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
1	2026-08-18	Fully automatic multi-organ segmentation for head and neck cancer radiotherapy using shape representation model constrained fully convolutional neural networks 2018-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13147 PMID:30136285	研究论文	提出一种结合形状表示模型与全卷积神经网络的全自动头颈癌放疗多器官分割方法	将形状表示模型（SRM）作为先验约束引入全卷积神经网络（FCNN）训练中，以改善解剖变异和低软组织对比度下的分割性能	未明确提及局限性，但可能受限于训练数据量（仅22例）和特定器官的分割精度（如视交叉DSC较低）	实现头颈癌放疗中危及器官的全自动、准确且快速的分割	头颈CT图像中的九个危及器官（脑干、视交叉、下颌骨、视神经、腮腺、颌下腺）	医学图像分析、深度学习	头颈癌	CT成像	全卷积神经网络（FCNN）	CT图像	22例训练，10例验证（来自PDDCA数据库）	NA	全卷积神经网络，形状表示模型	Dice相似系数（DSC）、阳性预测值（PPV）、敏感性（SEN）、平均表面距离（ASD）、95%最大表面距离（95%SD）	NA
2	2026-08-17	Autosegmentation for thoracic radiation treatment planning: A grand challenge at AAPM 2017 2018-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13141 PMID:30144101	研究论文	本文介绍2017年AAPM年会举办的胸部自动分割挑战赛的方法和结果，评估胸部CT图像中危及器官自动分割算法的性能	提供了一个公开的基准数据集和平台，用于评估胸部CT中OAR自动分割方法，并比较深度学习方法与传统方法的表现	未明确说明，但挑战赛数据仅来自三个机构，且食管分割难度大，可能影响泛化性	评估和比较不同自动分割算法在胸部CT图像中分割危及器官（左肺、右肺、心脏、食管、脊髓）的性能	胸部CT扫描图像中的危及器官（左肺、右肺、心脏、食管、脊髓）	计算机视觉、数字病理	胸部肿瘤（如肺癌）	CT成像、深度学习、多图谱分割	深度学习模型（如CNN）、多图谱方法	图像（CT扫描）	60例胸部CT扫描（36训练、12离线测试、12在线测试）	未明确说明	未明确说明，但深度学习算法可能包含CNN架构	Dice系数、Hausdorff距离、平均表面距离	未明确说明
3	2026-08-17	Development of deep neural network for individualized hepatobiliary toxicity prediction after liver SBRT 2018-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13122 PMID:30098025	研究论文	开发深度神经网络模型来预测肝脏立体定向体部放疗后的个体化肝胆毒性风险	提出超越传统剂量体积直方图指标的预测范式，利用深度学习从3D剂量计划中提取毒性相关模式，并结合临床数值特征进行综合预测，同时通过显著性图自动识别关键保护的解剖区域	基于单一机构的数据集，样本量有限（125例），需要外部验证	提高肝脏SBRT后肝胆毒性的预测准确性，减少假阳性预测并自动识别需要保护的解剖区域	肝脏SBRT患者的3D剂量计划、CT图像和临床数值特征	医学影像分析、深度学习	肝肿瘤（包括肝转移癌、肝细胞癌、胆管癌）	放射治疗、CT成像	卷积神经网络（CNN）、全连接神经网络（FCN）、迁移学习	3D剂量计划图像、CT图像、临床数值数据	125例肝脏SBRT患者，以及2644个人体器官的CT图像用于预训练	NA	CNN、全连接神经网络	AUC、假阳性率、假阴性率、风险评分	NA
4	2026-05-03	Inferring single-trial neural population dynamics using sequential auto-encoders 2018-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-018-0109-9 PMID:30224673	研究论文	提出一种基于序列自编码器的深度学习方法，用于从单次试验的神经尖峰数据中推断潜在动态	引入动态系统的潜在因子分析，成功从单次试验的神经数据中提取动态特征，并有效处理不完全采样、试验间变异和动作电位时间波动等挑战	NA	开发一种能够从单次试验神经活动中推断潜在种群动态的方法，以更深入理解神经活动与行为之间的关系	多种猴子和人类运动皮层数据集	机器学习	NA	神经记录	序列自编码器	神经尖峰数据	包含多种猴子和人类运动皮层数据集，具体样本量未明确说明	PyTorch	潜在因子分析通过动态系统	行为变量预测的准确性、单次试验神经放电率估计精度、与行为选择相关的动态扰动推断、跨非重叠记录会话数据整合效果	NA
5	2025-10-06	Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations 2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/gly005 PMID:29340580	研究论文	本研究开发了一种基于深度学习的血液老化时钟模型，使用加拿大、韩国和东欧人群的血液样本数据，提高了对个体人群年龄预测的准确性	首次结合多个人群特异性数据集开发血液老化时钟，证明人群特异性老化模式的存在，并验证了血液老化时钟与全因死亡率之间的关联	研究仅包含四个特定人群的数据，可能无法完全代表全球所有人群的老化特征	开发更准确的人群特异性人类老化生物标志物，评估抗衰老疗法	加拿大、韩国、东欧和美国人群的血液样本数据	机器学习	老年疾病	血液检测	深度学习	血液样本数据	加拿大、韩国、东欧人群的大规模组合数据集，以及NHANES的美国人群公开样本	NA	NA	预测准确性	NA
6	2024-08-05	Comparing and Validating Machine Learning Models for Mycobacterium tuberculosis Drug Discovery 2018-10-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.8b00083 PMID:29672063	研究论文	本研究比较和验证了针对分枝杆菌的机器学习模型，用于药物发现	提出了新的贝叶斯模型，与现有的深度学习模型相比显示出相似或更好的性能	仅使用了153个化合物的评估集进行模型测试，样本量可能较小	提高针对分枝杆菌的新药物发现的效率	分枝杆菌活性小分子化合物	机器学习	结核病	机器学习	贝叶斯模型	分子数据	共涉及18886个化合物和153个测试化合物	NA	NA	NA	NA
7	2024-08-05	Lamisil (terbinafine) toxicity: Determining pathways to bioactivation through computational and experimental approaches 2018-10, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2018.07.043 PMID:30076845	研究论文	本文研究了Lamisil（特比萘芬）引起的特异性肝毒性及其生物活化途径	通过结合计算建模和实验动力学，首次识别了导致TBF-A生成的途径，从而评估其在特异性药物不良反应中的作用	模型预测与实验研究在直接TBF-A形成的重要性上存在差异	探讨特比萘芬的代谢途径及其生成反应性代谢物TBF-A的机制	特比萘芬及其代谢产物	数字病理学	NA	计算建模和实验动力学	深度学习模型	代谢数据	使用了人肝微粒体的混合样本	NA	NA	NA	NA