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
161	2025-12-14	Scoping review of image-based overall survival prediction in glioma using machine learning 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/209963 PMID:41376800	综述	本文通过范围综述系统评估了基于影像的胶质瘤总体生存预测模型，重点关注肿瘤特征、影像模态、预处理技术和机器学习方法	系统性地总结了胶质瘤影像生存预测的最新进展，强调了多模态MRI、深度学习与混合模型的潜力，并指出数据质量与特征选择比单纯增加样本量更重要	纳入研究存在图像质量有限、模型可解释性不足以及混合模型性能不一致等问题	评估胶质瘤患者基于影像的总体生存预测模型的现状与挑战	胶质瘤患者的影像数据与生存预测模型	数字病理	胶质瘤	多模态磁共振成像（MRI），包括T1加权增强MRI	深度学习模型，传统机器学习方法，混合模型	影像数据	约450例（平均数据集大小）	NA	NA	NA	NA
162	2025-12-14	Towards standardizing mitral transcatheter edge-to-edge repair with deep-learning algorithm: a comprehensive multi-model strategy 2025, Frontiers in network physiology DOI:10.3389/fnetp.2025.1701758 PMID:41376828	研究论文	本文开发了三种深度学习算法，用于标准化二尖瓣经导管缘对缘修复术的资格评估，结合超声心动图数据支持二尖瓣反流的全流程评估	提出了一种综合多模型策略，结合质量控制、动态4D瓣膜量化和小叶级解剖解释，首次将AI应用于M-TEER资格评估的全流程标准化	研究样本主要来自单一机构（蒙特利尔心脏研究所），可能限制模型的泛化能力；2D小叶级分割的平均Dice分数仅为0.534，表明某些解剖结构的性能有待提升	开发AI算法以标准化二尖瓣经导管缘对缘修复术的资格评估流程，辅助非专家中心完成从诊断到手术的整个决策过程	接受二尖瓣经导管缘对缘修复术患者的经胸超声心动图和经食管超声心动图数据	数字病理学	心血管疾病	经胸超声心动图, 经食管超声心动图	深度学习算法	超声心动图图像	TTE样本530例, TEE样本2,222例, 4D分割样本221例, 2D分割样本992例	NA	NA	准确率, 相关系数, p值, Dice系数	NA
163	2025-12-14	Artificial intelligence in hemovigilance: A narrative review on advancing blood safety and monitoring systems 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406306 PMID:41376849	综述	本文是一篇叙述性综述，探讨了人工智能在血液安全监测（输血警戒）中的应用潜力，包括数据整合、不良事件检测、个性化风险管理和血液供应链优化	系统性地回顾了人工智能（包括机器学习、深度学习、自然语言处理和预测分析）在输血警戒领域的应用，并提出了未来发展方向，如联邦学习、可解释人工智能和标准化	面临数据隐私、算法偏见、监管缺失以及对数据质量的依赖等挑战	探讨人工智能技术如何增强输血警戒系统，以提升患者安全和操作效率	输血警戒系统及其相关的数据、不良事件和血液供应链	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 预测分析	NA	非结构化临床数据	NA	NA	NA	NA	NA
164	2025-12-14	Interpretable Artificial Intelligence Decodes the Chemical Structural Essence of Twisted Intramolecular Charge Transfer and Planar Intramolecular Charge Transfer Fluorophores 2025, Research (Washington, D.C.) DOI:10.34133/research.1021 PMID:41377019	研究论文	本研究利用可解释机器学习方法，深入解析了扭曲分子内电荷转移和平面分子内电荷转移荧光团的化学结构本质	首次构建了真实世界的TICT和PICT数据集，并基于可解释机器学习建立了AI指导的结构规则，相比社区建议规则在准确性上提升了20%以上	NA	解码TICT和PICT荧光团的化学结构本质，以指导荧光探针的设计	D-π-A型荧光材料，特别是TICT和PICT荧光团	机器学习	NA	可解释机器学习，深度学习	深度学习	化学结构数据	NA	NA	NA	AUC	NA
