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
8621	2025-10-06	Improving EEG classification of alcoholic and control subjects using DWT-CNN-BiGRU with various noise filtering techniques 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1618050 PMID:40904893	研究论文	本研究提出了一种结合离散小波变换、CNN和双向GRU的混合模型，用于提高酒精依赖者和正常对照组的EEG信号分类性能	首次将DWT-CNN-BiGRU混合架构应用于EEG酒精依赖分类，并系统比较了三种信号去噪技术的效果	未明确说明样本来源和数据集规模，可能影响结果的泛化能力	开发更可靠的EEG信号分类方法以辅助酒精依赖诊断	酒精依赖患者和正常对照组的脑电图信号	生物医学信号处理	酒精依赖症	EEG信号分析, 离散小波变换, 离散傅里叶变换, 离散余弦变换	CNN, BiGRU	EEG信号	NA	NA	DWT-CNN-BiGRU, DWT-CNN-BiLSTM	准确率, 精确率, 召回率, F1分数	NA
8622	2025-10-06	MultiSC: a deep learning pipeline for analyzing multiomics single-cell data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae492 PMID:39376034	研究论文	提出一种名为MultiSC的深度学习流程，用于分析多组学单细胞数据	开发了结合多模态约束自编码器和矩阵分解模型的新型分析流程，能够有效整合三种组学数据	NA	解决多组学单细胞数据整合分析的挑战	单细胞多组学数据（基因表达、染色质可及性、转录因子蛋白表达）	生物信息学	NA	NEAT-seq单细胞多组学测序技术	自编码器, 矩阵分解, 多元线性回归	多组学单细胞数据	NA	NA	单细胞层次约束自编码器, scMF	NA	NA
8623	2025-10-06	DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3237712 PMID:37021916	研究论文	提出一种基于条件扩散模型的ECG基线漂移和噪声去除方法DeScoD-ECG	首次将条件扩散生成模型应用于ECG噪声去除，采用多轮平均策略提高信号重建质量	NA	开发ECG信号基线漂移和噪声去除技术以提高心血管疾病诊断准确性	心电图信号	生物医学信号处理	心血管疾病	扩散模型	深度生成模型	ECG信号	QT数据库和MIT-BIH噪声压力测试数据库	NA	基于分数的扩散模型	距离相似性指标	NA
8624	2025-10-06	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	结合深度学习和KWAK TI-RADS实现甲状腺结节超声自动诊断	首次将改进的U-Net++分割模型与基于KWAK TI-RADS指南的多任务卷积神经网络相结合，实现甲状腺结节风险等级自动评估	研究仅基于1862例样本，需要更大规模数据验证	实现甲状腺结节风险等级的自动评估，为细针穿刺必要性判断提供依据	甲状腺结节患者	计算机视觉	甲状腺结节	超声检查	CNN	超声图像	1862例甲状腺结节病例（训练集），302例测试集	NA	U-Net++, MT-CNN	Dice系数, IoU, 准确率, 假阳性率, 精确率, 召回率	NA
8625	2025-10-06	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	本研究通过结合多波段SENSE技术和深度学习，实现了亚秒级全脑T2定量成像	首次将多波段SENSE技术与MOLED成像结合，实现了600毫秒内完成全脑T2定量成像	在高多波段因子条件下图像质量可能下降，需要PnP算法进行改善	加速定量磁共振成像，实现亚秒级全脑T2定量成像	数值模拟、水模实验和人脑实验	医学影像分析	NA	定量磁共振成像、多波段SENSE、MOLED成像	深度学习	磁共振图像	数值模拟、水模实验和人脑实验（具体样本数量未明确说明）	NA	U-Net, DRUNet	图像质量、信噪比	NA
8626	2025-10-06	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图像的自动颅骨剥离，相比传统方法RATS和BrainSuite表现更优	研究仅针对大鼠脑部MRI数据，未验证在其他物种或成像模式上的适用性	开发一种高效准确的大鼠脑部MRI图像颅骨剥离方法	599只大鼠的脑部磁共振成像数据	医学影像分析	神经系统疾病	磁共振成像	U-Net	医学影像	599只大鼠（476只训练，123只测试）	NA	U-Net	Dice系数,Jaccard系数,敏感性,特异性,像素精度,Hausdorff系数,真阳性率,假阳性率	NA
