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
841	2025-06-11	A novel cross-modal data augmentation method based on contrastive unpaired translation network for kidney segmentation in ultrasound imaging 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17663 PMID:39904615	research paper	提出了一种基于对比非配对翻译网络的跨模态数据增强方法，用于提升肾脏超声图像分割的性能	采用对比非配对翻译网络（CUT）从标记的腹部CT数据和无标记的肾脏超声图像中低成本生成模拟标记的肾脏超声图像，并提出实例加权训练策略	需要依赖标记的CT数据和无标记的超声图像，且模拟图像的质量可能影响最终分割性能	提升基于深度学习的肾脏超声图像分割模型在有限标记数据下的准确性和泛化能力	肾脏超声图像	digital pathology	kidney disease	contrastive unpaired translation network (CUT)	U-Net	image	4418标记CT切片、4594无标记超声图像（训练生成网络）；4594模拟和100真实肾脏超声图像（训练分割网络）、20验证图像、169测试图像
842	2025-06-11	Self-supervised adversarial diffusion models for fast MRI reconstruction 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17675 PMID:39924867	研究论文	提出了一种名为SSAD-MRI的自监督深度学习压缩感知MRI方法，用于加速数据采集而无需完全采样数据集	SSAD-MRI在训练过程中无需使用完全采样数据集，通过自监督对抗扩散模型实现了高质量的MRI图像重建	研究仅针对脑部MRI数据，未验证在其他身体部位或不同MRI序列上的泛化能力	开发一种无需完全采样数据集的MRI加速重建方法	脑部MRI图像	医学影像处理	NA	压缩感知MRI	自监督对抗扩散模型	MRI图像	1376例多线圈脑部T2加权图像和318例单线圈脑部定量磁化准备快速梯度回波T1图
843	2025-06-11	Boosting 2D brain image registration via priors from large model 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17696 PMID:39976314	research paper	该研究探索了如何利用基础模型DINOv2的先验知识来提升基于学习的无监督配准网络的性能，以克服网络瓶颈并提高配准精度	首次将基础模型DINOv2应用于医学图像配准任务，提出了三种DINOv2辅助配准模式，并研究了三种特征聚合方法在配准框架中的适用性	研究仅针对2D脑部图像进行，未扩展到3D或其他器官的图像配准	提升医学图像配准的精度并减少对大量数据的依赖	2D脑部医学图像	digital pathology	NA	deep learning-based registration	DINOv2	image	IXI和OASIS公共数据集
844	2025-06-11	Attentive feature interaction based persistent homology-augmented network for esophageal cancer lesion detection 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17707 PMID:40012097	research paper	提出了一种结合持久同调和特征交互的新框架，用于从3D CT图像中识别食管癌病变	结合持久同调（PH）和特征交互机制，增强了现有深度学习模型的预测能力	尚未探索更多可以利用拓扑关系的潜在下游任务	提升食管癌病变检测的准确性	食管癌病变	digital pathology	esophageal cancer	3D CT imaging	CNN, ViT	3D CT images	NA
845	2025-06-11	CBCT projection domain metal segmentation for metal artifact reduction using hessian-inspired dual-encoding network with guidance from segment anything model 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17716 PMID:40017345	research paper	提出了一种基于Hessian启发的双编码网络（HIDE-Net）用于CBCT投影域金属分割，以减少金属伪影	结合Hessian特征值模块引入人类知识，设计双编码器以更好地提取边缘信息，并提出输入增强模块和基于SAM的标签预处理模块	需要进一步验证在更多临床数据上的泛化能力	开发一种无需手动标注的深度学习金属分割方法以减少CBCT中的金属伪影	CBCT投影域中的金属物体	digital pathology	NA	CBCT	CNN	image	数字幻影数据和临床CBCT数据
