深度学习在生物医药领域中的应用

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
641	2025-09-07	Automatic ultrasound diagnosis of thyroid nodules: a combination of deep learning and KWAK TI-RADS 2023-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf0 PMID:37757848	研究论文	本研究结合深度学习与KWAK TI-RADS指南，开发了一种甲状腺结节超声自动风险分级系统	首次实现基于KWAK TI-RADS临床指南的自动风险分级，并采用多任务CNN同时输出良恶性分类和四种恶性特征识别	NA	实现甲状腺结节的自动风险水平评估，为判断是否需要细针穿刺提供依据	甲状腺结节超声图像	计算机视觉	甲状腺疾病	超声检查	U-Net++, 多任务卷积神经网络(MT-CNN)	图像	1862例甲状腺结节病例（含302例测试集）
642	2025-09-07	Sub-second whole brain T2mapping via multiband SENSE multiple overlapping-echo detachment imaging and deep learning 2023-Oct-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfb71 PMID:37726009	研究论文	提出结合多波段SENSE技术和深度学习实现亚秒级全脑T2定量成像的新方法	首次将多波段SENSE技术与MOLED成像结合，实现600毫秒内完成全脑T2定量成像	高多波段因子可能导致图像质量下降，需通过PnP算法进行补偿	加速定量磁共振成像，实现高时间分辨率的全脑参数映射	人脑组织（通过数值模拟、水模实验和人体实验验证）	医学影像分析	NA	多波段SENSE MOLED成像，深度学习重建	U-Net, DRUNet	磁共振成像数据	数值模拟、水模实验和人体脑部实验（具体样本数量未明确说明）
643	2025-09-07	Automatic brain extraction for rat magnetic resonance imaging data using U2-Net 2023-Oct-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf641 PMID:37659398	研究论文	本研究开发了一种基于U-Net深度学习模型的大鼠脑部MRI图像颅骨剥离新方法	首次将U-Net神经网络应用于大鼠脑部MRI的自动颅骨剥离，相比传统软件RATS和BrainSuite表现出更优性能	研究仅基于599只大鼠数据，未提及模型在其他物种或成像协议下的泛化能力	开发大鼠脑部磁共振图像的自动颅骨剥离方法	599只大鼠的脑部MRI图像	医学图像分析	NA	磁共振成像(MRI)	U-Net	医学图像	599只大鼠（476只训练，123只测试）
644	2025-09-07	MARGANVAC: metal artifact reduction method based on generative adversarial network with variable constraints 2023-10-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf8ac PMID:37696272	研究论文	提出一种基于变约束生成对抗网络的CT金属伪影减少方法MARGANVAC	引入时变成本函数作为变约束，在训练初期放松保真度约束并逐步加强，同时开发了金属伪影迁移方法模拟真实伪影生成配对训练数据	未明确说明样本规模及模型在更广泛CT设备类型中的验证情况	提升CT成像中金属伪影减少的性能和临床适用性	CT图像中的金属伪影	计算机视觉	NA	生成对抗网络	GAN	CT图像	NA
645	2025-09-07	Deep learning for fast denoising filtering in ultrasound localization microscopy 2023-10-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf98f PMID:37703894	研究论文	提出基于对比半监督网络的深度学习去噪方法，用于超声定位显微镜中快速降噪滤波	首次将对比半监督网络(CS-Net)应用于超声定位显微镜去噪，显著缩短数据处理时间，实现实时处理能力	神经网络主要使用模拟微泡数据进行训练，可能在实际临床应用中存在泛化性限制	通过深度学习减少超声定位显微镜数据处理时间，实现实时超分辨率超声成像	微泡信号、流场体模实验、新西兰兔肿瘤实验	医学影像处理	肿瘤	超声定位显微镜(ULM)、超分辨率超声成像(SR-US)	CS-Net（对比半监督网络）	超声图像数据	流场体模实验和动物实验（新西兰兔肿瘤模型）
646	2025-09-07	QS-ADN: quasi-supervised artifact disentanglement network for low-dose CT image denoising by local similarity among unpaired data 2023-Oct-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf9da PMID:37708896	研究论文	提出一种准监督伪影解缠网络(QS-ADN)，利用未配对数据中的局部相似性进行低剂量CT图像去噪	引入准监督学习模式，通过从未配对正常剂量CT数据集中为每个低剂量CT图像寻找最佳匹配图像，并利用匹配度作为先验信息	伪影减少效果仍可能不如完全监督学习方法	低剂量CT图像去噪以减少辐射风险	CT医学图像	计算机视觉	NA	深度学习	ADN-type network (伪影解缠网络)	CT图像	未配对低剂量CT和正常剂量CT数据集
