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
8301	2025-12-21	Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfec7 PMID:37774717	研究论文	本文提出了一种基于深度学习的多阶段分割框架，用于术后B型主动脉夹层的分割，通过全局-局部融合学习机制提升分割精度	设计了全局-局部融合学习机制，通过补偿裁剪图像缺失的上下文特征，改善了血栓和分支血管的分割效果	未明确提及具体局限性，但可能受限于数据集规模和多样性	构建一个深度学习分割框架，用于术后B型主动脉夹层的快速准确分割，以支持患者特异性三维形态学和血流动力学分析	术后B型主动脉夹层患者的CT图像，包括真腔、假腔、血栓和分支血管	数字病理学	心血管疾病	CT成像	深度学习	医学图像	133名患者的306张随访图像	NA	NA	Dice相似系数	NA
8302	2025-12-21	Radiation-induced acoustic signal denoising using a supervised deep learning framework for imaging and therapy monitoring 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0283 PMID:37820684	研究论文	本文提出了一种基于监督深度学习的通用深度初始卷积神经网络（GDI-CNN），用于去噪辐射诱导声学信号，以显著减少平均所需的帧数，从而降低成像剂量并提高实时治疗监测的频率	开发了一种通用的深度初始卷积神经网络（GDI-CNN），该网络在每个初始块中采用多扩张卷积，能够编码和解码具有不同时间特征的信号，从而泛化处理不同辐射源产生的声学信号去噪	未明确提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及在实际临床环境中的泛化能力验证	提高辐射诱导声学成像的信号质量，减少所需平均帧数，以降低辐射剂量并增强实时治疗监测的实用性	辐射诱导声学信号，包括X射线诱导声学、质子声学和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	使用实验数据进行评估，具体样本数量未明确说明	NA	GDI-CNN（通用深度初始卷积神经网络）	均方误差, 峰值信噪比, 结构相似性	NA
8303	2025-12-21	MAG-Res2Net: a novel deep learning network for human activity recognition 2023-11-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab8 PMID:37939391	研究论文	本文提出了一种名为MAG-Res2Net的新型深度学习网络，用于解决人类活动识别任务中的特征提取挑战	结合了Borderline-SMOTE数据上采样算法、基于度量学习的损失函数组合算法和Lion优化算法，提升了模型对多样化人类活动数据的处理能力	未明确说明模型在更复杂或噪声更大的现实场景中的泛化能力	开发一种能够有效处理人类活动多样性并提升识别性能的深度学习模型	人类活动识别	机器学习	NA	深度学习	CNN	传感器数据	三个公共数据集（UCI-HAR、WISDM、CSL-SHARE）	未明确说明	Res2Net	准确率, F1-macro, F1-weighted	NA
8304	2025-12-21	Deep learning with fetal ECG recognition 2023-11-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab7 PMID:37939396	研究论文	本文提出了一种基于深度学习的胎儿心电图识别新方法，通过开发跨域一致卷积神经网络来自动识别多通道心电图数据中的胎儿心电信号	开发了一种跨域一致卷积神经网络（CDC-Net），用于解决独立成分分析结果的不确定性，实现胎儿心电信号的自动识别	NA	提出一种新的胎儿心电图识别方法，以改进胎儿心电监测的自动化水平	胎儿心电信号	机器学习	心血管疾病	独立成分分析	CNN	信号数据	来自两个数据库的信号数据	NA	CDC-Net	精确率, 召回率, F1分数	NA
8305	2025-12-21	Deep learning-based workflow for hip joint morphometric parameter measurement from CT images 2023-11-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad04aa PMID:37852280	研究论文	本文提出了一种基于深度学习的CT图像髋关节形态参数测量工作流程	首次提出了一种从粗到精的深度学习模型，用于从CT图像中精确重建髋关节几何结构（3D骨骼模型和关键标志点），并基于此开发了稳健的形态参数测量方法	未明确说明	为术前关节置换规划和生物力学模拟提供精确的髋关节形态测量	髋关节CT图像	计算机视觉	骨科疾病	CT成像	深度学习模型	CT图像	两个具有不同成像协议参数的数据集	未明确说明	未明确说明	Dice系数, 标志点预测误差, Pearson相关系数, 组内相关系数	未明确说明