846	2025-06-11	An MR-only deep learning inference model-based dose estimation algorithm for MR-guided adaptive radiation therapy 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17759 PMID:40089982	研究论文	本研究开发了一种基于深度学习的仅使用MR图像的剂量计算引擎，用于MR引导的自适应放射治疗	提出了一种仅依赖MR图像的深度学习剂量计算引擎，无需CT图像或耗时的射线追踪过程	研究仅针对前列腺癌患者，样本量相对较小（30例患者）	开发一种高效准确的MR引导自适应放射治疗剂量计算方法	前列腺癌患者	医学影像分析	前列腺癌	深度学习	基于U-Net的深度残差网络	MR图像	30例前列腺癌患者，共120个在线治疗计划（包含1080个独立射束）
847	2025-06-11	Quantitative susceptibility mapping via deep neural networks with iterative reverse concatenations and recurrent modules 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17747 PMID:40089979	research paper	该研究提出了一种名为IR2QSM的新型深度学习网络架构，用于提高定量磁化率成像（QSM）的重建精度并减少噪声和伪影	IR2QSM采用了四次反向连接和中间循环模块的改进U-net架构，优化了特征融合并提高了QSM的准确性	尽管IR2QSM在实验中表现优异，但研究未提及该方法在不同MRI设备或参数下的泛化能力	开发一种深度学习方法来提高QSM重建的准确性，减少噪声和伪影	定量磁化率成像（QSM）的重建过程	医学影像处理	神经系统疾病	定量磁化率成像（QSM）	改进的U-net架构（IR2QSM）	MRI影像数据	模拟数据集和体内数据集（具体数量未提及）
848	2025-06-11	Multimodal feature-guided diffusion model for low-count PET image denoising 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17764 PMID:40102174	研究论文	本文提出了一种新型多模态特征引导扩散模型（MFG-Diff），用于低计数PET（LPET）图像去噪，并充分利用MRI信息	MFG-Diff模型通过引入新的退化操作符模拟PET成像的物理退化过程，并采用跨模态引导恢复网络和多模态特征融合模块，充分挖掘LPET和MRI图像的模态特定特征	NA	开发一种能够充分利用MRI信息的LPET图像去噪方法，以最小化辐射暴露同时获得高质量PET图像	低计数PET（LPET）图像和多模态MRI图像	医学图像处理	NA	扩散模型	MFG-Diff	医学图像（PET和MRI）	NA
849	2025-06-11	Poisson diffusion probabilistic model for low-dose SPECT sinogram denoising 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17760 PMID:40103551	研究论文	本文提出了一种基于泊松噪声的扩散概率模型（PDPM），用于低剂量SPECT正弦图的去噪	PDPM将传统扩散模型中的高斯噪声替换为泊松噪声，并引入了时间预测聚合模块（TPAM）以提高去噪性能	NA	开发有效的低剂量SPECT正弦图去噪方法	低剂量SPECT正弦图	医学影像处理	NA	扩散概率模型	PDPM	图像	模拟和临床SPECT数据集
850	2025-06-11	Deep-learning based multibeat echocardiographic cardiac phase detection 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17733 PMID:40108797	研究论文	本研究提出了一种名为EchoPhaseNet的新型多拍超声心动图心脏相位检测网络，旨在实现快速准确的心脏相位检测，同时降低标注成本和数据需求	EchoPhaseNet仅需ED/ES标签即可实现有效的心脏相位检测，显著降低了标注成本，并在检测速度和准确性上优于现有方法	研究使用了多个数据集进行验证，但部分数据集的样本量相对较小，可能影响模型的泛化能力评估	开发一种低标注成本、高效率的多拍超声心动图心脏相位自动检测方法	多拍超声心动图序列	医学图像分析	心血管疾病	深度学习	EchoPhaseNet（基于深度学习的网络）	超声心动图视频序列	五个数据集：Echo-DT（小规模私有数据集）、PhaseDetection（中等规模公开数据集）、EchoNet-Dynamic、CAMUS和EchoNet-Dynamic-MultiBeat（三个公开数据集）
