和胶原IV多通道显微图像）	215例前列腺癌患者的组织样本	NA	NA	精确率、召回率、Dice相似系数	NA
612	2026-05-15	Ultrasonic Image Feature Analysis under Deep Learning Algorithm to Evaluate the Efficacy of Drug-Coated Balloon for Treatment of Arteriosclerotic Occlusion 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/3176716 PMID:35720043	研究论文	利用深度学习算法分析超声图像，评估药物涂层球囊治疗动脉硬化闭塞症的效果	首次将基于深度学习的区域更快卷积神经网络目标检测算法应用于超声图像，以评估药物涂层球囊治疗动脉硬化闭塞症的疗效，并与数字减影血管造影结果进行一致性比较	对于胫前动脉狭窄的诊断，算法超声与数字减影血管造影的一致性一般	探索基于深度学习算法的超声图像在评估药物涂层球囊治疗动脉硬化闭塞症疗效中的应用价值	56例接受下肢动脉药物涂层球囊手术的患者	计算机视觉	动脉硬化闭塞症	超声成像，数字减影血管造影	区域更快卷积神经网络	超声图像	56名患者	NA	Faster R-CNN	Dice系数，精确率，灵敏度	NA
613	2026-05-15	Optimizing Deep Learning Algorithms for Segmentation of Acute Infarcts on Non-Contrast Material-enhanced CT Scans of the Brain Using Simulated Lesions 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200127 PMID:34350404	研究论文	使用模拟急性梗死病灶的深度学习算法优化非增强CT脑扫描的梗死分割	首次在非增强CT上利用合成急性梗死病灶训练深度学习模型，并引入对称感知U-Net架构提升分割性能	合成病灶可能无法完全模拟真实病灶的异质性，样本量较小（40个DWI病灶），且渐进训练策略未显示明显效果	评估深度学习算法在非增强CT上分割急性梗死病灶的效果	急性卒中患者的DWI病灶与非增强CT脑扫描图像	计算机视觉, 机器学习	急性脑卒中	CT扫描, DWI	U-Net	图像	40个DWI病灶与40个正常CT扫描组合，共640个组合用于训练（420）、验证（110）和测试（110）	NA	标准U-Net, 对称感知U-Net	Dice系数	NA
614	2026-05-15	A novel deep learning approach for classification of EEG motor imagery signals 2017-02, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2560/14/1/016003 PMID:27900952	研究论文	提出一种新颖的深度学习方法来分类脑电图运动想象信号，将CNN与SAE结合构建新网络，在BCI竞赛数据集上取得优于获胜算法的分类性能	首次引入结合时间、频率和位置信息的新输入形式，用于具有一维卷积和最大池化层的CNN；同时提出CNN与SAE结合的新型深度网络架构	研究仅基于BCI竞赛IV数据集2b，未在其他数据集上验证；当数据量较小时可能不适用	利用深度学习方法提高脑电图运动想象信号的分类性能，改善脑机接口系统的信号分类效果	BCI竞赛IV数据集2b中的脑电图运动想象信号	机器学习	NA	脑电图	CNN, SAE	信号	BCI竞赛IV数据集2b（具体数量未提及）	NA	CNN（含一维卷积和最大池化层）, SAE	Kappa值	NA
615	2026-05-12	Artificial intelligence chatbots in endodontic education-Concepts and potential applications 2026-Jun, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14231 PMID:40164964	综述论文	探讨人工智能聊天机器人在牙髓病学教育中的概念与潜在应用	系统梳理了AI聊天机器人在牙髓病学教育中的应用前景，包括个性化学习、交互式培训及临床决策支持，并分析了技术局限和伦理挑战	目前针对牙髓病学领域的专门研究有限，需要进一步开发并验证其准确性和相关性的定制化聊天机器人解决方案	解释AI聊天机器人的核心功能，探索其在牙髓病学教育中的应用，并讨论相关挑战	牙髓病学教育中的学习者（学生）和教育者（教师）	自然语言处理, 机器学习	牙科疾病	NA	Chatbot（聊天机器人）	文本	NA	NA	NA	NA	NA