165	2025-12-14	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024 Nov-Dec, Brain stimulation IF:7.6Q1 DOI:10.1016/j.brs.2024.10.010 PMID:39476952	研究论文	本研究开发了一种多肢体光遗传运动映射（MOMM）方法，用于在清醒小鼠中同时高保真地映射多个肢体的运动表征，并揭示了皮层中协调运动的拓扑组织	首次结合光遗传刺激、深度学习姿态估计工具箱DeepLabCut和三维三角测量，实现了对清醒动物多肢体协调运动的高时空分辨率映射	方法主要应用于小鼠模型，可能不直接适用于其他物种；研究聚焦于皮层组织，未深入探讨皮层下结构的贡献	开发多肢体光遗传运动映射技术，并探究皮层中协调、多肢体及行为相关运动的拓扑组织原则	清醒小鼠的多个肢体运动	机器学习和神经科学	NA	光遗传刺激、深度学习姿态估计、三维三角测量	深度学习	视频、运动数据	多只小鼠	DeepLabCut	NA	NA	NA
166	2025-12-14	Deep learning networks on chronic liver disease assessment with fine-tuning of shear wave elastography image sequences 2020-11-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abae06 PMID:32998480	研究论文	本研究比较了多种预训练深度学习网络在慢性肝病评估中的性能，使用剪切波弹性成像图像序列进行微调	首次系统比较了多种流行预训练深度学习网络在慢性肝病评估中的性能，并引入了时间稳定性掩码和增强技术进行对比分析	数据集规模有限，需要更大样本量来确定最佳网络和设置	比较不同深度学习网络在慢性肝病诊断和进展评估中的性能，并寻找适合的深度学习方案	200名经肝活检验证的慢性肝病患者	计算机视觉	慢性肝病	超声剪切波弹性成像	CNN	图像	200名患者	NA	GoogLeNet, AlexNet, VGG16, ResNet50, DenseNet201	准确率, AUC	NA
167	2025-12-14	Obtaining PET/CT images from non-attenuation corrected PET images in a single PET system using Wasserstein generative adversarial networks 2020-11-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba5e9 PMID:32663812	研究论文	本研究提出了一种基于深度学习的双阶段Wasserstein生成对抗网络方法，用于从单PET系统的非衰减校正PET图像中合成衰减校正PET图像和CT图像	首次提出使用Wasserstein生成对抗网络从NAC PET图像直接生成sAC PET和sCT图像的双阶段框架，无需额外CT扫描即可获得PET/CT融合图像	研究样本量有限（45组数据），未在更多样化的临床场景或不同PET系统上进行验证	减少PET/CT成像中的辐射剂量，通过深度学习合成高质量的衰减校正PET和CT图像	临床患者的全身PET/CT配对图像	医学影像分析	NA	PET/CT成像，深度学习图像合成	生成对抗网络	医学图像（PET，CT）	45组临床患者的配对PET/CT图像	NA	Wasserstein生成对抗网络	定性分析，定量分析	NA
168	2025-12-14	Deep learning in medical image registration: a review 2020-10-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab843e PMID:32217829	综述	本文综述了基于深度学习的医学图像配准方法，总结了其最新进展、应用、分类及挑战	将基于深度学习的医学图像配准方法分为七类，并进行详细比较和趋势分析	NA	回顾和总结深度学习在医学图像配准领域的方法、应用和发展趋势	基于深度学习的医学图像配准方法	计算机视觉	NA	深度学习	NA	医学图像	NA	NA	NA	NA	NA
