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
21	2026-04-28	Lyme rashes disease classification using deep feature fusion technique 2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13519 PMID:38009027	研究论文	提出一种深度特征融合系统用于自动分类莱姆病皮疹	提出了一种新的深度特征融合机制，通过结合Densenet201、InceptionV3和Exception三个模型的深度特征，并利用元分类器进行整合，显著提升了分类准确率	NA	自动分类莱姆病皮疹以辅助临床医生和皮肤科医生进行有效诊断	莱姆病皮疹的红斑迁移图像	计算机视觉	莱姆病	深度学习特征融合	Densenet201, InceptionV3, Exception, 元分类器（基础深度卷积神经网络）	图像	NA	NA	DenseNet201, InceptionV3, Exception, 基础深度卷积神经网络	分类准确率	NA
22	2026-04-28	Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things 2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13524 PMID:38009016	研究论文	提出一种结合Mask R-CNN和ResNet50的混合深度学习模型，用于皮肤病变的语义分割和分类，在IoMT环境中提升诊断准确性	首次将MRCNN语义分割与ResNet50病变检测相结合，在IoMT框架下实现端到端的皮肤病变细粒度分析，分割精度达95.49%，分类准确率达96.75%	未提及算法在低质量图像或罕见病变类型上的泛化能力，也未讨论计算资源消耗和实时部署可行性	在医疗物联网背景下，利用混合深度学习方法提升皮肤病变分割与分类的准确性和效率	皮肤病变（痣、黑色素瘤等）的皮肤镜图像	计算机视觉, 数字病理学	皮肤癌	皮肤镜成像	卷积神经网络, 混合模型	皮肤镜图像	ISIC 2020挑战数据集（大量标注图像）	PyTorch	Mask R-CNN, ResNet50	分割精度, 分类准确率	NA
23	2026-04-25	[Identification model of tooth number abnormalities on pediatric panoramic radiographs based on deep learning] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230831-00128 PMID:37885185	研究论文	基于深度学习开发儿童全景X光片中牙齿数目异常的识别模型	首次应用ResNet-50作为骨干网络的深度学习模型，在儿科全景X光片上自动识别额外牙并定位缺失恒牙，辅助诊断牙齿数目异常	未提及限制	基于深度学习识别儿科全景X光片的牙齿数目异常	4至11岁儿童的全景X光片	计算机视觉	儿童牙齿数目异常	全景X光成像	卷积神经网络（CNN）	图像	共1707张全景X光片，其中训练集480张、验证集160张、内部测试集160张、外部测试集907张	PyTorch	ResNet-50	灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
24	2026-04-25	[Deep learning-assisted construction of three-dimensional face midsagittal plane based on point clouds] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230825-00110 PMID:37885192	研究论文	基于深度学习的点云三维面部中矢面自动构建方法	提出动态图配准网络（DGRNet）实现智能配准，以构建三维面部中矢面，提高临床数字设计与分析效率	仅基于无明显面部畸形的患者数据，未探索严重畸形的适用性	建立智能配准算法，自动构建三维面部中矢面，为临床数字设计与分析提供参考	临床患者的面部点云数据	计算机视觉	无特定疾病	三维点云扫描	动态图配准网络（DGRNet）	点云数据	200名临床患者（2020年10月至2022年10月收集）	NA	DGRNet	决定系数（R），角度误差	NA
25	2026-04-25	Semantic segmentation of retinal exudates using a residual encoder-decoder architecture in diabetic retinopathy 2023-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24345 PMID:37194727	研究论文	本文提出一种基于残差编码器-解码器架构的视网膜渗出物语义分割方法，用于糖尿病视网膜病变筛查	采用残差跳连接减少参数数量，并对比多种深度卷积神经网络架构，在大幅降低模型复杂度的同时保持高分割精度	未提及模型在不同成像设备或不同种族人群中的泛化能力，也未讨论实时处理能力	开发计算机辅助诊断方法以实现视网膜渗出物的自动分割，辅助糖尿病视网膜病变早期筛查	视网膜眼底图像中的渗出物病变区域	计算机视觉, 数字病理学	糖尿病视网膜病变	眼底照相	卷积神经网络, 残差网络	图像	三个基准数据库：E-ophtha, DIARETDB1, Hamilton眼科研究所黄斑水肿数据库	NA	残差编码器-解码器架构	精确率, 准确率, 灵敏度, 特异度, AUC	NA