851	2025-06-11	Evaluating the robustness of deep learning models trained to diagnose idiopathic pulmonary fibrosis using a retrospective study 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17752 PMID:40111345	research paper	评估使用回顾性研究训练的深度学习模型在诊断特发性肺纤维化中的鲁棒性	评估多种深度学习模型在不同CT成像协议下的性能，揭示了模型在非参考条件下的特异性下降	研究的回顾性性质	评估深度学习模型在不同CT成像协议下诊断特发性肺纤维化的鲁棒性	特发性肺纤维化（IPF）与非IPF间质性肺病（ILD）患者	digital pathology	lung cancer	CT扫描	2D和3D深度学习模型	image	389名IPF患者和700名非IPF ILD患者的CT扫描数据，其中343名患者有参考和非参考条件下的CT数据
852	2025-06-11	Improving realism in abdominal ultrasound simulation combining a segmentation-guided loss and polar coordinates training 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17801 PMID:40159565	研究论文	提出了一种结合分割引导损失和极坐标训练的新框架，以提高腹部超声模拟的真实性和解剖一致性	通过分割引导损失和极坐标训练减少GAN生成的幻觉，提高解剖准确性和图像真实性	未提及具体局限性	提高腹部超声模拟的真实性和解剖一致性	腹部超声图像	医学图像处理	NA	GAN, Unet	CycleGAN, UVCGANv2, UNSB	图像	617张真实腹部超声图像和971张人工模拟扫描图像
853	2025-06-11	Uncertainty quantification for CT dosimetry based on 10 281 subjects using automatic image segmentation and fast Monte Carlo calculations 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17796 PMID:40167139	研究论文	本文提出了一种结合自动图像分割和GPU加速蒙特卡罗模拟的新方法，用于重建10281名接受CT检查的个体的患者特异性器官剂量	结合深度学习分割工具和GPU加速蒙特卡罗模拟，处理大规模患者特异性器官剂量数据集	研究仅基于单一中国医院的数据，可能不具有普遍代表性	量化并理解CT剂量不确定性，改进CT剂量测定方法	10281名接受CT检查的个体（6419名男性和3862名女性）	数字病理	NA	深度学习自动分割、GPU加速蒙特卡罗模拟	DeepContour	CT图像	10281名个体（6419名男性和3862名女性）
854	2025-06-11	Towards real-time conformal palliative treatment of spine metastases: A deep learning approach for Hounsfield Unit recovery of cone beam CT images 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17838 PMID:40257079	research paper	本研究开发了一个两阶段深度学习模型，用于从锥束CT（CBCT）扫描快速生成合成CT（sCT）图像，旨在实现脊柱转移瘤患者的实时姑息放疗治疗	采用两阶段生成对抗网络（GAN）方法，首阶段减少CBCT图像中的条纹伪影，第二阶段生成sCT图像，显著提高了HU准确性和剂量学一致性	研究仅基于220名患者的数据进行训练和验证，样本量可能不足以覆盖所有临床情况	开发一种能够从CBCT扫描快速生成sCT图像的模型，以实现脊柱转移瘤患者的实时姑息放疗治疗	脊柱转移瘤患者	digital pathology	spinal metastases	deep learning, cone-beam CT, synthetic CT generation	conditional GAN, cycle-consistent GAN	CT images	220名患者的CBCT和计划CT图像，其中33名患者用于独立测试
