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
1321	2026-08-23	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-09, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征PSMA靶向放射药物热电疗中器官内异质性，基于治疗前PET预测体素级吸收剂量图。	首次利用人工智能技术定位器官内热电疗异质性，实现基于治疗前PET的体素级剂量预测，超越了传统的器官级估算。	样本量较小（23例患者），回顾性研究设计，且未详细说明计算资源，未来需更大规模验证。	利用人工智能技术基于治疗前PET预测体素级吸收剂量图，以个性化放射剂量，提高治疗效果。	23例转移性去势抵抗性前列腺癌患者，接受[177Lu]Lu-PSMA I&T放射配体治疗。	医学影像分析、人工智能	前列腺癌、转移性去势抵抗性前列腺癌	PET成像、SPECT/CT成像、药代动力学模拟	深度学习模型（具体类型未明确，可能为CNN）	医学影像（PET、SPECT/CT）	23例患者，48个治疗周期	NA（未提及具体框架）	NA（未提及具体架构，可能为CNN变体）	归一化均方根误差、剂量体积直方图、决定系数、拟合线斜率、相关系数	NA（未提及具体计算资源）
1322	2026-08-23	Deep learning guided design of dynamic proteins 2024-Jul-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603962 PMID:39071443	研究论文	本文介绍了一种基于深度学习的通用方法，用于设计蛋白质分子内的构象动态变化，类似于自然界中的开关机制，并实现了原子级精度。	提出了首个能够以原子级精度设计蛋白质构象动态变化的深度学习方法，该方法超越了以往仅能设计静态蛋白质结构的限制，并通过实验验证了设计的构象。	文中未提及具体局限性，但可能包括设计的构象变化仅限于分子内结构域间，且依赖于深度学习预测和物理模拟的准确性。	实现蛋白质构象动力学的可控设计，构建可调控的类似天然信号蛋白的开关机制。	蛋白质构象变化，包括设计蛋白的构象状态、状态间转换及配体和突变对其调控。	机器学习	不适用	实体生物化学结构解析	深度学习模型	蛋白质结构数据	不适用	不适用	不适用	不适用	不适用
1323	2026-08-23	Celiac disease diagnosis from endoscopic images based on multi-scale adaptive hybrid architecture model 2024-03-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c1 PMID:38306971	研究论文	本研究提出一种基于多尺度自适应混合架构的深度学习模型，用于从内窥镜图像中诊断乳糜泻	提出一种新颖的CNN-Transformer混合架构，包含多尺度空间自适应选择性核卷积特征注意力模块，能动态捕捉不同病灶区域的关键特征，并整合全局与局部信息以提升诊断性能	未在摘要中明确提及局限性	利用新疆地区乳糜泻患者的内窥镜图像，开发一种高性能、轻量级的深度学习模型，以提高乳糜泻诊断的准确性	乳糜泻患者的内窥镜图像，涉及十二指肠球部、十二指肠降部和回肠末端等部位	深度学习	乳糜泻	内窥镜成像	CNN-Transformer混合模型	图像	未在摘要中提及	未在摘要中提及	CNN-Transformer混合架构，多尺度空间自适应选择性核卷积特征注意力模块	准确率、特异性、F1分数、精确率	未在摘要中提及
1324	2026-08-23	Automatic segmentation of hepatocellular carcinoma on dynamic contrast-enhanced MRI based on deep learning 2024-03-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2790 PMID:38330492	研究论文	本研究开发了一种基于深度学习的自动检测和分割模型，用于动态对比增强磁共振成像中的肝细胞癌，并取得了良好的分割和检测性能	首次针对DCE-MRI图像开发HCC自动检测与分割的深度学习模型，并采用多期相输入改进U-net架构，结合五折交叉验证集成和连接组件分析后处理	未在摘要中明确提及局限性	开发一种基于DCE-MRI的自动检测和分割肝细胞癌的深度学习模型，以提高临床管理中的精确性	肝细胞癌病变	医学影像分析	肝细胞癌	动态对比增强磁共振成像	卷积神经网络（U-net）	医学影像	382名患者（466个病灶）用于训练和独立测试，51名患者（62个病灶）用于外部验证	未明确提及	U-net	Dice相似系数、灵敏度、精确率、每例假阳性数	未明确提及
