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	2026-04-01	Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110519 PMID:39222847	研究论文	本研究验证了基于CT的深度学习海马分割模型在单机构数据集上的训练效果，并探索其在多机构轮廓质量保证中的应用	利用单机构训练的深度学习模型进行多机构临床试验的轮廓质量保证，展示了模型在跨机构数据上的泛化能力	模型在单机构数据上训练，可能对多机构数据的适应性有限；假阴性率较高，特别是在轮廓QA任务中	验证深度学习模型在海马分割中的性能，并评估其在多机构轮廓质量保证中的实用性	海马分割轮廓	数字病理学	NA	深度学习	CNN	CT图像, MRI图像	单机构队列的脑部MRI数据集和RTOG 0933数据集	NA	NA	Dice系数, Haussdorf距离, AUC, 特异性, 敏感性, 假阴性率	NA
2	2026-04-01	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究通过结构化访谈收集了临床医生对深度学习分割中不确定性可视化选项的偏好，以优化放射治疗计划中的分割评估流程	首次在多机构临床环境中系统评估了不同层次（结构、切片或体素）和类型（二进制或连续值）的不确定性可视化方法，并探讨了剂量信息整合的潜在价值	样本量较小（16名临床医生），且仅针对已使用深度学习分割的机构，结果可能无法推广到所有临床环境	探索如何通过不确定性可视化减轻临床医生评估和校正深度学习分割的负担，优化放射治疗计划流程	放射肿瘤学家和放射治疗师	数字病理学	NA	深度学习分割	NA	医学图像（如CT、MRI）	16名临床医生（来自四个机构）	NA	NA	总体评分、可用性、所需培训时间、预期时间增益	NA
3	2026-04-01	Evaluating the Cumulative Benefit of Inspiratory CT, Expiratory CT, and Clinical Data for COPD Diagnosis and Staging through Deep Learning 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240005 PMID:39665633	研究论文	本研究通过深度学习评估吸气CT、呼气CT和临床数据对慢性阻塞性肺疾病诊断和分期的累积效益	首次系统量化了单相CT、双相CT及临床数据在CNN模型中对COPD分期的贡献，并证明结合临床数据后单相CT可达到与双相CT相当的诊断准确性	研究为回顾性设计，数据来源于单一队列（COPDGene），可能限制泛化性；未探讨其他影像模态或更复杂的网络架构	评估不同CT相位和临床数据对基于深度学习的COPD分期模型的性能提升效果	COPDGene一期队列中的8893名参与者（平均年龄59.6岁，53.3%为男性）的肺部CT图像和肺功能测量数据	数字病理学	慢性阻塞性肺疾病	CT影像，肺功能测量（FEV1，FEV1%预计值，FEV1/FVC）	CNN	图像，临床数据	8893名参与者的吸气与呼气CT图像及肺功能数据	未明确提及，推测为PyTorch或TensorFlow	未指定具体架构，仅提及CNN	组内相关系数，准确率，GOLD分期准确率，诊断准确率	NA
4	2026-04-01	Accelerated Cardiac MRI with Deep Learning-based Image Reconstruction for Cine Imaging 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230419 PMID:39540821	研究论文	本研究评估了基于深度学习的图像重建在心脏MRI电影序列中对采集时间、体积结果和图像质量的影响	首次系统比较了不同心跳周期（1RR、3RR、6RR）的深度学习重建电影序列与标准序列在心脏MRI中的性能，确定了三心跳周期为最优折衷方案	研究仅纳入健康志愿者，未涉及心脏病患者；样本量较小（55人）；未评估长期临床影响	评估深度学习重建在加速心脏MRI电影成像中的应用效果	55名健康志愿者的左心室短轴电影序列	医学影像分析	心血管疾病	心脏MRI电影成像	深度学习	医学影像	55名健康志愿者	NA	NA	采集时间、主观图像质量、边缘锐度、左心室射血分数	NA
5	2026-04-01	Machine learning and deep learning prediction of patient specific quality assurance in breast IMRT radiotherapy plans using Halcyon specific complexity indices 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110483 PMID:39159677	研究论文	本研究开发了一种基于机器学习和深度学习的AI解决方案，用于预测Halcyon放疗设备中乳腺癌IMRT计划的患者特异性质量保证结果	首次针对Halcyon放疗设备开发AI预测模型，并确定了适用于该设备的复杂性指标（SAS10、BA、BM）	研究样本量相对较小（56名患者的318个射束），且仅针对乳腺癌患者，未涵盖其他癌症类型	开发能够预测Halcyon放疗设备患者特异性质量保证结果的AI解决方案	乳腺癌患者的IMRT放疗计划	机器学习	乳腺癌	放射治疗计划质量保证	机器学习,深度学习	复杂性指标数据	56名乳腺癌患者的318个射束	TensorFlow	NA	AUC,特异性,敏感性	NA