169	2025-12-14	Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy 2020-10-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba410 PMID:32640435	研究论文	本文提出了一种基于深度学习的超声图像多针自动定位工作流，用于超声引导的前列腺近距离放射治疗	提出了结合大间隔损失函数的LMMask R-CNN模型用于针杆定位，并整合先验知识通过改进的DBSCAN算法进行针杆细化和针尖检测	研究仅在23名患者共339根针的数据集上进行评估，样本量相对有限	开发快速自动的多针数字化方法以改进超声引导前列腺近距离放射治疗的工作流程	超声引导高剂量率前列腺近距离放射治疗患者的超声图像中的针具	计算机视觉	前列腺癌	超声成像	CNN, R-CNN	图像	23名患者共339根针	PyTorch, TensorFlow (基于Mask R-CNN框架推断)	Mask R-CNN, LMMask R-CNN	针杆误差(毫米), 针尖误差(毫米), 检测率	未明确说明，但提及处理每名患者数据可在秒级完成
170	2025-12-14	Self-derived organ attention for unpaired CT-MRI deep domain adaptation based MRI segmentation 2020-10-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9fca PMID:33027063	研究论文	提出一种基于自衍生器官注意力的深度域适应方法，用于在无配对标注的CT和MRI数据上进行MRI图像分割	引入了自衍生器官注意力判别器，约束CT到MRI的生成器合成保留器官几何形状和外观统计特征的伪MRI图像	方法依赖于未配对的CT和MRI数据集，性能略低于完全监督的MRI分割方法	开发一种深度学习方法，利用无标注MRI和未配对专家标注CT数据集进行MRI分割	腮腺（左右两侧）	数字病理学	NA	图像到图像翻译，深度学习	GAN, CNN	医学影像（CT, MRI）	85个未标注T2加权脂肪抑制MRI，96个专家标注CT扫描，77个独立测试MRI	NA	NA	Dice相似系数, 95百分位Hausdorff距离	NA
171	2025-12-14	Verification of the machine delivery parameters of a treatment plan via deep learning 2020-09-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba165 PMID:32604082	研究论文	本文开发了一种基于生成对抗网络（GAN）的深度学习方法，用于从给定的3D剂量分布中估计多叶准直器（MLC）孔径和相应的监测单位（MUs）	将残差块集成到pix2pix框架中，联合训练U-Net-like架构作为生成器和卷积PatchGAN分类器作为判别器，以预测MLC孔径和MUs	NA	验证治疗计划的机器传递参数，提高患者计划质量保证过程的效率和准确性	接受调强放射治疗和容积调强弧形放疗技术的患者，包括鼻咽癌、肺癌和直肠癌	医学影像分析	鼻咽癌, 肺癌, 直肠癌	深度学习方法	GAN	3D剂量分布	199名患者用于训练，47名患者用于测试	pix2pix	U-Net, PatchGAN	Dice相似系数, MUs偏差, MLC叶片位置偏差	NA
172	2025-12-14	Truncation compensation and metallic dental implant artefact reduction in PET/MRI attenuation correction using deep learning-based object completion 2020-09-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abb02c PMID:32976116	研究论文	本研究提出了一种基于深度学习的对象补全方法，用于减少PET/MRI中金属植入物伪影和身体截断导致的衰减校正误差	利用深度学习预测受金属伪影和/或身体截断影响的MR图像中的缺失信息/区域，以降低PET/MRI中的量化误差	研究仅使用了25例全身配准的PET、CT和MR图像进行训练和评估，样本量相对较小	减少PET/MRI成像中因金属伪影和身体截断引起的量化误差	受金属植入物伪影和身体截断影响的MR图像	医学影像分析	NA	PET/MRI成像	深度学习	图像	25例全身配准的PET、CT和MR图像	NA	NA	体积误差百分比, PET量化误差百分比	NA