8306	2025-12-21	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	提出一种用于基于学习的肝脏T1ρ映射的不确定性辅助框架，以提高量化结果的可靠性和准确性	提出参数图细化方法，以概率方式训练模型来建模不确定性，并利用不确定性图空间加权训练改进的T1ρ映射网络，以提升性能并移除感兴趣区域中不可靠的像素	研究仅在51名不同肝纤维化分期患者的数据集上进行测试，样本量相对有限	开发一种可靠的学习型定量MRI系统，用于肝脏T1ρ映射	肝脏病理（特别是肝纤维化）患者的定量T1ρ成像	数字病理	肝纤维化	定量T1ρ成像	深度学习模型	医学图像（MRI）	51名不同肝纤维化分期的患者	NA	NA	相对映射误差	NA
8307	2025-12-21	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	本文提出了一种用于肝脏动态对比增强MRI生理参数估计的深度学习框架，旨在提供准确的参数估计和不确定性量化	提出了一种统一的贝叶斯神经网络框架，通过联合最小化偶然不确定性和认知不确定性来同时估计生理参数及其不确定性	未明确说明训练数据的具体规模和多样性，且OD数据的评估可能未覆盖所有临床场景	为肝脏DCE-MRI提供准确的生理参数估计和不确定性量化方法	肝脏DCE-MRI数据，包括模拟的浓度时间曲线和患有肝肿瘤病变患者的实际数据	医学影像分析	肝肿瘤	动态对比增强MRI	贝叶斯神经网络	医学影像数据，浓度时间曲线	NA	NA	贝叶斯神经网络	均方根误差，不确定性估计	NA
8308	2025-12-21	Generalisation of radiotherapy dose calculation for Monte Carlo algorithm combined with 3D Swin-Unet: a multi-institutional IMRT evaluation 2023-10-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad02d8 PMID:37827160	研究论文	本文提出了一种基于深度学习的通用剂量计算框架，结合3D Swin-Unet模型，用于多机构IMRT计划的剂量计算评估	提出了一种结合TERMA-Monte Carlo网络（T-MC net）与3D Swin-Unet的深度学习剂量计算方法，并在多机构、多身体区域的IMRT计划中进行了泛化性评估	研究仅基于60个IMRT计划进行测试，样本量相对有限，且未涵盖所有可能的临床场景	评估深度学习剂量计算方法的泛化能力，以提升放射治疗剂量计算的准确性和效率	来自四个机构的头颈、胸腹和盆腔区域的IMRT治疗计划	数字病理	NA	强度调制放射治疗（IMRT），蒙特卡洛（MC）算法	深度学习网络	三维剂量分布数据，剂量体积直方图（DVH）	60个IMRT计划	NA	3D Swin-Unet, T-MC net	伽马通过率（GPR），一致性百分比（PA），剂量差异比（DDR），剂量指数D	NA
8309	2025-12-21	Coarse-to-fine prior-guided attention network for multi-structure segmentation on dental panoramic radiographs 2023-10-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0218 PMID:37816372	研究论文	提出一种基于深度学习的粗到细先验引导注意力网络，用于在牙科全景X光片上自动分割多个解剖结构	采用两阶段粗到细先验引导分割框架，结合先验引导边缘融合模块、空间注意力模块和混合注意力模块，提升多结构分割精度	未提及模型在更广泛数据集或不同设备采集图像上的泛化能力	实现牙科全景X光片上多个解剖结构的准确自动分割，以辅助数字牙科的诊断和治疗规划	牙科全景X光片中的上颌窦、下颌髁突、下颌神经、牙槽骨和牙齿	计算机视觉	NA	深度学习	CNN	图像	150张来自真实临床场景的全景X光片	NA	编码器-解码器架构	Jaccard分数	NA
8310	2025-12-21	Radiation-induced Acoustic Signal Denoising using a Supervised Deep Learning Framework for Imaging and Therapy Monitoring 2023-Apr-26, ArXiv PMID:37163138	研究论文	本文提出了一种基于监督深度学习框架的辐射诱导声学信号去噪方法，用于成像和治疗监测	开发了通用的深度初始卷积神经网络（GDI-CNN），通过多扩张卷积编码和解码不同时间特征的信号，实现对多种辐射源信号的泛化去噪	未明确提及具体的数据集规模或模型在极端噪声条件下的性能限制	旨在减少辐射诱导声学成像所需的平均次数，以降低辐射剂量并提高时间分辨率	辐射诱导声学信号，包括X射线诱导声学、质子声学和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	NA	NA	GDI-CNN（通用深度初始卷积神经网络）	信噪比	NA