6	2026-04-01	Robust localization of poorly visible tumor in fiducial free stereotactic body radiation therapy 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110514 PMID:39214256	研究论文	本文提出了一种名为SAFE Track的深度学习框架，用于在无基准标记的立体定向放射治疗中定位难以可见的肺部肿瘤	开发了一种无需模板的深度学习跟踪框架，能够在无基准标记的情况下准确定位小尺寸或位置挑战性的肺部肿瘤	研究仅基于94名患者的内部数据集，且测试集规模相对较小（n=28），可能影响模型的泛化能力	开发一种无基准标记的实时运动跟踪方法，以改善肺部立体定向放射治疗中对难以可见肿瘤的定位精度	肺部肿瘤患者，特别是肿瘤尺寸小于15毫米或位于挑战性位置的患者	计算机视觉	肺癌	X射线成像	CNN	图像	94名患者（415个治疗分次；40,348帧图像）	PyTorch, TensorFlow	Faster R-CNN, ResNet50	3D距离误差（毫米）	NA
7	2026-04-01	Deep learning-assisted interactive contouring of lung cancer: Impact on contouring time and consistency 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110500 PMID:39236985	研究论文	本研究评估了深度学习辅助交互式勾画工具在肺癌肿瘤轮廓勾画中对观察者间变异性和勾画时间的影响	开发并测试了一种深度学习辅助的交互式勾画工具，能显著减少主动勾画时间并降低观察者间在肿瘤特定区域的轮廓变异性	样本量较小（仅10名非小细胞肺癌患者和9名临床医生），且研究设计可能受学习效应影响	评估深度学习辅助工具在肺癌肿瘤体积勾画中对效率和一致性的影响	非小细胞肺癌患者的PET-CT扫描图像	数字病理学	肺癌	PET-CT扫描	深度学习模型	医学图像	10名非小细胞肺癌患者的PET-CT扫描，由9名临床医生进行勾画	NA	NA	勾画时间减少百分比，观察者间变异性	NA
8	2026-04-01	Clinical implementation of deep learning robust IMPT planning in oropharyngeal cancer patients: A blinded clinical study 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110522 PMID:39243863	研究论文	本研究评估了基于深度学习的自动化治疗计划方法在口咽癌患者中用于稳健优化强度调制质子治疗计划的质量，通过盲法临床研究比较手动计划与深度学习计划	结合深度学习模型进行IMPT剂量预测与稳健模仿优化算法，实现自动化治疗计划，显著缩短计划时间至平均2.5小时，而手动计划通常需约2天	研究样本量相对较小（总计95例患者，其中测试集25例），且为单中心研究，可能限制结果的普遍适用性	评估深度学习自动化治疗计划方法在口咽癌患者中用于稳健优化强度调制质子治疗计划的质量与临床可行性	口咽癌患者	数字病理学	口咽癌	强度调制质子治疗	深度学习模型	医疗影像数据（如CT扫描）与治疗计划数据	95例口咽癌患者（训练集60例，配置集10例，回顾性测试集10例，前瞻性测试集15例）	NA	NA	视觉检查、临床目标评估、正常组织并发症概率值比较	NA
9	2026-04-01	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	本研究开发了一种基于深度学习的模型，利用小鼠肠道组织学图像来估计FLASH照射的等效剂量	首次应用深度学习模型从组织学图像中量化FLASH照射的等效剂量，相比传统手工隐窝计数方法提高了准确性	研究样本量较小（84只小鼠），且仅针对特定品系（C57BL/6J雌鼠）和特定组织（小肠）进行验证	开发一种深度学习方法来量化FLASH照射的等效剂量，以评估其相对于常规照射的生物学效应差异	健康C57BL/6J雌性小鼠的肠道组织学图像	数字病理学	NA	组织学染色（苏木精-伊红染色）、数字化扫描	CNN	图像	84只小鼠（41只CONV组，43只FLASH组），每只小鼠9个空肠横截面，共756张组织学图像	PyTorch	ResNet101	均方误差	NA