647	2025-09-07	Deep learning-based fluorescence image correction for high spatial resolution precise dosimetry 2023-Sep-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf182 PMID:37591253	研究论文	本研究开发了一种基于深度学习的荧光图像校正模型，用于高空间分辨率精确剂量测定	提出新型经验性切伦科夫发射校准方法和CNN模型，显著提升投影剂量分布的准确性	NA	提高辐射激发荧光成像在剂量测定中的准确性	荧光图像和投影剂量分布	计算机视觉	NA	辐射激发荧光成像、经验性切伦科夫发射校准	CNN	图像	181个单孔径静态光子束
648	2025-09-07	AC-Faster R-CNN: an improved detection architecture with high precision and sensitivity for abnormality in spine x-ray images 2023-09-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf7a8 PMID:37678268	研究论文	提出一种改进的深度学习目标检测架构AC-Faster R-CNN，用于脊柱X射线图像中异常部位的精确定位和分类	开发了可变形卷积特征金字塔网络和异常捕获头结构，结合扩张卷积和可变形卷积更好地捕捉病灶多尺度信息	NA	开发高精度和高灵敏度的自动多疾病检测架构，辅助临床医生进行脊柱X射线图像诊断	脊柱X射线图像中的异常部位	计算机视觉	脊柱疾病	对比度受限自适应直方图均衡化	Faster R-CNN	图像	1007张脊柱X射线图像
649	2025-09-07	Color-guided deformable convolution network for intestinal metaplasia severity classification using endoscopic images 2023-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf3ca PMID:37619578	研究论文	提出一种基于颜色引导可变形卷积网络的肠化生严重程度分类方法	首次利用内窥镜图像对肠化生严重程度进行分级，并提出基于颜色特征的新型偏移生成方法指导可变形卷积	NA	准确诊断肠化生严重程度并预防胃癌发生	肠化生病变区域	计算机视觉	胃癌	深度学习	CNN, DCN, CDCN	内窥镜图像	自建肠化生严重程度数据集
650	2025-09-07	Unsupervised learning-based dual-domain method for low-dose CT denoising 2023-09-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acefa2 PMID:37567225	研究论文	提出一种基于无监督学习的双域方法用于低剂量CT图像去噪	采用无监督学习避免对精确配对数据集的依赖，结合投影域去噪和迭代增强的双域策略	未明确说明方法在极端低剂量条件下的性能表现	开发无需配对数据的低剂量CT去噪方法	低剂量CT投影数据和重建图像	医学影像处理	NA	Noise2Self无监督学习，迭代重建算法	生成模型	CT投影数据和图像	NA
651	2025-09-07	Enhanced PET imaging using progressive conditional deep image prior 2023-09-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf091 PMID:37582392	研究论文	提出一种基于渐进式条件深度图像先验的无监督学习方法，用于增强PET图像质量并提高病灶检测能力	将单步无监督学习分解为两个无监督学习步骤，通过渐进式学习策略缩小输入图像与目标PET图像之间的差距	NA	开发新的无监督学习方法来提高患者研究中PET图像的病灶检测能力	PET图像和解剖图像	医学影像处理	NA	深度渐进学习策略，迭代重建方法	无监督深度学习	医学图像（PET图像和解剖图像）	体模研究和患者研究（具体样本数量未明确说明）
652	2025-09-07	MCSF-Net: a multi-scale channel spatial fusion network for real-time polyp segmentation 2023-08-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf090 PMID:37582393	研究论文	提出一种用于实时息肉分割的多尺度通道空间融合网络MCSF-Net	结合多尺度融合模块与空间通道注意力机制，并引入特征补充模块和形状块以提升边界特征识别	NA	提高结肠镜检查中息肉的实时自动分割精度	结肠镜图像中的息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	基于五个公开基准数据集（具体样本数未说明）
653	2025-09-07	Multimodality deep learning radiomics nomogram for preoperative prediction of malignancy of breast cancer: a multicenter study 2023-08-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acec2d PMID:37524093	研究论文	本研究构建并验证了一种基于深度学习和影像组学的多模态列线图模型，用于乳腺癌恶性程度的术前预测	首次结合超声B模式和彩色多普勒血流成像的多模态数据，开发深度学习影像组学列线图模型，并在多中心数据中验证其优于单模态模型的性能	回顾性研究设计可能存在选择偏倚，且样本仅来自中国多家医院	术前预测乳腺癌恶性程度以实现精准医疗	611例乳腺癌患者的临床和超声影像数据	数字病理	乳腺癌	深度学习、影像组学分析	多模态深度学习模型	超声影像（B模式和彩色多普勒）及临床数据	611例患者，分为主要队列、验证队列和两个测试队列