1325	2026-08-23	Affine medical image registration with fusion feature mapping in local and global 2024-02-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2717 PMID:38324893	研究论文	本文提出了一种基于深度学习的粗到细全局与局部特征融合架构，用于快速的医学图像仿射配准，并采用无监督端到端训练方法	提出加权全局位置注意力机制融合全局和局部特征映射，以及融合回归器生成仿射参数，无需质心初始化，提高配准精度	未提及	实现实时且高精度的医学图像仿射配准算法	3D MRI脑图像，来自OASIS数据集，共414个样本	医学图像分析	不适用	深度学习	卷积神经网络	3D MRI图像	414个3D MRI脑图像	未提及	多尺度卷积核模块，加权全局位置注意力模块，融合回归器	配准精度，运行时间	未提及
1326	2026-08-23	TdDS-UNet: top-down deeply supervised U-Net for the delineation of 3D colorectal cancer 2024-02-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c5 PMID:38306960	研究论文	设计了一种基于自顶向下深度监督的U-Net网络，用于自动且准确地描绘3D结直肠癌的模糊边界	提出TdDS方法，通过映射与阶段属性一致的ground truth来细化上下阶段的语义目标，引导模型学习从粗到细的描绘过程，逐渐缩小边界，提高模糊边界的描绘精度，并具有类似注意力机制的作用	未提及	自动准确地描绘3D结直肠癌的模糊边界	3D盆腔磁共振图像中的结直肠癌	计算机视觉	结直肠癌	磁共振成像（MRI）	U-Net	3D图像	共144个3D盆腔磁共振成像体积，其中训练103个，验证12个，测试29个	NA	U-Net	Dice相似系数（DSC）、豪斯多夫距离（HD）	NA
1327	2026-08-23	Semi-supervised low-dose SPECT restoration using sinogram inner-structure aware graph neural network 2024-02-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2716 PMID:38324896	研究论文	本研究提出一种用于低剂量SPECT正弦图恢复的半监督框架，该框架利用正弦图内部结构感知的图神经网络，结合Mean Teacher半监督学习，以提升低剂量图像质量	创新点在于首次将正弦图内部结构感知引入低剂量SPECT恢复，设计了SSN-GNN和W-KNN-GNN模块，并采用半监督方法利用未标记数据	局限性在于数据集仅基于XCAT数字体模，未涉及真实临床数据，且未明确讨论计算资源的详细配置	开发一种新型的、利用正弦图内部结构的半监督框架，用于低剂量SPECT正弦图恢复，以降低辐射剂量而不牺牲图像质量	研究对象为XCAT数字体模生成的SPECT正弦图和重建图像，以及未标记的低剂量正弦图	医学影像	不适用	SPECT成像、深度学习	图神经网络	图像（正弦图和重建图像）	未明确说明具体样本数量，涉及XCAT数字体模数据集	未明确说明	UNet、图神经网络（SSN-GNN、W-KNN-GNN）	定量和定性指标，包括图像质量评估指标（如PSNR、SSIM等），具体指标未在摘要中列出	未明确说明
1328	2026-08-23	Deep learning for head and neck semi-supervised semantic segmentation 2024-02-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c2 PMID:38306968	研究论文	本文提出了一种跨域正交一致性（CD-OPC）策略，用于头颈癌CT图像中器官风险区域的半监督语义分割，以缓解域偏移和确认偏差问题。	创新性地提出了跨域正交基于视角一致性策略，结合两分支协作训练框架和新的生成式预文本任务（跨域预测），促进子网络从无关视角学习特征。	摘要未提及具体局限性，可能需在全文进一步阐述。	利用未标注数据有效支持标注数据，以克服域偏移和确认偏差，提高头颈癌OAR分割的准确性和可靠性。	来自九个不同机构的头颈CT图像数据集，以及四个本地机构的数据集。	计算机视觉, 数字病理学	头颈癌	CT成像, 半监督学习	深度学习模型（具体架构未指定）	CT图像	九个机构的训练数据集和四个本地机构的验证数据集	NA	双分支网络（具体架构未指定）	性能指标未明确，通常包括Dice系数、准确性等，但此处未具体说明。	NA