26	2026-04-11	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练的深度学习模型在胸部X光片上分类COVID-19阳性和阴性患者的表现，并考虑图像采集参数、临床因素和患者人口统计学	通过比较不同图像采集技术（标准与软组织X光）和临床因素（如病毒变体、免疫状态）来评估模型性能，并探讨了模型在新测试集上性能下降的原因	模型在新测试集上性能显著下降，且时间匹配、免疫状态、疾病严重程度、年龄和性别分布未能完全解释性能差异，表明模型可能存在过拟合和泛化能力不足	评估深度学习模型在COVID-19分类任务中的性能，并分析图像采集技术和临床因素对模型表现的影响	胸部X光片（标准与软组织图像）	计算机视觉	COVID-19	胸部X光成像	CNN	图像	原始数据集9860名患者，当前测试集5893名患者	NA	DenseNet-121	ROC AUC	NA
27	2026-04-04	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本研究利用深度学习从组织病理学图像中预测早期乳腺癌复发	首次在卡罗莱纳乳腺癌研究队列中应用深度学习模型从H&E染色肿瘤切片图像预测早期复发，并发现图像模型能识别70%的早期复发低中级别肿瘤	样本量相对有限（202名参与者），预测准确率（62.4%）与现有临床标记物（分级、ER状态）相近但未显著超越	开发基于图像的快速筛查方法以识别早期乳腺癌复发高风险患者	乳腺癌患者的H&E染色肿瘤组织切片图像	数字病理学	乳腺癌	H&E染色组织病理学成像	深度学习模型	图像	704张1毫米肿瘤核心H&E图像（来自202名参与者，其中101名复发，101名未复发）	NA	NA	准确率	NA
28	2026-04-01	Improving prognosis and assessing adjuvant chemotherapy benefit in locally advanced rectal cancer with deep learning for MRI: A retrospective, multi-cohort study 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109899 PMID:37660753	研究论文	本研究开发了一种基于术前MRI的深度学习模型，用于预测局部晚期直肠癌患者的局部复发、远处转移和总生存期，并评估辅助化疗的益处	提出了多生存任务网络（MuST）模型，能够同时预测多种生存结局，并构建了结合MuST-DM评分、神经侵犯和CA19-9的辅助化疗决策树，实现了个体化治疗评估	这是一项回顾性研究，可能存在选择偏倚，且模型在更广泛人群中的泛化能力仍需进一步验证	开发预测局部晚期直肠癌患者生存结局的深度学习模型，并识别能从辅助化疗中获益的患者	局部晚期直肠癌患者	数字病理学	直肠癌	MRI	深度学习	图像	主要队列308例，两个外部验证队列分别247例和245例	NA	多生存任务网络（MuST）	预后准确性	NA
29	2026-04-01	Evaluation of different algorithms for automatic segmentation of head-and-neck lymph nodes on CT images 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109870 PMID:37634765	研究论文	本研究评估了四种基于图谱和两种深度学习算法在头颈部CT图像上自动分割淋巴结的性能	首次在头颈部淋巴结自动分割任务中，系统比较了基于图谱方法与深度学习方法的性能，并引入了多中心深度学习解决方案的评估	样本量相对较小（69例患者），且所有数据均来自单一机构，可能限制了结果的泛化能力	评估不同自动分割算法在头颈部淋巴结CT图像分割中的准确性和临床实用性	头颈部癌症患者的双侧选择性淋巴结（CTVn）	计算机视觉	头颈部癌症	CT成像	深度学习模型	CT图像	69例头颈部癌症患者（10例用于图谱库，49例用于训练，20例用于测试）	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
30	2026-04-01	Efficient segmentation using domain adaptation for MRI-guided and CBCT-guided online adaptive radiotherapy 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109871 PMID:37634767	研究论文	本研究开发了基于域适应的高效分割方法，用于MRI引导和CBCT引导的在线自适应放疗	设计了两种域适应方法，将计划CT的特征学习并适应到MRI或CBCT模态，并通过个性化建模提高分割准确性	NA	开发高效的分割方法以改进自适应放疗中的ROI勾画	前列腺癌患者、鼻咽癌患者和胰腺癌患者的医学影像数据	数字病理	前列腺癌, 鼻咽癌, 胰腺癌	MRI, CBCT, CT, 域适应	深度学习模型	医学影像（MRI, CBCT, CT）	242名前列腺癌患者（MRIgART），530名鼻咽癌患者（CBCTgART），35名胰腺癌患者（公共CBCT数据集）	NA	NA	Dice相似系数（DSC）	NA
