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
701	2026-08-09	Accuracy and Longitudinal Consistency of PET/MR Attenuation Correction in Amyloid PET Imaging amid Software and Hardware Upgrades 2025-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8490 PMID:39251256	研究论文	本研究评估了在软件和硬件升级背景下，基于深度学习的Dixon（DL-Dixon）方法在淀粉样蛋白PET成像中用于衰减校正的准确性和纵向一致性	首次在PET/MR系统软件和硬件升级场景下，评估深度学习衰减校正方法的准确性和纵向一致性，并利用迁移学习适应不同扫描仪软件版本和头部线圈	未明确说明局限性，但研究聚焦于特定的软件版本和线圈组合，可能限制了泛化性	协调PET/MR DL-Dixon衰减校正方法在软件和硬件升级中的表现，并评估其准确性和纵向一致性	329名参与者的三模态PET/MR和CT图像，其中38名在约3年内进行了两次扫描	医学影像	阿尔茨海默病	PET/MR成像、CT成像、深度学习	深度学习模型	医学图像	329名参与者，其中38名重复扫描	NA	DL-Dixon	相对绝对误差、变异系数、组内相关系数	NA
702	2026-08-09	Evaluating Performance of Different RNA Secondary Structure Prediction Programs Using Self-cleaving Ribozymes 2024-09-13, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae043 PMID:39317944	研究论文	本文比较了七种计算预测工具在不同复杂度任务中对数十种自切割核酶序列的RNA二级结构预测准确性，发现现代深度学习方法在复杂任务中表现更优	首次系统比较七种RNA二级结构预测工具（包括深度学习方法）在自切割核酶序列上的表现，并展示深度学习在复杂折叠问题上的优势	仅基于特定类别的序列（自切割核酶）进行测试，可能不适用于所有RNA类型	评估不同RNA二级结构预测程序的准确性，以确定其在生物相关结构预测中的适用性	数十种自切割核酶序列的RNA二级结构	机器学习	不适用	计算预测程序	深度学习模型	RNA序列	数十种自切割核酶序列	不适用	不适用	预测准确性	不适用
703	2026-08-09	Deep learning for intracranial aneurysm segmentation using CT angiography 2024-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6372 PMID:39008990	研究论文	本研究提出了一种两阶段深度学习方法，用于在CT血管造影图像中准确分割颅内动脉瘤，包括小型动脉瘤（4-10毫米）。	提出了一种轻量级且快速的头部区域选择（HRS）算法，并结合自适应3D nnU-Net网络，能够自动定位脑区域，将推理时间减少超过50%，同时保持高分割精度。	未提及具体的局限性。	开发并验证一种两阶段深度学习方法，用于CT血管造影图像中颅内动脉瘤的准确分割，特别是小型动脉瘤。	颅内动脉瘤，包括4-10毫米大小的小型动脉瘤。	计算机视觉、数字病理学	脑血管疾病	CT血管造影	3D nnU-Net	CT血管造影图像	956名患者，来自6家医院和1个公共数据集，使用6种不同制造商的CT扫描仪。	NA	3D nnU-Net	Dice分数、AUC、精确率	NA
704	2026-08-09	A deep learning-based method for the detection and segmentation of breast masses in ultrasound images 2024-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad61b6 PMID:38986480	研究论文	提出一种结合YOLOv5和GOLO-CMSS网络的深度学习框架，用于超声图像中乳腺肿块的自动检测与分割	创新性地将YOLOv5检测网络与全局-局部（GOLO）策略结合，开发了GOLO-CMSS分割网络，该网络通过MSS模块自动调整感受野，利用MLI模块实现不同分辨率下深浅特征的融合，从而在全局和局部两个分支上同时处理图像，提升分割精度	文章未明确讨论计算资源的消耗或运行时间，可能会影响实时临床应用的可能性	开发一种基于深度学习的准确乳腺肿块检测与分割方法，以提升乳腺癌诊断的自动化水平	乳腺超声图像中的肿块	计算机视觉	乳腺癌	超声成像	卷积神经网络（CNN）	图像	包含28,477张乳腺超声图像的USTC数据集，以及三个公开数据集UDIAT、BUSI和TUH	PyTorch（假设使用，基于常见深度学习实践）	YOLOv5, GOLO-CMSS, MSS模块, MLI模块	平均精度（AP）、Dice相似系数（DSC）	未描述具体GPU类型或计算平台