855	2025-06-11	A novel dose calculation system implemented in image domain 2025-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17903 PMID:40400114	研究论文	提出了一种名为DeepBEVdose的新型图像域剂量计算系统，用于从计算机断层扫描图像和辐射场注量图中自动计算剂量分布	引入了新颖的束眼视图计算方案，替代了传统无法去除的射线追踪过程，使用通用的二维卷积神经网络进行精确剂量计算	仅在鼻咽和肺部两种肿瘤部位的数据集上进行了验证	提高放射治疗中剂量计算的准确性和效率	计算机断层扫描图像和辐射场注量图	数字病理	癌症	深度学习	CNN	图像	多机构获取的数据集，包含鼻咽和肺部两种肿瘤部位
856	2025-06-11	Artificial Intelligence for Head and Neck Squamous Cell Carcinoma: From Diagnosis to Treatment 2025-Jun, American Society of Clinical Oncology educational book. American Society of Clinical Oncology. Annual Meeting DOI:10.1200/EDBK-25-472464 PMID:40489724	综述	本文综述了人工智能在头颈部鳞状细胞癌（HNSCC）从诊断到治疗全过程中的应用进展	整合复杂的放射学、病理学和分子数据，为个性化HNSCC管理提供可操作的信息见解	临床转化仍存在障碍，需进一步发展可解释模型、前瞻性试验并无缝集成到临床工作流程中	改善HNSCC的个性化管理	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	深度学习	多模态AI模型	影像学、组织病理学和电子健康记录	NA
857	2025-06-11	Future Applications of Cardiothoracic CT 2025-Jun, Radiology IF:12.1Q1 DOI:10.1148/radiol.240085 PMID:40492912	review	本文综述了光子计数CT（PCCT）、直立CT和人工智能（AI）在心胸CT成像和诊断中的潜在应用	探讨了PCCT、直立CT和AI在心胸CT中的创新应用，包括降低辐射剂量、提高空间分辨率和改进影像解读方式	NA	探讨心胸CT技术的未来发展方向和应用前景	心胸CT技术及其临床应用	digital pathology	cardiovascular disease	PCCT, upright CT, AI, four-dimensional CT	deep learning	image	NA
858	2025-06-11	Chemical space visual navigation in the era of deep learning and Big Data 2025-May-31, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104392 PMID:40456508	review	该综述探讨了在药物化学大数据时代下，化学空间可视化导航算法和工具的最新进展	讨论了化学空间可视化方法如何应对大数据挑战，并探索了非传统应用如QSAR/QSPR模型视觉验证、交互式生成方法及化学空间地图作为数字艺术的用途	NA	应对药物化学大数据分析挑战，开发化学空间可视化工具	化学空间可视化算法和工具	machine learning	NA	QSAR/QSPR	NA	化学结构数据	NA
859	2025-06-11	Sparsity-Driven Parallel Imaging Consistency for Improved Self-Supervised MRI Reconstruction 2025-May-30, ArXiv PMID:40492248	研究论文	提出一种通过精心设计的扰动训练物理驱动深度学习网络的新方法，以提高自监督MRI重建的质量	在传统自监督学习的k空间掩蔽基础上，引入了一种新的稀疏域一致性项，评估模型准确预测添加扰动的能力，从而实现更可靠且无伪影的重建	未明确说明方法在极端高加速率下的表现或对其他解剖部位的适用性	改进快速MRI扫描的自监督重建质量	MRI图像重建	医学影像处理	NA	自监督学习	PD-DL（物理驱动深度学习网络）	MRI k空间数据	fastMRI膝盖和大脑数据集
860	2025-06-11	"Perfusion Assessment of Healthy and Injured Hands Using Video-Based Deep Learning Models" 2025-May-28, Plastic and reconstructive surgery IF:3.2Q1 DOI:10.1097/PRS.0000000000012225 PMID:40489745	研究论文	本研究提出了一种基于视频的深度学习方法，用于评估健康及受伤手部的灌注情况	使用非接触式视频技术和深度学习模型（ResNet-18）进行灌注分类，为现场分诊提供技术支持	在医院环境中，由于光线、手部姿势和伤情等不可控因素，分类性能下降	开发一种技术以改进现场灌注评估，优化创伤分诊	健康对照者和急性创伤患者的手部灌注情况	计算机视觉	创伤	成像光电容积描记术（iPPG）	ResNet-18	视频	48名对照者（其中14名接受止血带诱导缺血评估）和15名急性创伤患者