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
401	2026-04-03	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的方法，利用黄斑光学相干断层扫描（OCT）图像来检测青光眼的功能性进展并预测未来进展	提出了一种新颖的深度学习模型，通过自监督预训练视觉变换器（ViT）在大规模未标记OCT图像数据集上，实现了对青光眼进展的检测和预测	研究为回顾性队列研究，可能存在选择偏倚，且样本量在预测任务中相对较小	利用黄斑OCT成像预测未来并检测并发的青光眼视野进展	青光眼患者的黄斑OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ViT	图像	预训练数据集包含来自151,389项黄斑OCT研究的7,702,201张B扫描图像；进展检测任务包括来自828名青光眼患者1534只眼的3902项黄斑OCT成像研究；进展预测任务包括来自784名患者1205只眼的1346项黄斑OCT研究	NA	视觉变换器（ViT）	AUC, 灵敏度, 特异性	NA
402	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
403	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA
404	2026-04-02	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	本研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者放疗后心房颤动的发生率，整合了患者特异性临床、剂量学和诊断信息	通过整合多源患者特异性信息，采用混合深度学习架构处理不同类型输入特征，并在内部和外部验证中表现一致	样本量有限，心房颤动事件数量较少（内部17例，外部6例），可能影响模型泛化能力	预测非小细胞肺癌患者放化疗后心房颤动的发生率	非小细胞肺癌患者	机器学习	肺癌	放疗剂量学	机器学习模型, 深度学习模型	临床数据, 剂量学数据, 诊断数据	内部数据集321例（含17例心房颤动），外部数据集187例（含6例心房颤动）	NA	混合深度学习架构	AUC	NA
405	2026-04-02	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本文开发并评估了一个基于丹麦乳腺癌协作组共识的深度学习自动分割模型，用于乳腺癌放疗中淋巴结水平的自动分割	首次基于全国多机构共识数据集训练深度学习模型，用于乳腺癌放疗中淋巴结临床靶区的自动分割，并在全国范围内进行临床实施评估	模型中CTVn胸肌间淋巴结的Dice相似系数中位数低于0.7，且存在两个例外情况未达到专家组间观察者变异水平	开发并验证一个多机构深度学习自动分割模型，用于高风险乳腺癌患者淋巴结临床靶区的自动分割，以实现全国临床实施	高风险乳腺癌患者的淋巴结临床靶区	数字病理学	乳腺癌	深度学习	深度学习模型	医学图像	由丹麦所有放疗中心的21名乳腺癌勾画专家创建的金标准数据集和高质量训练数据集	NA	NA	Dice相似系数	NA
406	2026-04-02	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-12, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文提出了一种自动化免疫荧光染色与定量高内涵成像的工作流程，用于研究DNA损伤信号响应	开发了一种结合自动液体处理系统和定量高内涵成像的自动化工作流程，提高了实验效率和可重复性	NA	提升生命科学实验室的高内涵定量成像能力，通过自动化技术研究DNA损伤响应	DNA损伤信号响应	数字病理学	NA	免疫荧光染色，高内涵成像	深度学习	图像	NA	NA	NA	NA	高效计算资源
407	2026-04-02	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出了一种基于局部梯度的后处理不确定性量化方法，用于增强深度学习医学图像评估的可靠性	提出了一种新颖的后处理不确定性量化方法，利用训练模型的局部梯度空间来评估对模型参数的敏感性，无需修改已验证模型且不改变其输出	未明确说明方法在非转移性疾病或其他医学图像任务中的泛化能力，以及计算效率的详细分析	开发一种后处理不确定性量化方法，以提高深度学习医学图像评估的可靠性和用户信任度	深度学习模型在医学图像评估任务中的输出可靠性	计算机视觉	转移性疾病	NA	深度学习模型	医学图像	NA	NA	NA	ROC AUC, 假阳性率, 中位数百分比差异	NA
408	2026-04-02	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习半监督聚类方法，在认知未受损个体中识别出三种与遗传、心血管风险因素及未来认知下降相关的脑老化亚组	首次在认知未受损人群中，通过生成对抗网络驱动的数据驱动方法，识别出跨年龄一致的脑老化亚组，并系统关联其与遗传、生物医学指标及认知轨迹的关系	研究基于横断面与纵向数据，但因果推断有限；样本虽大但可能受选择偏差影响；未涵盖所有潜在神经病理过程	理解脑结构老化异质性，探索神经退行性疾病临床前阶段的生物标志物和风险分层	基线认知未受损的45-85岁个体，涉及超过50,000个数据时间点	医学影像分析	阿尔茨海默病	脑结构影像测量	GAN, 深度学习聚类	脑结构影像数据	27,402名个体	NA	生成对抗网络	统计显著性（P值）	NA
409	2026-04-02	Digital Response to Physical Crises: The Role of an E-Health Platform in the 2023 Southern Turkey Earthquakes 2024-04-09, Disaster medicine and public health preparedness IF:1.9Q3 DOI:10.1017/dmp.2024.63 PMID:38591261	评论	本文分析了2023年土耳其南部地震中一个电子健康平台在支持非专业急救人员方面的应用，探讨了数字健康技术在灾害响应中的整合潜力	首次评估了电子健康平台在重大自然灾害中支持非专业急救人员的实际效果，并引入了深度学习模型用于儿科X射线分析	评论性文章，缺乏实证数据支持平台的具体效果，可能未全面考虑所有实施障碍	探讨数字健康技术在灾害管理中的应用，特别是支持非专业急救人员	2023年土耳其南部地震中的急救响应情况	数字病理学	NA	深度学习	NA	X射线图像	NA	NA	NA	NA	NA
410	2026-04-02	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床文本基准数据集中用于药物不良事件检测的有效性，重点关注命名实体识别和关系分类任务	系统比较了机器学习和深度学习在药物不良事件提取任务中的优缺点，并扩展了数据源范围至生物医学文献、社交媒体数据和药品标签	仅纳入了12篇文献进行综述，可能未覆盖所有相关研究	评估机器学习和深度学习方法在药物不良事件提取中的效果，推动药物警戒领域发展	临床文本基准数据集中的药物不良事件	自然语言处理	NA	命名实体识别, 关系分类	机器学习, 深度学习	文本	NA	NA	BERT, 梯度提升, 多层感知机, 随机森林	NA	NA
411	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
412	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
413	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
414	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
415	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
416	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
417	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
418	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
419	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
420	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