8311	2025-12-21	Bayesian reasoning machine on a magneto-tunneling junction network 2020-Nov-27, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/abae97 PMID:32936787	研究论文	本文提出了一种基于磁隧道结网络的新型纳米磁计算基底，用于实现任意贝叶斯图的高速采样	开发了一种利用磁隧道结进行电可编程“亚纳秒级”概率样本生成的方法，并通过优化电压控制磁各向异性和自旋转移力矩实现，同时提出通过设计MTJ软层的局部磁致伸缩来实现可编程条件样本生成，无需传统低效硬件	NA	为贝叶斯网络开发新型纳米磁计算硬件，实现高速概率采样	磁隧道结网络及其在贝叶斯网络中的应用	机器学习	NA	电压控制磁各向异性、自旋转移力矩、磁致伸缩工程	贝叶斯网络	概率样本	NA	NA	贝叶斯图	NA	磁隧道结网络硬件
8312	2025-12-20	A quantitative detection method for maize kernel broken rate based on the optimisation of the MSA transformer algorithm 2026-Jan-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117983 PMID:41412662	研究论文	本研究提出了一种基于机器视觉和深度学习算法的玉米籽粒破碎率定量检测模型	开发了一种改进的基于Transformer的深度学习模型MSA Transformer，通过集成多尺度特征融合和注意力机制，利用并行分支进行多粒度特征提取，并通过全局和局部注意力增强显著信息	NA	实现玉米籽粒破碎率的在线定量评估，为粮食质量检测提供理论依据	玉米籽粒	计算机视觉	NA	机器视觉	Transformer	图像	NA	NA	MSA Transformer	准确率, 精确率, 召回率, F1分数, 相关系数, 决定系数, 均方根误差	NA
8313	2025-12-20	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2026-Jan, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究评估了两种弱监督多示例学习方法，利用预训练特征提取器在瑞典多中心队列的儿童脑肿瘤WSI上进行分类	首次在瑞典多中心儿童脑肿瘤队列中应用基于注意力机制的多示例学习方法，并评估了三种预训练特征提取器的性能	研究仅基于瑞典六家医院的数据，未包含国际多中心验证，且样本量相对有限	评估先进的计算病理学方法在儿童脑肿瘤多层级分类中的性能与泛化能力	540名被诊断为脑肿瘤的儿童患者的苏木精-伊红染色全切片图像	数字病理学	脑肿瘤	数字病理学, 深度学习	多示例学习	图像	540名受试者（年龄8.5±4.9岁）的WSI，来自瑞典六家大学医院	NA	ResNet50, UNI, CONCH, ABMIL, CLAM	马修斯相关系数	NA
8314	2025-12-20	Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 2026-Jan-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004758 PMID:40631753	研究论文	本研究评估了基于永久病理切片训练的深度学习模型在莫氏手术冷冻切片中分类鳞状细胞癌的表现，以识别模型缺陷并指导再训练	首次将基于永久病理训练的模型应用于冷冻切片分类，并通过定性分析模型弱点来指导模型优化	模型在冷冻切片中肿瘤稀少区域的兴趣区域识别不准确，可能误判正常组织或非肿瘤结构	评估深度学习模型在莫氏手术冷冻切片中分类鳞状细胞癌的适用性，并识别模型缺陷以改进训练策略	皮肤活检切片和莫氏手术冷冻切片	数字病理	鳞状细胞癌	H&E染色病理切片分析	深度学习模型	病理图像	746张皮肤活检切片用于训练，15张莫氏手术冷冻切片用于测试	NA	NA	AUC-ROC	NA
8315	2025-07-21	A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification 2026-Jan, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2025.06.1593 PMID:40683340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8316	2025-12-20	Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population 2026-Jan, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-025-02269-y PMID:41152404	研究论文	本研究探讨了多基因风险评分在预测东亚人群选择性5-羟色胺再摄取抑制剂抗抑郁治疗结局中的应用价值	首次在东亚人群中整合多基因风险评分以预测抗抑郁治疗结局，填补了该地区药物基因组学研究的空白	样本量相对较小，且仅针对东亚人群，未来需要更大规模、更多样化的队列进行验证	提高抗抑郁治疗结局的预测准确性，推动个体化治疗策略的发展	接受SSRI治疗的台湾地区抑郁症患者	生物信息学	抑郁症	全基因组关联研究，多基因风险评分计算	广义线性混合模型，机器学习算法，深度学习算法	基因组数据，临床数据，人口统计学数据	两个台湾队列共422名患者（VGHTP队列177人，NHRI队列245人）	PRS-CS, PRS-CSx, glmmLasso	NA	AUC	NA