654	2025-09-07	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 MRI并抑制图像模糊	引入无训练神经网络(UNN)直接在刀片空间进行图像重建，无需外部训练数据且能缓解分布偏移问题	NA	加速PROPELLER MRI采集并提升图像重建质量	脑部MRI数据	医学影像处理	NA	PROPELLER MRI, 深度学习重建	无训练神经网络(UNN)	MRI图像	使用降采样因子2、3和4进行加速采集的PROPELLER刀片数据
655	2025-09-07	ULS4US: universal lesion segmentation framework for 2D ultrasound images 2023-08-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace09b PMID:37343585	研究论文	提出一种名为ULS4US的通用超声图像病灶分割框架，适用于不同器官的二维超声图像	首次开发了跨器官通用的超声病灶分割框架，结合多输入多输出UNet、两阶段病灶感知学习算法和病灶自适应损失函数	仅在包含三种特定器官类型的统一数据集上验证，尚未测试在其他器官上的适用性	开发通用的超声图像病灶分割方法，提升计算机辅助诊断的适用性和准确性	二维超声图像中的各种器官病灶	计算机视觉	NA	深度学习	MIMO UNet	图像	超过2200张图像，来自两个公共和三个私有超声数据集
656	2025-09-07	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-Jul-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	提出一种结合深度学习和形变图像配准的混合方法，用于从腹部/盆腔CBCT生成合成CT以改进质子射程估计	将无监督深度学习（CycleGAN）与形变图像配准（DIR）相结合，分别处理空间高频和低频分量，并通过迭代反馈优化肠道气体区域的准确性	研究仅针对儿科患者（81例），且主要关注腹部/盆腔区域，未验证其他解剖部位或成人患者的适用性	开发CBCT到sCT的转换方法以提升质子治疗中的射程估计精度	81名儿科患者的CBCT、同日重复CT和计划CT图像	医学影像分析	腹部盆腔肿瘤（未明确具体癌种）	锥形束CT（CBCT）、深度学习、形变图像配准（DIR）	CycleGAN	医学影像（CT/CBCT图像）	81名儿科患者（训练60人、验证6人、测试15人）
657	2025-09-07	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的自动分割	在PSPNet中引入双路径注意力机制(DPAM)，一通道捕获全局信息，另一通道聚焦结节边缘及周围信息，并更新了集成损失函数	NA	开发自动化甲状腺结节超声图像分割系统，辅助临床诊断	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习	PSPNet with DPAM	超声图像	NA
658	2025-09-07	Fast dose calculation in x-ray guided interventions by using deep learning 2023-07-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace678 PMID:37433326	研究论文	本研究提出一种基于深度学习的方法，用于X射线引导介入手术中快速计算患者辐射剂量	采用改进的3D U-Net架构，结合患者CT扫描和成像参数，实现快速且个性化的3D剂量分布预测	目前主要针对腹部区域验证，且胰腺剂量预测误差相对较高(13.1%)	开发实时剂量监测系统，预防X射线介入手术中的辐射副作用	接受X射线引导介入手术的患者，特别是腹部主动脉腔内修复术病例	医学影像分析	心血管疾病	蒙特卡洛模拟，深度学习	3D U-Net	CT影像，成像参数数值	82例患者CT扫描，其中65例用于训练，17例用于测试
659	2025-09-07	Pulmonary nodules segmentation based on domain adaptation 2023-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace498 PMID:37406634	研究论文	提出一种基于对抗域适应与背景掩码的肺结节分割方法，用于解决医学图像中的域偏移和复杂背景问题	结合背景掩码生成和梯度反转层传播的对抗域适应框架，增强目标网络对分割边缘的敏感性	NA	提升医学图像分割精度，特别是肺结节的自动分割	CT图像中的肺结节	计算机视觉	肺癌	深度学习，对抗域适应	对抗神经网络	医学图像（CT）	NA
660	2025-09-07	Unsupervised deep learning-based displacement estimation for vascular elasticity imaging applications 2023-07-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace0f0 PMID:37348487	研究论文	提出一种基于无监督深度学习的位移估计方法，用于提升血管弹性成像的质量	首次将无监督深度学习（原用于图像配准）应用于血管壁位移估计，实现高时空分辨率的弹性成像	NA	改进血管弹性成像技术，通过精确位移估计评估动脉壁硬度	动脉血管壁（包括仿体实验和人类颈总动脉）	医学影像分析	心血管疾病	超声弹性成像，脉冲波速度（PWV）测量	无监督深度学习网络	超声RF信号和B模式图像	仿体实验及人类颈总动脉测试（具体样本量未明确说明）