705	2026-08-09	Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction 2024-07-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6117 PMID:38981592	研究论文	提出了一种基于贝叶斯框架的PET-MRI联合重建模型MC-Diffusion，利用联合评分扩散模型学习PET和MRI的联合概率分布，以提升图像质量。	将联合重建问题转化为联合正则化问题，利用联合评分扩散模型学习PET和MRI的联合概率分布，从而挖掘其内在互补性，优于黑盒先验或人工构造的结构相似性。	未提及	利用PET和MRI数据的互补性，通过联合重建提高PET-MRI图像质量，减少采集时间并提升信噪比。	PET和MRI图像数据	医学影像重建	NA	PET-MRI成像、扩散模型	扩散模型（基于评分的生成模型）	医学图像（PET和MRI）	ADNI数据集（具体样本数未提及）	NA	MC-Diffusion模型	定性评估、定量评估（具体指标未提及）	NA
706	2026-08-09	Deep learning-based voxel sampling for particle therapy treatment planning 2024-07-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5bba PMID:38917844	研究论文	提出一种基于深度学习的体素采样方法，用于减少粒子治疗计划优化中的计算负担，提高效率	基于U-Net的深度学习模型，无需患者特定手动输入即可实现最优体素采样，显著减少优化所需体素数，保持计划质量	未明确提及局限性，但可能依赖训练数据规模和特定治疗平台	提高扫描粒子治疗计划优化的计算效率，支持未来实时自适应治疗	头颈癌患者，接受碳离子治疗	深度学习，医学图像分析	头颈癌	碳离子治疗计划优化	U-Net（深度学习模型）	医学图像（CT等）和计划数据	70例头颈癌患者，用于训练（50）、验证（10）和测试（10）；训练时优化了12500个碳离子治疗计划	未明确，可能使用深度学习框架如PyTorch或TensorFlow（NA）	U-Net	体素减少百分比、计划质量损失（中位数）、优化时间减少倍数	未明确，但提及高效的AI基础设施（NA）
707	2026-08-09	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-07-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出一种基于局部梯度的后验不确定性量化方法，用于深度学习医学图像评估，以提高模型的可靠性	引入了一种新颖的后验不确定性量化方法，称为局部梯度不确定性量化，它利用训练模型的局部梯度空间来评估对训练模型参数的敏感性，无需修改模型输出，可应用于先前验证过的模型	未在摘要中明确提及局限性	为深度学习医学图像评估提供可靠的不确定性量化方法，增强临床部署中的用户信任	基于深度学习的转移性疾病描绘模型	医学图像分析	转移性疾病	梯度分析	深度学习模型（未具体说明）	医学图像	未在摘要中明确提及样本数量	NA	NA	中位数百分比差异、ROC AUC、假阳性率、p值	NA
708	2026-08-09	Bifurcation detection in intravascular optical coherence tomography using vision transformer based deep learning 2024-07-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611c PMID:38981596	研究论文	提出了一种基于视觉Transformer深度学习的血管内光学相干断层扫描图像分叉检测方法	首次将视觉Transformer应用于IVOCT图像的分叉检测，避免了 lumen 分割，分别使用分类和地标检测模型识别分叉图像并估计开口点	未明确说明局限性，可能包括对临床数据的依赖和计算成本	提高IVOCT图像分叉检测的准确性和效率，以指导经皮冠状动脉介入治疗策略	血管内光学相干断层扫描图像中的分叉结构	计算机视觉, 深度学习	心血管疾病	光学相干断层扫描	视觉Transformer	图像	8640张临床图像	NA	视觉Transformer	准确率, F1分数, 距离误差, 成功检测率	NA