31	2026-03-15	Identifying sex differences in EEG-based emotion recognition using graph convolutional network with attention mechanism 2023-Nov-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad085a PMID:37906969	研究论文	本研究利用图卷积网络和注意力机制，基于脑电图数据识别情绪，并探究情绪处理中的性别差异	首次在跨文化多数据集上系统评估情绪脑电图模式的性别差异，并构建了性别特异性情绪识别模型	研究依赖于公开数据集，未考虑个体差异、年龄、激素水平等其他潜在影响因素	探究情绪脑电图模式中的性别差异及其对情绪识别模型性能的影响	五个公开脑电图情绪数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）中的情绪脑电图信号	机器学习	NA	脑电图	图卷积网络, 注意力机制	脑电图信号	五个公开数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）	NA	图卷积网络	NA	NA
32	2026-03-13	Comprehensive Evaluation of a Deep Learning Model for Automatic Organs-at-Risk Segmentation on Heterogeneous Computed Tomography Images for Abdominal Radiation Therapy 2023-Nov-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.05.034 PMID:37244625	研究论文	本文开发了一个名为AbsegNet的深度学习模型，用于在腹部恶性肿瘤的放射治疗中自动分割16个危及器官	提出了一种新颖的深度学习模型AbsegNet，能够在异质性CT图像上准确分割多个危及器官，并在多个外部数据集上验证了其鲁棒性和临床适用性	对于结肠和小肠的分割，仍有15.0%的患者需要进行重大修订，表明模型在这些器官上的性能有待进一步提升	开发一个深度学习模型，实现腹部放射治疗中危及器官的自动分割，以支持全自动放射治疗计划	腹部恶性肿瘤患者的CT扫描图像	数字病理	腹部恶性肿瘤	CT扫描	深度学习模型	CT图像	544例CT扫描，分为多个队列进行训练、测试和验证	NA	AbsegNet	Dice相似系数, 95th-percentile Hausdorff距离, 体积修订度	NA
33	2026-03-13	Study on method of organ section retention and tracking through deep learning in automated diagnostic and therapeutic robotics 2023-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-02955-6 PMID:37249747	研究论文	本文提出了一种用于自动诊断和治疗机器人中器官截面保留和跟踪的深度学习方法，特别针对肾脏和肝脏的高强度聚焦超声治疗中的器官角度估计	提出了AEMA、AEMAD和AEMAD++三种新方法用于超声图像中器官角度估计，并在旋转扫描跟踪系统中进行了评估，其中AEMAD++在速度和精度上表现最佳	研究基于体模实验，未来需要添加周围器官区域或肾脏内部结构作为新特征以验证结果，且样本量较小（仅6个数据集）	开发一种在自动化诊断和治疗机器人中通过深度学习实现器官截面保留和跟踪的方法，以应对呼吸运动导致的器官位移问题	肾脏和肝脏器官，特别是在高强度聚焦超声治疗中的超声图像	计算机视觉	NA	高强度聚焦超声治疗，旋转扫描跟踪系统	深度学习模型	超声图像	6个数据集（5个用于初步准备，1个用于测试），包含从长轴图像到短轴图像的90度肾脏图像	NA	AEMA, AEMAD, AEMAD++	准确率，处理速度（FPS）	NA
34	2026-03-13	Improving instrument detection for a robotic scrub nurse using multi-view voting 2023-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03002-0 PMID:37530904	研究论文	本文提出了一种基于多视角投票的方案，用于改进机器人手术护士的器械检测性能	结合训练好的器械检测器与基于实例的多视角投票方案，显著提升了检测准确性	NA	提高机器人手术护士在手术器械检测任务中的性能	手术器械	计算机视觉	NA	深度学习	Mask R-CNN	RGB图像, 点云	NA	PyTorch	Mask R-CNN	错误减少率	NA
35	2026-03-13	Deep-learning based classification of a tumor marker for prognosis on Hodgkin's disease 2023-Nov, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14066 PMID:37549921	研究论文	本研究利用深度学习模型（YOLOv4）分析霍奇金病患者的全切片图像，评估picrosirius red染色纤维作为预后标志物的潜力	首次将YOLOv4深度学习模型应用于霍奇金病全切片图像，以picrosirius red染色纤维的弱染色程度作为预后指标进行自动分类和预测	样本量较小（仅83例），且picrosirius red染色作为预后设备的有效性尚不充分，需要进一步验证	评估基于深度学习的医学图像分类模型在预测霍奇金病临床结局中的应用，以辅助治疗决策	霍奇金病患者的FFPE活检标本（83例），根据qPET评分分层	数字病理学	霍奇金病	全切片图像扫描，picrosirius red染色，MMP9染色	CNN	图像	83例FFPE活检标本（训练集30例，评估集53例）	NA	YOLOv4	AUC	NA