10	2026-04-01	Deformation-encoding Deep Learning Transformer for High-Frame-Rate Cardiac Cine MRI 2024-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230177 PMID:38722232	研究论文	开发了一种基于Transformer的深度学习模型，用于提高心脏电影MRI的帧率，同时保持空间分辨率和扫描时间	首次将Transformer架构应用于心脏电影MRI的帧率提升任务，实现了高帧率图像的生成且无需增加扫描时间	研究主要基于特定厂商和场强的MRI扫描仪数据，模型在不同设备间的泛化能力需进一步验证	提高心脏电影MRI的帧率以改善时间分辨率，同时保持图像质量和扫描效率	心脏电影MRI图像	计算机视觉	心血管疾病	心脏电影MRI	Transformer	图像	5840名患者的回顾性数据（训练/测试）和61名参与者（49名临床患者+12名健康者）的前瞻性数据	NA	Transformer	均方根误差, 读者偏好分析	NA
11	2024-08-07	Seeing between Time: Higher Frame Rate Cardiac Cine MRI using Deep Learning 2024-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240140 PMID:38842457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2026-04-01	DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning 2024-05-10, Journal of visualized experiments : JoVE DOI:10.3791/64833 PMID:38801262	研究论文	本文报告了一种结合RPA、CRISPR/Cas12a系统、智能手机显微镜和深度学习模型的快速、便携、高灵敏度的DNA病毒即时检测系统	将RPA-CRISPR/Cas12a检测技术与智能手机显微镜(SPM)及深度学习辅助分类相结合，构建了一个完整的便携式即时检测系统，无需专业操作人员和大型仪器	仅以蛙病毒3(FV3)作为示例进行了测试，未展示对其他DNA病毒的广泛适用性	开发一种用于DNA病毒快速、高灵敏度检测的即时诊断系统	DNA病毒（以蛙病毒3为例）	机器学习	病毒感染	重组酶聚合酶扩增(RPA), CRISPR/Cas12a系统, 荧光检测	深度学习模型	荧光图像	NA	NA	NA	准确率, 检测限(LoD)	智能手机（用于图像采集和处理）
13	2026-04-01	Measurement Variability of Same-Day CT Quantification of Interstitial Lung Disease: A Multicenter Prospective Study 2024-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230287 PMID:38483245	研究论文	本研究通过分析同一天两次CT扫描的数据，评估了基于深度学习的定量CT在测量间质性肺疾病纤维化范围时的变异性	首次在前瞻性多中心研究中，使用同一天两次CT扫描来量化QCT测量间质性肺疾病纤维化范围的变异性，并评估了不同重建参数对变异性的影响	样本量相对较小（65名参与者），且仅评估了短期（同一天内）的测量变异性，未评估长期变异性	评估定量CT在测量间质性肺疾病纤维化范围时的测量变异性	间质性肺疾病患者	数字病理学	间质性肺疾病	CT扫描，基于深度学习的纹理分析软件	深度学习	CT图像	65名参与者（47名男性，18名女性）	NA	NA	Bland-Altman分析，95%一致性界限，特异性	NA
14	2026-04-01	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	本文开发了一种基于深度学习的自动化方法，用于前列腺T2加权MRI强度归一化，以揭示前列腺癌侵袭性信号	提出了一种利用三种参考组织（臀大肌、股骨和膀胱）的自动化归一化技术，通过MASK R-CNN进行自动分割，并结合样条函数拟合，显著提升了T2W强度在区分前列腺癌与正常组织及评估肿瘤侵袭性方面的定量利用	方法依赖于手动轮廓数据进行MASK R-CNN训练，样本量有限（32例患者），且归一化效果在独立数据集（83例患者）中验证，但未涉及更大规模或多中心验证	开发自动化前列腺T2W MRI强度归一化方法，以改善定量评估前列腺癌及其侵袭性	前列腺癌患者的前列腺T2加权MRI图像，包括癌变区域和正常前列腺组织	数字病理学	前列腺癌	T2加权MRI	CNN	图像	训练集：32例患者；独立测试集：83例患者；共231个活检感兴趣区域	PyTorch	MASK R-CNN	Spearman相关系数, t检验	NA