709	2026-08-09	Developing an explainable diagnosis system utilizing deep learning model: a case study of spontaneous pneumothorax 2024-07-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5e31 PMID:38955331	研究论文	开发了一个利用可解释深度学习模型进行图像识别和可视化的集成医学图像分析系统，用于自发性气胸的自动诊断，并实现了95.56%的分类准确率。	强调了血管穿透缺陷在临床判断中的重要性，并利用可解释深度学习模型提高了诊断系统的可解释性。	研究仅针对自发性气胸，未来需扩展到其他肺部疾病以增强泛化能力。	开发一个可解释的自动诊断系统，以提高模型可信度，减少不确定性，并准确诊断肺部疾病。	自发性气胸患者和正常对照的医学图像。	医学影像分析	自发性气胸	深度学习模型（具体技术未提及，但涉及图像识别和可视化）	深度学习模型（具体类型未提及）	图像	未提及具体样本数量，但涉及气胸和正常对照的图像数据。	NA	NA	准确率（95.56%）	NA
710	2026-08-09	DeCoGAN: MVCT image denoising via coupled generative adversarial network 2024-07-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5d4c PMID:38979700	研究论文	提出了一种基于耦合生成对抗网络（DeCoGAN）的无配对MVCT图像去噪方法，以提高图像质量并保留结构细节。	采用共享潜空间假设，通过编码器强制约束，实现无配对低质量MVCT到高质量图像的转换，结合对抗训练提升去噪效果。	未提及具体局限性。	利用深度学习方法增强MVCT图像质量，以改善图像引导放疗中的目标定位精度。	螺旋断层放疗中的MVCT图像。	计算机视觉	不适用	不适用	生成对抗网络（GAN）	图像	未提及具体样本数量。	未提及具体框架。	编码器，生成对抗网络（含生成器和判别器）	峰值信噪比（PSNR），结构相似性指数（SSIM）	未提及具体计算资源。
711	2026-08-09	A machine learning method to process voice samples for identification of Parkinson's disease 2023-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47568-w PMID:37996478	研究论文	本研究利用机器学习方法处理个人电话采集的持续元音/a/语音样本，用于帕金森病的自动识别，并展示了预训练卷积神经网络（Inception V3）迁移学习在频谱图分析中的优越性	创新点包括验证自然环境下个人电话采集的语音样本的可靠性，以及首次将预训练卷积神经网络（Inception V3）迁移学习应用于频谱图分析以区分帕金森病患者与健康对照	未提及	验证机器学习方法在个人电话采集语音样本中识别帕金森病的可靠性，并比较深度学习方法与传统特征分类的性能	帕金森病患者与健康对照个体的持续元音/a/语音样本	数字病理学	帕金森病	语音录音	卷积神经网络	语音	50名帕金森病患者和50名健康对照	未提及	Inception V3	未提及	未提及
712	2026-08-08	Refining sequence-to-activity models by increasing model resolution 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634804 PMID:39975126	研究论文	通过增加模型分辨率，即利用ATAC-seq的高分辨率Tn5插入位点分布数据，改进序列到活性模型，以提高对免疫细胞类型间差异染色质可及性的预测能力。	创新地在序列到活性模型中整合了ATAC-seq的高分辨率剖面数据（碱基对分辨率），而不仅仅是区域可及性，从而学习更细致的顺式调控语法，并发现了仅在此分辨率下才显现的新型调控基序。	摘要中未明确提及局限性。	改进序列到活性模型，通过利用高分辨率ATAC-seq剖面数据，更准确地解码免疫细胞分化中的顺式调控语法，并提高跨细胞类型差异染色质可及性的预测性能。	免疫细胞类型中的染色质可及性及其调控基序。	机器学习, 数字病理学	不适用（研究免疫细胞分化，未特指疾病）	ATAC-seq	深度学习模型（具体为序列到活性模型，如AI-TAC和bpAITAC）	DNA序列、染色质可及性数据、ATAC-seq剖面数据	未明确说明样本数量，但涉及多种免疫细胞类型。	未明确说明	AI-TAC, bpAITAC	预测准确性（具体指标未提及，但涉及差异染色质可及性的预测）	未明确说明