8627	2025-10-06	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金属伪影减少方法MARGANVAC，用于改善CT成像中的金属伪影问题	引入变约束机制作为时变成本函数，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生成具有真实伪影特征的配对训练数据	未明确说明模型在更广泛临床场景中的泛化能力及计算效率的具体评估	开发适用于实际临床场景的高性能金属伪影减少方法	CT图像中的金属伪影	医学影像处理	NA	CT成像	GAN	CT图像	NA	NA	生成对抗网络	定量指标，定性评估	NA
8628	2025-10-06	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	本研究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的快速去噪滤波	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	神经网络主要使用模拟微泡数据进行训练，可能对真实数据的适应性存在局限	开发快速去噪方法以实现超声定位显微镜的实时成像	微泡信号、流场体模、新西兰兔肿瘤模型	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)	深度学习	超声图像	流场体模实验和动物实验(新西兰兔肿瘤模型)	NA	对比半监督网络(CS-Net)	信噪比(SNR)、对比噪声比(CNR)、处理速度	NA
8629	2025-10-06	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，利用未配对数据中的局部相似性进行低剂量CT图像去噪	提出准监督学习模式，通过从未配对正常剂量CT数据集中寻找最佳匹配图像作为先验信息	伪影减少效果仍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	低剂量CT图像和正常剂量CT图像	计算机视觉	NA	CT成像	CNN	医学图像	未配对LDCT和NDCT图像数据集	PyTorch	ADN（伪影解缠网络）	噪声抑制，上下文保真度	NA
8630	2025-10-06	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	开发基于深度学习的荧光图像校正方法，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基于CNN的荧光图像校正模型	仅使用单孔径静态光子束进行验证，未涉及更复杂的辐射场条件	提高辐射激发荧光成像的剂量分布测量精度	含有奎宁半硫酸盐水溶液的丙烯酸水箱	计算机视觉	NA	辐射激发荧光成像，CMOS相机成像	CNN	图像	181个单孔径静态光子束	NA	卷积神经网络	平均绝对误差，伽马指数通过率	NA
8631	2025-10-06	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AC-Faster R-CNN检测架构，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的特征融合结构和异常捕获头结构，结合扩张卷积与可变形卷积更好捕捉病灶多尺度信息	NA	开发能够准确定位和分类脊柱X射线照片中异常部位的物体检测网络	脊柱X射线图像中的异常部位	计算机视觉	脊柱疾病	X射线成像	Faster R-CNN	图像	1007张脊柱X射线图像	NA	Faster R-CNN, Deformable Convolution Feature Pyramid Network, Abnormality Capture Head	mAP@IoU=50%, Precision, Sensitivity	NA
8632	2025-10-06	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	首次提出基于颜色特征生成偏移量来引导可变形卷积的方法，能够自适应调整卷积采样位置以符合IM病变的不规则形状	NA	准确诊断肠化生严重程度并预防胃癌发生	胃镜图像中的肠化生病变	计算机视觉	胃癌	内窥镜成像	CNN, DCN	图像	自建IM严重程度数据集	NA	颜色引导可变形卷积网络(CDCN)	准确率	NA
8633	2025-10-06	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去噪	采用无监督学习方法解决监督学习中数据精确配对的挑战，结合投影域去噪和迭代增强的双域处理策略	在标记数据集可用性有限的情况下表现更优，但未明确说明在充足标记数据下的性能比较	开发无监督学习的低剂量CT成像方法以解决数据配对问题	低剂量CT图像	医学影像处理	NA	CT成像	生成模型	CT投影数据和重建图像	NA	NA	Noise2Self	SSIM	NA