36	2026-03-13	Deep learning study on the mechanism of edge artifacts in point spread function reconstruction for numerical brain images 2023-Nov, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-023-01862-9 PMID:37610591	研究论文	本研究通过深度学习对模糊的数值脑图像进行非盲去模糊处理，以获取无边缘伪影的图像，并基于空间频率特性探讨点扩散函数重建中边缘伪影的产生机制	利用深度学习中的深度图像先验进行非盲去模糊处理，避免了点扩散函数重建，并通过数值模拟深入分析边缘伪影的空间频率特性机制	研究基于理想化的二维平行光束投影数据和简化的大脑图像模型，未考虑实际成像中的其他退化因素，可能限制了结果的普适性	探究点扩散函数重建中边缘伪影的产生机制，并比较不同重建方法在空间频率特性和分辨率方面的表现	数值模拟的脑图像，包括灰质、白质和脑脊液区域	计算机视觉	NA	数值模拟，深度学习去模糊，点扩散函数重建	深度图像先验	图像	256×256矩阵的脑图像	NA	深度图像先验	恢复系数，空间频率特性，一维物体特定调制传递函数	NA
37	2026-03-13	MLACNN: an attention mechanism-based CNN architecture for predicting genome-wide DNA methylation 2023-Nov, Theory in biosciences = Theorie in den Biowissenschaften DOI:10.1007/s12064-023-00402-3 PMID:37648910	研究论文	本文提出了一种基于注意力机制的CNN架构MLACNN，用于预测全基因组DNA甲基化	引入基于注意力机制的瓶颈网络，结合三种编码方法进行特征融合，以学习更多有效特征并减少过拟合	未明确说明模型在特定生物环境或数据集外的泛化能力	开发深度学习模型以改进DNA甲基化预测	DNA序列及其甲基化状态	机器学习	NA	DNA甲基化预测	CNN	DNA序列	NA	NA	MLACNN	NA	NA
38	2026-03-13	Interindividual distances and orientations of laying hens under 8 stocking densities measured by integrative deep learning techniques 2023-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2023.103076 PMID:37742450	研究论文	本研究通过集成深度学习技术，测量了蛋鸡在不同饲养密度下的个体间距离和方向，以优化鸡群空间分配	首次将深度学习技术应用于蛋鸡个体间距离和方向的自动检测，并系统分析了8种不同饲养密度下的行为指标	研究仅针对特定品种（京粉蛋鸡）和年龄（35周龄），且实验环境为受控的隔间，可能无法完全反映实际养殖场条件	开发深度学习技术以自动测量蛋鸡的个体间距离和方向，并评估不同饲养密度对这些指标的影响	蛋鸡（京粉品种，35周龄）	计算机视觉	NA	深度学习图像分类、定向目标检测	CNN	视频	8种饲养密度（3-10只鸡/隔间），具体数量未明确	NA	YOLOv5m	准确率、精确率、召回率、F1分数	NA
39	2026-03-06	Deep learning-based dose prediction to improve the plan quality of volumetric modulated arc therapy for gynecologic cancers 2023-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.16735 PMID:37706560	研究论文	本文开发了一种基于深度学习的模型，用于预测妇科癌症患者容积旋转调强放疗（VMAT）计划的高质量三维剂量分布，并评估其在提升计划质量方面的实用性	首次将3D密集扩张U-Net模型应用于妇科癌症VMAT计划的剂量预测，并利用预测结果指导临床计划的再优化，以识别和改善可优化的计划	研究样本量较小（仅79个VMAT计划），且仅针对女性盆腔区域，模型在其他癌症类型或解剖部位的泛化能力尚未验证	开发深度学习模型以预测高质量剂量分布，并评估其驱动VMAT计划质量改进的实用性	妇科癌症患者的容积旋转调强放疗（VMAT）计划	数字病理	妇科癌症	容积旋转调强放疗（VMAT）	CNN	CT扫描图像、剂量处方、靶区和正常组织轮廓	79个VMAT计划（训练集47个，验证集16个，测试集16个）	NA	3D密集扩张U-Net	体素级剂量差异均值、靶区剂量指标D1%和D98%的百分比差异、危及器官平均和最大剂量差异、临床可接受性评分（5点量表）	NA
40	2026-03-06	Contour subregion error detection methodology using deep learning auto-segmentation 2023-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.16768 PMID:37793103	研究论文	本文提出了一种基于深度学习自动分割的轮廓子区域错误检测方法，用于放射治疗中手动器官勾画的质量保证	开发了一种新颖的轮廓子区域错误检测系统，利用手动与深度学习自动分割轮廓之间的子区域表面距离差异，实现定性和定量检测与可视化	研究基于头颈公共数据集，可能在其他解剖区域或数据集上需要进一步验证	开发并验证一个能有效检测和可视化子区域轮廓错误的轮廓质量保证系统	头颈放射治疗中的器官轮廓，包括脑干和左右腮腺	数字病理	头颈癌	深度学习自动分割	深度学习模型	医学图像轮廓数据	339例头颈公共数据集病例，以及60例临床训练数据集病例	NA	NA	真阳性率, 假阳性率, 准确率	NA