173	2025-12-14	Noise reduction with cross-tracer and cross-protocol deep transfer learning for low-dose PET 2020-09-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abae08 PMID:32924973	研究论文	本研究探讨了使用基于深度迁移学习的3D U-Net模型，通过预训练的FDG数据集来减少其他稀缺示踪剂（如F-FMISO和Ga-DOTATATE）在低剂量PET成像中的噪声	提出了跨示踪剂和跨协议的深度迁移学习方法，利用广泛可用的FDG数据集预训练网络，以解决稀缺示踪剂训练数据不足的问题	研究仅针对F-FMISO和Ga-DOTATATE两种示踪剂进行验证，未涵盖更多示踪剂类型，且依赖于特定扫描协议（单床位和全身扫描）	研究低剂量PET成像中噪声减少的可行性，特别是针对训练数据稀缺的示踪剂	F-FMISO（单床位扫描）和Ga-DOTATATE（全身扫描）的PET图像数据	医学影像处理	NA	PET成像，低剂量计数模拟（10%计数）	深度学习，迁移学习	3D PET图像	使用F-FDG数据集进行预训练，并针对F-FMISO和Ga-DOTATATE数据集进行微调和评估	NA	U-Net（基于全3D块状结构）	归一化均方根误差（NRMSE），信噪比（SNR），感兴趣区域（ROI）的相对偏差	NA
174	2025-12-14	4D-AirNet: a temporally-resolved CBCT slice reconstruction method synergizing analytical and iterative method with deep learning 2020-09-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9f60 PMID:32575088	研究论文	本文提出了一种名为4D-AirNet的新方法，用于高质量的时间分辨CBCT切片重建，该方法结合了分析、迭代方法和深度学习	开发了4D-AirNet，一种基于融合分析和迭代重建（AIR）优化框架的展开方法，并提出了随机相位、先验引导和全相位三种策略，同时引入了密集连接以提升重建质量	方法在模拟的2D-t CBCT扫描数据集上进行评估，可能未在真实临床数据中充分验证	解决4D CBCT稀疏数据问题，实现高质量的时间分辨CBCT图像重建	肺部数据集的模拟2D-t CBCT扫描	计算机视觉	肺癌	锥束CT（CBCT）扫描	深度学习网络	图像	使用肺部数据集的模拟2D-t CBCT扫描，具体样本数量未明确说明	NA	4D-AirNet（基于融合分析和迭代重建的展开网络）	重建质量（通过比较评估），未指定具体指标如PSNR或SSIM	NA
175	2025-12-14	Automatic IMRT planning via static field fluence prediction (AIP-SFFP): a deep learning algorithm for real-time prostate treatment planning 2020-09-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba5eb PMID:32663813	研究论文	开发了一种基于深度学习的算法AIP-SFFP，用于实现实时前列腺IMRT计划的自动化	通过静态场注量图预测实现自动化IMRT计划，无需逆向计划，并采用自定义深度学习神经网络进行注量图预测	AI计划中全身D1cc和直肠D0.1cc略高于KBP和临床计划，且仅在前列腺IMRT中进行了演示	开发用于自动化前列腺IMRT计划的深度学习算法，以提高计划效率	前列腺IMRT计划，特别是同时整合推量计划	医学影像分析	前列腺癌	强度调制放射治疗（IMRT），知识型计划（KBP）	深度学习神经网络	2D投影图像	106名患者用于训练，14名患者用于独立测试	NA	自定义深度学习神经网络	PTV V95%，全身D1cc，直肠D0.1cc，膀胱D1cc，等剂量分布	NA
176	2025-12-14	Robustness study of noisy annotation in deep learning based medical image segmentation 2020-08-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab99e5 PMID:32503027	研究论文	本研究探讨了噪声标注对基于深度学习的医学图像分割（下颌骨CT图像分割）性能的影响	首次系统性地研究了噪声标注在医学图像分割任务中对深度学习模型性能的影响，并通过多数据集验证了模型对噪声标注的鲁棒性	研究仅针对下颌骨CT图像分割任务，结论在其他解剖结构或模态上的普适性有待验证；未提出具体的噪声标注利用或校正方法	评估噪声标注对深度学习医学图像分割模型性能的影响，并探索模型对标注噪声的鲁棒性	头颈癌患者的CT图像中的下颌骨分割	医学图像分割	头颈癌	CT成像	深度学习网络（具体架构未明确说明）	CT图像	202例头颈癌患者CT图像（来自临床数据库），并使用了另外两个公共数据集进行测试	NA	NA	分割性能（具体指标未明确说明，但进行了显著性差异分析）	NA