15	2026-04-01	Prognostic significance of collagen signatures at breast tumor boundary obtained by combining multiphoton imaging and imaging analysis 2024-Feb, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-023-00851-4 PMID:37606817	研究论文	本研究结合多光子成像和深度学习分析，探索了乳腺癌肿瘤边界胶原特征对患者预后的预测价值	首次利用多光子成像无标记获取乳腺癌样本的胶原特征，并通过深度学习自动识别肿瘤边界胶原签名，构建了CSTB评分作为独立预后因子	研究样本规模较小，且仅针对乳腺癌，未在其他癌症类型中验证	探索乳腺癌肿瘤边界胶原特征的预后意义，以改善患者预后预测和临床决策	人类乳腺癌肿瘤样本	数字病理学	乳腺癌	多光子显微镜成像	深度学习	图像	小规模样本（具体数量未在摘要中提供）	NA	NA	AUC, HR, Kaplan-Meier生存分析	NA
16	2026-04-01	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	本文提出了一种基于生物医学Transformer模型集成的方法，用于从生物医学文献中自动提取药物与蛋白质之间的关系	利用在生物医学数据上预训练的深度学习Transformer模型构建集成方法，用于自动提取药物-蛋白质关系，并在大规模语料上验证了其有效性	未明确说明模型在特定药物或蛋白质类别上的性能差异，也未讨论计算资源消耗的具体情况	开发自动方法从生物医学文献中提取药物与蛋白质之间的实体关系，以构建最新的生物医学知识库	PubMed摘要中的药物/化学品与蛋白质实体	自然语言处理	NA	生物医学文献挖掘	Transformer	文本	主要语料库包含10,750篇摘要，大规模语料库包含240万篇文档	NA	生物医学Transformer模型（具体架构未指定）	F1-score, 微平均F1-score	NA
17	2026-04-01	A Reinforcement Learning (RL)-Motivated Simulation Framework for Evaluating Vancomycin Dosing Strategies 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726479	研究论文	本文开发了一个基于强化学习的模拟框架，用于评估万古霉素的给药策略	提出了结合深度学习药代动力学模型（PK-RNN-2CM）和AUC奖励分数的强化学习模拟框架，将临床指南转化为强化学习奖励	未明确说明模拟框架在真实临床环境中的验证程度	优化万古霉素给药策略，实现并维持治疗浓度范围	万古霉素给药策略	机器学习	NA	强化学习，深度学习，药代动力学模拟	RNN	患者特异性数据，模拟时间-浓度曲线	NA	NA	PK-RNN-2CM（两室药代动力学循环神经网络）	24小时AUC评估，RMSE（均方根误差）	NA
18	2024-10-30	Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00729-x PMID:39468341	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19	2026-03-31	Deep generative design of RNA aptamers using structural predictions 2024-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00720-6 PMID:39506080	研究论文	本文开发了一个基于结构预测的深度生成学习平台，用于从头设计RNA适配体	利用深度学习将RNA三维结构预测与序列生成结合，实现结构引导的RNA适配体设计	未明确说明实验验证的样本规模及设计方法的通用性限制	开发一种结构引导的RNA适配体生成设计方法	RNA适配体，特别是与荧光小分子结合的发光适配体	自然语言处理	NA	RNA三维结构预测，深度学习生成模型	深度学习生成模型	RNA结构数据，序列数据	NA	NA	NA	结构相似性，序列差异性，荧光活性	NA
20	2026-03-31	A deep learning approach for rational ligand generation with toxicity control via reactive building blocks 2024-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00718-0 PMID:39516375	研究论文	本文提出了一种名为DeepBlock的深度学习方法，用于基于目标蛋白质序列生成配体分子，并通过反应性构建块实现毒性控制	受DNA编码化合物库技术启发，将生成过程分为构建块生成和分子重建两步，结合优化算法与深度学习以精确调控生成分子的性质	未在摘要中明确说明	开发一种能够针对新靶点理性设计配体分子并控制其性质的深度生成模型	配体分子	机器学习	NA	深度学习	神经网络	序列数据	NA	NA	NA	亲和力、合成可及性、药物相似性、毒性	NA