8634	2025-10-06	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	提出一种渐进式条件深度图像先验的无监督学习方法，用于增强PET成像质量	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	当输入图像与目标PET图像差距较大时仍可能存在挑战	开发新的无监督学习方法来提高患者研究中病灶的可检测性	PET图像，包括体模研究和患者研究	医学影像处理	NA	PET成像，迭代重建方法	深度神经网络	医学图像（PET图像，解剖图像）	体模和患者研究（具体数量未明确说明）	NA	深度图像先验	图像噪声性能，病灶可检测性	NA
8635	2025-10-06	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，采用特征补充模块提取边界线索，并引入形状块增强边界特征监督	NA	开发实时自动息肉分割框架以辅助结肠镜检查	结肠镜图像中的息肉	计算机视觉	结直肠癌	结肠镜检查	CNN	图像	五个公开基准数据集	NA	MCSF-Net	多种评估指标，FPS	NA
8636	2025-10-06	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放射组学和深度学习的列线图模型，用于术前预测乳腺癌恶性程度	首次结合多模态超声影像（B模式和彩色多普勒血流成像）与深度学习技术构建预测模型，并在多中心数据集上进行验证	回顾性研究设计，样本量相对有限（611例患者）	术前预测乳腺癌恶性程度，实现精准医疗	乳腺癌患者	医学影像分析	乳腺癌	超声成像（B模式、彩色多普勒血流成像）	深度学习	超声影像、临床数据	611例乳腺癌患者，分为主要队列、验证队列和两个测试队列	NA	多模态深度学习放射组学列线图（DLRN）	AUC, 校准曲线, 决策曲线分析	NA
8637	2025-10-06	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	首次将无训练神经网络应用于PROPELLER MRI重建，无需外部训练数据即可提升图像质量	未明确说明方法在更广泛临床数据上的泛化能力	加速PROPELLER磁共振成像采集并改善图像重建质量	脑部磁共振成像数据	医学影像处理	NA	PROPELLER磁共振成像	无训练神经网络	磁共振图像	NA	NA	NA	图像清晰度	NA
8638	2025-10-06	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	提出一种用于2D超声图像的通用病灶分割框架ULS4US，能够在不同器官中有效识别和分割各种大小的病灶	首次开发适用于多器官的通用超声病灶分割框架，提出多输入多输出UNet架构、两阶段病灶感知学习算法和病灶自适应损失函数	仅在三种特定器官类型的数据集上进行验证，需要更多器官类型数据证明其通用性	开发适用于多器官的超声图像通用病灶分割框架	超声图像中的各种器官病灶	计算机视觉	多器官病变	超声成像	深度学习	2D超声图像	超过2200张图像，包含三个特定器官类型	NA	MIMO-UNet	准确率,DSC,HD,mIoU	NA
8639	2025-10-06	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分割	在PSPNet中引入双路径注意力机制(DPAM)，通过轻量级跨通道交互捕获全局信息，同时利用残差桥网络关注结节边缘及周围信息	NA	开发自动化甲状腺结节超声图像分割系统	甲状腺结节超声图像	计算机视觉	甲状腺结节	超声成像	CNN	图像	少量训练数据	NA	PSPNet, DPAM-PSPNet	mIOU, mPA, mPrecision, Dice系数	NA
8640	2025-10-06	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	本研究开发了一种基于深度学习的方法，用于在X射线引导介入手术中快速计算患者剂量分布	提出了一种改进的3D U-Net架构，能够结合患者CT扫描和成像参数快速生成蒙特卡罗剂量图，显著缩短了计算时间	研究仅针对腹部区域进行验证，样本量相对有限（82例患者CT扫描）	开发快速准确的剂量计算方法，用于X射线引导介入手术中的患者剂量监测	接受X射线引导介入手术的患者，特别是腹部血管修复手术患者	医学影像分析	血管疾病	蒙特卡罗模拟，X射线成像	CNN	CT图像，成像参数	82例患者CT扫描，其中65例用于训练，17例用于测试	NA	3D U-Net	平均误差，峰值皮肤剂量误差，平均皮肤剂量误差，区域剂量误差	NA