713	2026-08-08	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-07-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	开发了一种基于注意力的多模态深度学习模型，结合MRI和临床特征预测乳腺癌新辅助化疗后的病理完全缓解，并验证其可解释性和跨机构泛化性	结合3D卷积神经网络和自注意力机制，融合治疗前后MRI影像与临床非影像特征，实现可解释的多模态融合预测	未在文中明确提及，但可能包括样本量有限或外部验证数据集规模较小	提高乳腺癌新辅助化疗后病理完全缓解预测的准确性和可解释性，并验证跨机构泛化能力	乳腺癌患者，接受新辅助化疗	医学影像分析, 深度学习	乳腺癌	MRI成像, 临床数据整合	3D卷积神经网络, 自注意力机制	MRI图像, 临床非影像数据	I-SPY 2试验660例，I-SPY 1试验114例	NA	3D CNN, 自注意力	AUC	NA
714	2026-08-08	Flexible High Temperature Stable Hydrogel Based Triboelectric Nanogenerator for Structural Health Monitoring and Deep Learning Augmented Human Motion Classification 2025-07, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502739 PMID:40465357	研究论文	本研究制备了一种基于PDMS-水凝胶纳米复合材料的摩擦电纳米发电机，用于高温环境下的结构健康监测和基于深度学习的人体运动分类	开发了含ZnAl层状双氢氧化物纳米颗粒的生物相容性PDMS-水凝胶纳米复合TENG，在高达200°C的温度下保持输出电压稳定性，并结合深度学习模型实现高温环境下的人体运动分类	摘要中未提及局限性	旨在开发适用于高温工业环境的高温稳定TENG，用于振动能量收集、结构健康监测和人体运动监测	PDMS-水凝胶纳米复合TENG设备，包含ZnAl-LDH纳米颗粒	机器学习	NA	NA	深度学习模型（具体类型未指定）	电压波形数据	NA	NA	NA	最大功率密度（110 µW cm⁻²），输出电压稳定性，能量谱变化	NA
715	2026-08-08	RETRACTED ARTICLE: A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-04-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	提出一种多滤波深度迁移学习框架，用于基于图像的孤独症谱系障碍检测，通过数据增强、多滤波、直方图均衡化和两阶段降维提高预训练模型的分类准确率。	整合数据增强、多滤波、直方图均衡化和两阶段降维到预训练冻结网络中，无需微调，提升图像模式识别性能。	未提及具体限制，可能受限于数据集规模和依赖预训练特征。	自动化检测孤独症谱系障碍，提高早期诊断的准确性和效率。	基于面部图像的孤独症和非孤独症个体样本。	计算机视觉	孤独症谱系障碍	图像处理	CNN, Transformer	图像	使用已建立的面部基准数据集，包含孤独症和非孤独症个体样本，具体数量未说明。	未明确提及	ResNet-50, ViT, Swin	准确率	未明确提及
716	2026-08-08	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	研究论文	本研究利用基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤，并与GoogleNet及多种传统机器学习分类器进行性能比较	结合预处理流程（形态学操作、高斯模糊、阈值裁剪）、PCA降维和数据增强，采用预训练ResNet152与GoogleNet进行特征提取，并利用SVM、KNN、CART和GNB等传统分类器进行分类，最佳组合达到98.53%准确率	未提及具体限制，但可能包括对特定数据集的依赖性、计算资源需求等	探索深度迁移学习技术在脑肿瘤准确诊断中的有效性	脑肿瘤MR图像	计算机视觉	脑肿瘤	磁共振成像	CNN（卷积神经网络）	图像	未明确，但数据集分为训练（80%）和测试（20%）	未明确指定	ResNet152, GoogleNet	准确率、灵敏度、召回率、F1分数	未提供具体信息