616	2026-05-12	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	提出一种基于双视图超图表示融合的深度学习模型，用于识别协同抗癌药物组合	创新性地利用超图视图和扩展异构图视图同时学习样本三元组的局部和全局上下文关系，并通过选择性融合两个分支的表示来预测协同药物组合	未明确说明局限性，但可能受限于现有已知协同组合数据的质量和数量	识别协同抗癌药物组合，为新型药物开发提供新见解	癌症细胞系和药物分子	机器学习	癌症	转录组测序、分子结构分析	深度学习模型（超图神经网络）	转录组特征、药物分子结构	未明确说明样本数量	NA	DVHSyn（双视图超图表示融合模型）	未明确说明具体指标，但实验结果表明优于六种对比方法	NA
617	2026-05-12	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	研究论文	开发了一种基于深度学习的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大规模队列中应用多序列MRI的深度学习模型进行子宫内膜异位症检测，并展示了与专业医师相当的检测性能	未在论文标题和摘要中明确提及	评估深度学习工具在增强基于多序列MRI的子宫内膜异位症检测准确性中的应用	子宫内膜异位症患者和健康对照者的多序列MRI图像	数字病理学	子宫内膜异位症	MRI	3D-DenseNet-121	图像（MRI）	395例子宫内膜异位症患者和356例对照组，共751例	NA	3D-DenseNet-121	F1分数、AUROCC、敏感性、特异性	NA
618	2026-05-12	Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05061-0 PMID:40514460	研究论文	提出基于Transformer的多类分割框架，用于CT图像中胰腺导管腺癌及周围结构的分割，并在多中心数据集上验证其性能	首次系统比较四种深度学习架构（UNet、nnU-Net、UNETR、Swin-UNet）在PDAC多类分割任务中的表现，并验证Transformer模型（Swin-UNet）的优越性和泛化能力	未明确指出局限性，但回顾性研究设计、数据预处理依赖标准化标注可能限制临床实时应用	开发并评估用于CT图像中PDAC及周围结构自动多类分割的深度学习框架	3265名患者的多中心CT影像数据	计算机视觉	胰腺导管腺癌	CT成像	Swin-UNet, UNet, nnU-Net, UNETR	图像	3265名患者（来自6个机构），其中569名用于独立测试	NA	Swin-UNet, UNet, nnU-Net, UNETR	Dice相似系数, 交并比, 定向Hausdorff距离, 平均对称表面距离, 体积重叠误差	NA
619	2026-05-12	Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05031-6 PMID:40522387	综述	探讨人工智能在腹部CT成像中的图像重建及扩展应用	系统总结了深度学习重建技术（如TrueFidelity、AiCE等）在腹部成像中的优势，并拓展了AI在低对比度病变检测、定量成像和工作流优化等领域的应用	临床验证不足、标准化缺乏及广泛采用存在挑战	综述AI驱动的CT图像重建原理、进展及未来方向，及其在腹部成像中的扩展角色	腹部CT图像重建技术，包括传统方法（FBP、IR）和深度学习重建方法	计算机视觉	NA	CT成像	卷积神经网络	图像	NA	NA	TrueFidelity, AiCE, Precise Image	对比噪声比、病变检测能力、诊断置信度	NA
620	2026-05-12	Practical applications of AI in body imaging 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底在美国获得FDA批准并用于腹腔盆腔器官及相关疾病评估的商业AI算法，评价其潜在优势并提出未来方向	系统梳理了针对腹腔盆腔成像的FDA批准AI算法现状，并分析了临床应用中的实际优势与局限	未提及具体算法性能数据比较，且局限于美国市场已商业化的算法	评估腹腔盆腔成像中AI算法的实际应用价值及未来发展趋势	FDA批准的用于腹腔盆腔器官及相关疾病的AI算法	医学影像	腹腔盆腔疾病	深度学习	NA	影像	NA	NA	NA	NA	NA