1329	2026-08-23	A spatially adaptive regularization based three-dimensional reconstruction network for quantitative susceptibility mapping 2024-02-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad237f PMID:38286013	研究论文	本文提出了一种基于空间自适应正则化的三维重建网络SAQSM，用于定量磁化率成像（QSM）的准确重建。	设计了空间自适应模块，并在不同分辨率下插入网络解码器，作为跨模态的正则化约束，以利用场和幅值数据调整特征图的尺度和偏移，修正信息丢失或偏差；网络编码采用动态感知初始化，增强对不同大小特征的检测能力。	未明确说明局限性，但从摘要看，可能包括对严重病变区域的稳定性仍需改进，以及需要更多临床验证。	解决QSM重建中的不适定逆问题，实现场位移（Hz）与磁化率值（ppm）之间的准确定量映射，减少磁化率伪影，提升重建精度和泛化能力。	健康志愿者的大脑数据、临床出血和模拟钙化幻影。	医学图像处理	神经系统疾病	定量磁化率成像（QSM）	深度学习网络	图像	未明确说明具体样本量，但包括健康志愿者、临床出血和模拟幻影数据。	NA	编码器-解码器结构，包含空间自适应模块和动态感知初始化	重建精度、伪影减少、稳定性、泛化能力（未指定具体指标）	NA
1330	2026-08-23	UC-stack: a deep learning computer automatic detection system for diabetic retinopathy classification 2024-02-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad22a1 PMID:38271723	研究论文	提出一种基于深度学习的糖尿病视网膜病变自动检测与分级系统UC-stack，通过图像预处理、特征分割、特征提取和集成分类模块实现DR的早期检测和分级	结合对比度受限自适应直方图均衡化和高斯滤波的图像预处理技术，并融合特征分割模块、深度学习特征提取模块和集成分类模块，在多个视网膜图像数据库上展现出优越性能	未提及	开发一种自动化的糖尿病视网膜病变检测与分级系统，以减少对医生主观评估的依赖，提高诊断的一致性和可靠性	糖尿病视网膜病变患者的视网膜图像	计算机视觉, 数字病理学	糖尿病视网膜病变	光学成像	卷积神经网络, Swin Transformer	图像	四个视网膜图像数据库（APTOS 2019, Messidor, DDR, EyePACS）	NA	卷积神经网络, Swin Transformer	AUC, 二次加权Kappa评分, 九项性能评估指标	NA
1331	2026-08-23	Underwater object detection method based on learnable query recall mechanism and lightweight adapter 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298739 PMID:38416764	研究论文	提出一种基于可学习查询召回机制和轻量级适配器的水下目标检测方法，改进DETR以应对水下图像的噪声、模糊和多尺度问题	提出可学习查询召回机制减轻噪声影响，设计轻量级适配器提供多尺度特征，结合Smooth L1和CIoU损失优化边界框回归	仅在RUOD数据集上验证，未提及跨数据集泛化性能及计算资源消耗	提高水下目标检测在噪声、模糊和多尺度条件下的性能	水下目标检测中的物体	计算机视觉	不适用	深度学习	DETR（改进版）	图像	RUOD数据集（具体样本数未提及）	未提及	DETR（基于Transformer的检测器）	平均精度（AP）等（未具体说明）	未提及
1332	2026-08-23	Deep learning-based prediction of major arrhythmic events in dilated cardiomyopathy: A proof of concept study 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297793 PMID:38421987	研究论文	本研究提出一种基于深度学习的模型（DARP-D），利用多维心脏磁共振数据和临床协变量预测扩张型心肌病患者的主要心律失常事件风险曲线。	首次将深度学习应用于扩张型心肌病心律失常风险预测，整合了心脏运动、组织特征和基线协变量，能够追踪个体风险曲线。	患者数量、心律失常事件数和训练轮次较少，模型作为原型有希望但尚不适用于临床，需进一步改进和验证。	开发一种深度学习模型，预测扩张型心肌病患者的主要心律失常事件风险，改善风险分层。	扩张型心肌病患者的心脏磁共振数据（包括电影视频、高动态视频、LGE图像及高动态图像）和临床协变量。	医学影像分析	扩张型心肌病	心脏磁共振成像	深度学习模型	图像和视频	154名扩张型心肌病患者	未提及	未提及	Harrell's C一致性指数	未提及