717	2026-08-08	Parkinson's disease tremor prediction towards real-time suppression: A self-attention deep temporal convolutional network approach 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109814 PMID:39978094	研究论文	提出一种自注意力深度时间卷积网络（SADTCN）用于实时预测帕金森病震颤信号，并验证其多步预测性能。	首次将自注意力机制与深度时间卷积网络结合，用于捕捉震颤信号的短期和长期依赖关系以及时空动态，实现多步预测，优于现有深度学习模型。	未提及具体限制，可能包括样本量有限或实验条件限制。	开发一种高精度、鲁棒且泛化能力强的模型，用于实时预测帕金森病震颤，以支持辅助技术。	帕金森病患者的肢体震颤信号和关节角度运动。	机器学习和数字信号处理	帕金森病	短时傅里叶变换（STFT）用于频谱分析	深度学习模型（SADTCN）	信号数据（手部和手臂震颤信号）	实验性数据（未提供具体样本数）	NA	自注意力深度时间卷积网络（SADTCN）	准确度、鲁棒性、泛化能力（使用Wilcoxon符号秩检验）	NA
718	2026-08-08	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	本文介绍了一个基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒，该系统仅使用急诊科就诊前六小时内可获得的临床和实验室特征。	提出了一种结合评分系统的新型CDSS，能够在早期仅凭常规临床和实验室数据准确区分MIS-C与斑疹伤寒，并进行了与五种经典统计和机器学习模型的对比验证。	未明确说明，但研究样本量较小（87名斑疹伤寒和133名MIS-C患者），且验证集仅包含MIS-C患者，可能限制模型的泛化性。	开发一个临床决策支持系统，以帮助医疗团队在早期快速区分MIS-C和地方性斑疹伤寒，改善患者预后。	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者。	临床决策支持系统、机器学习	多系统炎症综合征（MIS-C）、地方性斑疹伤寒	临床和实验室特征分析	深度学习模型（具体类型未明确，可能为MLP）	临床和实验室数据（表格数据）	训练和测试数据集包含87名斑疹伤寒患者和133名MIS-C患者，验证数据集包含111名MIS-C患者。	未明确	未明确，可能为多层感知机（MLP）	灵敏度、特异性、准确性、精确率	未明确
719	2026-08-08	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	提出一种基于投影梯度下降的可解释对抗性模型分析方法，用于医学图像分析中深度学习模型的透明度提升	利用投影梯度下降生成对抗性样本以识别影响模型决策的关键特征，从而增强可解释性，适用于医学图像分析	未提及	通过对抗性生成来提升深度学习模型在医学图像分析中的可解释性，以缩小人工智能与临床实践的差距	脑肿瘤、眼部疾病和COVID-19数据集	数字病理学	脑肿瘤、眼部疾病、COVID-19	投影梯度下降对抗性生成	卷积神经网络	医学图像	六个数据集，具体数量未提及	未提及	DenseNet121、InceptionV3、ResNet101	AUC、t检验p值	未提及
720	2026-08-08	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	提出一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中视网膜血管分割	将Gabor滤波器与深度可分离卷积集成到UNet框架中，增强对血管空间频率和方向的捕捉能力，在有限训练数据下表现良好	未提及明确局限性	提高糖尿病视网膜病变中视网膜血管分割的准确性，特别是在血管尺寸多样、分叉和弯曲段存在以及图像质量不一致的情况下	视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波、深度可分离卷积	UNet	眼底图像	DRIVE、STARE和CHASE_DB1数据集	NA	UNet	准确率、精确率、召回率、F1分数	轻量级架构，适用于资源受限环境