8317	2025-12-20	Graduate Student Literature Review: A review on near-infrared spectroscopy for rapid detection of hazardous substances in milk and dairy products 2026-Jan, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27462 PMID:41130398	综述	本文综述了近红外光谱技术在牛奶及乳制品中危险物质快速检测中的应用	系统总结了近红外光谱在乳制品安全检测中的原理、方法及最新研究进展，并指出了未来与深度学习、人工智能等前沿技术融合的方向	近红外光谱检测仍面临光学机制不明确、痕量分析灵敏度不足、复杂基质干扰强以及模型鲁棒性和泛化性欠佳等挑战	评估近红外光谱技术用于牛奶及乳制品中危险物质快速检测的可行性与发展前景	牛奶及乳制品中的危险物质，包括兽药残留、掺假物和食源性病原体	光谱分析	NA	近红外光谱	NA	光谱数据	NA	NA	NA	NA	NA
8318	2025-12-20	Uterine collagen deposition fluctuates throughout the estrous cycle and provides a scaffold for gland visualization via the SHG-casting method 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113989 PMID:41403834	研究论文	本研究利用二次谐波产生显微镜，分析了小鼠子宫内膜组织在发情周期各阶段中纤维状胶原的沉积变化，并开发了一种基于深度学习的快速腺体分割模型	首次量化了发情周期中子宫内膜纤维状胶原的2D和3D动态变化，并提出了SHG-casting方法，实现了胶原与腺体的同步无标记3D成像	研究仅使用小鼠模型，未在人类或其他物种中验证；SHG-casting方法的应用范围可能受限于胶原丰富的ECM环境	探究子宫内膜细胞外基质（特别是纤维状胶原）在发情周期中的动态变化及其与子宫腺体形态的关系	小鼠子宫内膜组织	数字病理学	NA	二次谐波产生显微镜	深度学习分割模型	3D显微图像	跨发情周期各阶段的小鼠子宫内膜组织样本	NA	NA	NA	NA
8319	2025-12-20	Evaluating the efficacy of the ResNet50 deep learning model utilizing thyroid scintigraphy images for predicting the outcomes of initial iodine-131 therapy in patients with Graves' disease 2025-Dec-19, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002094 PMID:41414958	研究论文	本研究利用ResNet50深度学习模型分析甲状腺闪烁扫描图像，以预测Graves病患者首次碘-131治疗的疗效	首次将ResNet50深度学习模型与甲状腺闪烁扫描图像结合，通过Grad-CAM实现特征可视化，并提取16个关键影像组学特征构建随机森林分类器，提高了预测的泛化性能	研究为回顾性单中心设计，样本量较小（121例患者），需要多中心队列验证以优化精准治疗方案	构建基于深度学习的影像组学模型，预测Graves病患者首次碘-131治疗的结果	121名确诊为Graves病并接受治疗前甲状腺闪烁扫描的患者	数字病理学	甲状腺疾病	甲状腺闪烁扫描（使用高锝酸盐-99mTcO4-）	CNN	图像	121例患者	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet50	AUC, 敏感性, 特异性	NA
8320	2025-12-20	Dual-channel TRCA-net based on cross-subject positive transfer for SSVEP-BCI 2025-Dec-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae291c PMID:41360014	研究论文	提出了一种基于跨被试正向迁移的双通道TRCA-net方法，用于提升SSVEP-BCI系统的解码性能	提出了创新的基于迁移精度的被试选择策略和集成SSVEP领域自适应网络的深度学习网络，以增强模型泛化能力并降低负迁移风险	NA	提升稳态视觉诱发电位脑机接口系统的解码精度和信息传输率，减少被试间变异性	稳态视觉诱发电位脑机接口系统	机器学习	NA	稳态视觉诱发电位	深度学习网络	脑电信号	在两个大规模公共基准数据集上进行验证	NA	双通道TRCA-net, SSVEP-DAN	解码精度, 信息传输率	NA