1333	2026-08-23	Deep-Learning-Based Hepatic Ploidy Quantification Using H&E Histopathology Images 2023-04-16, Genes IF:2.8Q2 DOI:10.3390/genes14040921 PMID:37107679	研究论文	本文开发了一种基于深度学习的算法，利用H&E组织病理学图像对肝脏多倍性进行量化分析	首次成功实现利用常规H&E图像自动进行肝脏倍性分析，无需依赖流式细胞术或免疫荧光成像	摘要未明确提及限制	提高临床样本中肝脏倍性分析的可行性，促进对多倍性在肝病中作用的研究	肝脏H&E组织病理学图像中的细胞核和肝细胞	数字病理学	肝脏疾病	H&E组织病理学成像	深度学习模型	图像	未明确说明	NA	NA	NA	NA
1334	2026-08-22	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	该研究开发了一种基于CD3组织学切片的深度学习模型，用于预测III期结肠癌患者的预后，并在三个国际队列中验证了其有效性	首次将深度学习模型应用于CD3染色切片的自动化分析，以改善III期结肠癌的预后预测，且不依赖于染色和扫描差异，具有鲁棒性和可重复性	未明确提及具体限制，但可能包括跨队列的性能变异性（如TC分析中外部队列p值不显著）以及模型依赖高质量CD3染色切片	开发并验证一个深度学习模型，用于自动化分析CD3组织学切片，以提升III期结肠癌的预后分层准确性	来自三个国际队列（PETACC08、PRODIGE-13和HARMONY）的1737例III期结肠癌患者的CD3染色组织学切片	数字病理学	结肠癌	组织学切片CD3免疫组化染色	卷积神经网络（CNN）	组织学图像（CD3染色切片）	1737例患者（来自PETACC08、PRODIGE-13和HARMONY三个国际队列）	NA	VGG19, UNI	无病生存期（DFS），p值	NA
1335	2026-08-22	Feasibility of predicting vertical cephalometric angles from panoramic radiographs using deep learning 2026-Sep, International orthodontics IF:1.8Q2 DOI:10.1016/j.ortho.2026.101156 PMID:41747359	研究论文	本研究探讨了利用深度学习从全景X光片中预测垂直头影测量角度的可行性，评估了多种卷积神经网络架构的性能	首次探索使用全景X光片而非侧位头影测量片来预测垂直骨骼角度，并采用了集成平均和Grad-CAM解释性分析	预测误差尚不足以替代传统的头影测量分析，需要更大数据集和外部验证	评估人工智能是否能够从全景X光片中准确预测垂直骨骼角度，以辅助正畸诊断和治疗规划	715名患者的侧位头影测量片和全景X光片	计算机视觉	口腔正畸疾病	X光影像	卷积神经网络（CNN）	图像	715名患者	未明确提及	EfficientNet-B3, DenseNet121/169, ResNet-50/101, VGG16/19	平均绝对误差（MAE）、决定系数（R²）、组内相关系数（ICC）	未明确提及
1336	2026-08-22	Habitat-informed MRI Radiomics and Deep Learning Fusion for Short-Term Survival Prediction in Patients with Glioblastoma: Exploratory Radiogenomic and Immune Correlates 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.035 PMID:42177147	研究论文	开发并外部验证了一种整合无监督生境影像组学和深度学习的术前多对比MRI堆叠模型，用于预测胶质母细胞瘤患者的短期生存，并探索转录组和免疫相关因素	首次将无监督生境影像组学与深度学习（3D ResNet-50）融合，采用两级堆叠集成策略，并在配对RNA测序队列中探索DLK1表达与免疫浸润的相关性	配对RNA测序队列规模较小，且转录组和免疫关联分析属于探索性研究，需进一步验证；模型在外部验证队列中的性能存在差异	开发并验证一种基于术前多对比MRI的融合模型，用于胶质母细胞瘤短期生存预测，并探究其潜在的生物学基础	胶质母细胞瘤患者（共468例，包括训练队列196例和三个外部验证队列66、185、21例）及其术前多对比MRI影像和配对RNA测序数据	数字病理学	胶质母细胞瘤	MRI影像组学、RNA测序	CNN（3D ResNet-50）、集成模型（堆叠）	多对比MRI图像、RNA测序数据	468例胶质母细胞瘤患者（训练：196例；外部验证1：66例；外部验证2：185例；外部验证3：21例）	NA	ResNet-50（3D）	AUC、决策曲线分析（净收益）	NA