177	2025-12-14	Multifaceted radiomics for distant metastasis prediction in head & neck cancer 2020-08-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8956 PMID:32294632	研究论文	本文提出了一种名为多层面放射组学（M-radiomics）的统一模型，用于预测头颈癌的远处转移	提出了一种新颖的多层面放射组学（M-radiomics）模型，该模型通过堆叠稀疏自编码器融合多模态特征，引入多目标优化模型设计基于概率的目标函数，并采用证据推理规则融合策略集成多个分类器的输出	NA	准确预测头颈癌的远处转移，以通过早期强化治疗改善高风险患者的生存率	头颈癌患者	医学影像分析	头颈癌	放射组学	深度学习, 堆叠稀疏自编码器, 多目标优化模型	医学影像特征	NA	NA	堆叠稀疏自编码器	敏感性, 特异性	NA
178	2025-12-14	Artifact removal using a hybrid-domain convolutional neural network for limited-angle computed tomography imaging 2020-08-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9066 PMID:32369793	研究论文	本文提出了一种混合域卷积神经网络（hdNet），用于减少有限角度计算机断层扫描中的条纹伪影	首次将不同域的深度学习算法优势结合，通过混合域网络同时处理正弦图和CT图像域，直接获取伪影抑制的CT图像	未明确说明网络在极端有限角度下的性能，且未与其他最先进的深度学习方法进行广泛比较	抑制有限角度计算机断层扫描中的条纹伪影，提高图像质量	有限角度计算机断层扫描图像	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	NA	NA	混合域卷积神经网络（hdNet）	NA	NA
179	2025-12-14	Motion correction of respiratory-gated PET images using deep learning based image registration framework 2020-07-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8688 PMID:32244230	研究论文	提出一种基于深度学习的无监督非刚性图像配准框架，用于呼吸门控PET图像的运动校正	使用深度学习框架进行无监督非刚性图像配准，结合可微分空间变换层和堆叠结构优化变形场，并集成到迭代图像重建算法中实现运动补偿	未明确说明临床数据样本量及多样性限制，也未讨论深度学习模型在不同呼吸模式或病理条件下的泛化能力	减少PET图像中因呼吸运动引起的伪影，提高图像质量	呼吸门控PET图像	医学影像处理	NA	呼吸门控PET成像	深度学习	图像	模拟数据和临床数据（未指定具体数量）	未指定	未指定具体架构，但包含可微分空间变换层和堆叠结构	归一化均方根误差（NRMS），病灶对比度，噪声水平	NA
180	2025-12-14	Label-driven magnetic resonance imaging (MRI)-transrectal ultrasound (TRUS) registration using weakly supervised learning for MRI-guided prostate radiotherapy 2020-06-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8cd6 PMID:32330922	研究论文	本文提出了一种基于弱监督学习的全自动深度学习框架，用于磁共振成像（MRI）与经直肠超声（TRUS）的配准，以辅助前列腺近距离放射治疗	提出了一种结合图像分割与配准的端到端弱监督学习方法，使用前列腺标签衍生的体积重叠和表面一致性作为优化目标函数，解决了缺乏体素级真实对应关系的问题	研究样本量较小（36例患者数据），且未明确说明训练集、验证集和测试集的划分细节	开发一种准确、自动化的MRI-TRUS图像配准方法，以指导前列腺放射治疗	前列腺的MRI和TRUS图像	数字病理学	前列腺癌	磁共振成像（MRI），经直肠超声（TRUS）	CNN, UNET	图像	36组患者数据	NA	全卷积神经网络（CNN），2D CNN，3D UNET	目标配准误差（TRE），Dice系数，平均表面距离（MSD），豪斯多夫距离（HD）	NA