1337	2026-08-22	Realization of long axial field-of-view PET technology in the clinic and research environment 2026-Sep-01, The British journal of radiology DOI:10.1093/bjr/tqag096 PMID:42046230	综述	本文讨论长轴向视野PET-CT技术在临床和研究环境中的实现方式，包括其技术优势、实际考虑、替代设计及深度学习应用	探讨了长轴向视野PET系统在临床和科研中的具体应用，以及如何利用深度学习进一步优化图像质量和扫描时间	未明确提及具体局限性，但可能涉及高成本和技术普及的挑战	阐述长轴向视野PET技术的临床实现和科研应用，并展望未来发展方向	长轴向视野PET-CT仪器及其在临床和科研中的应用	医学影像	不适用	PET-CT成像	深度学习模型	医学图像	不适用	不适用	不适用	不适用	不适用
1338	2026-08-22	Detecting Uniformity Artifacts in Ultrasound Transducers: Insights from Clinical Median Images and Deep Learning for Automatic Detection 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70239 PMID:41919451	研究论文	本研究开发了一种基于临床中值图像和深度学习框架的超声换能器均匀性伪影自动检测方法，以提高质量控制效率。	首次利用临床中值图像（通过堆叠共配准灰度图像计算中值强度）训练深度学习模型，用于超声换能器均匀性伪影检测，并验证了其泛化能力。	未提及具体限制，如样本量大小、伪影类型覆盖范围或计算资源需求。	开发一个深度学习框架，用于自动检测超声换能器中的均匀性伪影，补充传统质量控制方法。	线性与曲线超声换能器，以及其采集的临床中值图像。	深度学习、医学影像分析	不适用（质量控制相关，非特定疾病）	临床中值图像生成（基于超声图像栈的中值计算）	ResNet-18（预训练模型微调）	灰度超声图像（临床中值图像）	训练/验证/测试集包含线性与曲线换能器图像；独立测试集为396张经过模型验证的图像。	未指定（可能使用PyTorch或TensorFlow，但未在摘要中提及）	ResNet-18	准确率、敏感性、特异性	未提及
1339	2026-08-22	From pixels to polygons: A survey of deep learning approaches for medical image-to-mesh reconstruction 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104153 PMID:42259178	综述	系统综述了基于深度学习的医学图像到网格重建方法，将其分为模板模型、统计模型、生成模型和隐式模型四类，并评估了其性能、数据集、评价指标和应用场景	首次系统分类并全面比较了四类深度学习方法在医学图像到网格重建中的应用，并汇总了公开数据集与评价指标	对部分方法的实际临床部署与鲁棒性探讨不足，且未深入分析多模态集成的具体挑战	为医学图像分析和计算医学领域的研究者提供全面的参考，梳理现有方法并指出未来研究方向	医学图像到网格重建的深度学习方法，涉及多种解剖结构（如心脏、神经）和成像模态	医学图像分析	NA	深度学习	模板模型、统计模型、生成模型、隐式模型	医学成像数据（如图像）	NA	NA	NA	标准评价指标（如几何精度）	NA
1340	2026-08-22	Multiscale Prediction of Tumor Micronecrosis and Progression in Clear Cell Renal Cell Carcinoma Based on Artificial Intelligence: A Multicenter Cohort Study 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.051 PMID:42265018	研究论文	本研究基于多中心队列，开发并验证了一种整合影像组学与深度学习的多模态预测系统，用于无创预测透明细胞肾细胞癌的肿瘤微坏死及进展	首次构建了整合影像组学和深度学习模型的多模态预测系统，并采用堆叠集成学习策略，以提高对肿瘤微坏死的预测准确性	未在文中明确提及局限性	开发并验证一种多模态预测系统，用于无创评估透明细胞肾细胞癌的肿瘤微坏死及其进展，以支持个体化治疗决策	透明细胞肾细胞癌患者	医学影像分析	透明细胞肾细胞癌	NA	机器学习、深度学习模型	医学影像数据	468例患者（训练集198例，验证集85例，外部测试集185例）	NA	ResNet34	AUC	NA