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
121	2026-07-03	Deep Learning for Automatic Gross Tumor Volumes Contouring in Esophageal Cancer Based on Contrast-Enhanced Computed Tomography Images: A Multi-Institutional Study 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.035 PMID:38432286	研究论文	基于深度学习开发并外部验证了用于食管鳞状细胞癌大体肿瘤体积自动勾画的AI工具	开发了一个三维深度学习模型用于GTV自动勾画，并在多中心数据上验证；AI工具显著提高了专家勾画性能并减少了观察者间变异，同时在放射组学分析中显示出稳定可重复性	未明确说明限制	开发并验证用于食管癌GTV自动勾画的AI工具，辅助新辅助或根治性放疗治疗计划	食管鳞状细胞癌患者的增强CT图像	机器学习	食管癌	对比增强CT成像	三维深度学习模型	图像	580名食管鳞状细胞癌患者	NA	NA	Dice相似系数，平均表面距离	NA
122	2026-07-03	Experience of Implementing Deep Learning-Based Automatic Contouring in Breast Radiation Therapy Planning: Insights From Over 2000 Cases 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.041 PMID:38431232	研究论文	评估基于深度学习的自动轮廓勾画系统在乳腺癌放射治疗计划中的应用效果，并分析超过2000例病例的经验	基于大规模真实临床数据（2428例）评估自动轮廓勾画系统的长期临床影响，并发现自动化偏差风险	研究未提及对自动轮廓系统误分割肺部的具体原因分析，且主要关注乳房放疗，可能限制通用性	评估自动轮廓勾画系统在乳腺癌放疗中的临床效用和影响	乳腺癌术后放疗患者的CT图像及治疗轮廓数据	数字病理学, 机器学习	乳腺癌	CT成像	深度学习	医学图像	2428名乳腺癌术后放疗患者（实施前组369例，实施后组2059例）	NA	NA	Dice相似系数, 95%豪斯多夫距离	NA
123	2026-07-03	Imaging Analytics using Artificial Intelligence in Oncology: A Comprehensive Review 2024-08, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2023.09.013 PMID:37806795	综述	探讨深度学习在肿瘤学成像分析中的多方面作用，涵盖风险分层、筛查诊断、基因组突变预测、治疗反应及生存结局预测等，并讨论放射组学、影像生物库及人工智能的商业化与伦理问题	全面综述了深度学习在肿瘤成像分析中的多种应用，包括自动化报告生成、转移学习利用及通用人工智能模型的介绍	用于临床的深度学习模型仍处于初期阶段，通用实施面临障碍	综述人工智能在肿瘤成像分析中的应用现状、挑战及未来方向	肿瘤成像数据（如CT、MRI等医学影像）及相关临床预测任务	计算机视觉	肿瘤	深度学习、放射组学	卷积神经网络（CNN）	图像	NA	NA	CNN	NA	NA
124	2026-07-03	TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103190 PMID:38820677	研究论文	提出TAI-GAN将动态心脏PET早期帧转换为类似参考帧的分布，以改善帧间运动校正	首次将时间与解剖信息通过特征线性调制层整合到生成对抗网络中，实现早期帧到参考帧的全映射转换，解决了强示踪剂动力学导致的配准失效问题	NA	改善动态心脏PET帧间运动校正的准确性和心肌血流量定量	动态心脏PET图像帧间运动校正	计算机视觉	冠状动脉疾病	PET	生成对抗网络	图像	临床Rb PET数据集	PyTorch	TAI-GAN	图像质量、运动估计精度、心肌血流量定量	NA
125	2026-07-03	Which images to label for few-shot medical image analysis? 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103200 PMID:38801797	研究论文	提出一种模板选择策略TECP，用于在少样本医学图像分析中自动选择最有价值的图像进行标注，以提升模型性能	首次关注少样本学习中标注前模板图像的选择问题，提出包含自监督训练、区域定位、代表性评分和排序四大模块的TECP策略	未提及具体局限性，但依赖自监督预训练模型和多个数据集验证，可能在极低样本场景下泛化性有待探索	解决医学图像少样本学习中标注样本选择问题，以最少标注图像获得最优模型性能	医学图像中的标志点检测、解剖结构检测和解剖分割三类任务	计算机视觉	NA	NA	CNN	图像	多个公开数据集	自监督学习框架	预训练深度模型	模型性能指标（具体未说明）	NA
126	2026-07-03	CMAN: Cascaded Multi-scale Spatial Channel Attention-guided Network for large 3D deformable registration of liver CT images 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103212 PMID:38830326	研究论文	提出了一种基于卷积神经网络的级联多尺度空间-通道注意力引导网络（CMAN），用于解决肝脏CT图像大形变配准问题	采用双重粗到细配准策略，包括局部粗到细和全局粗到细配准，并在解码阶段集成空间-通道注意力模块以突出重要特征	文中未明确提及局限性	实现肝脏CT图像的大形变非刚性配准，提高配准性能	肝脏CT图像	计算机视觉	肝脏疾病	CT成像	卷积神经网络	图像	两个公开数据集用于训练，一个公开数据集和一个私有数据集用于评估	PyTorch	CMAN, 包含级联多尺度空间-通道注意力模块	配准评估指标（具体指标未列出）	NA
127	2026-07-03	Unsupervised mutual transformer learning for multi-gigapixel Whole Slide Image classification 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103203 PMID:38810517	研究论文	提出一种基于互变换器学习的无监督全切片图像分类方法	首次提出完全无监督的全切片图像分类算法，基于互变换器学习，包括伪标签生成器和清洁器模块，以及判别学习机制	未提及	实现无监督的全切片图像分类，避免对大量标注数据的依赖	十亿像素级别的全切片图像	数字病理学	癌症	NA	变换器	图像	四个公开数据集	NA	变换器	NA	NA
128	2026-07-03	Deep learning-based automatic segmentation of bone graft material after maxillary sinus augmentation 2024-08, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14221 PMID:38033189	研究论文	利用深度学习对上颌窦提升术后移植材料进行自动分割，并评估其准确性与效率	首次将3D V-Net和3D Attention V-Net结合用于上颌窦提升术后骨移植材料的自动分割，并证明了其优于手动分割的性能	未提及具体局限	研究深度学习在锥形束CT图像中自动分割上颌窦提升术后移植材料的准确性和可靠性	上颌窦提升术后骨移植材料	计算机视觉	牙科疾病	CBCT	CNN	图像	100对CBCT扫描（术前和术后），训练集82对，测试集18对，另选10个测试样本用于比较	NA	3D V-Net, 3D Attention V-Net	Dice系数, 95% Hausdorff距离, 平均表面距离	NA
129	2026-07-03	A survey of label-noise deep learning for medical image analysis 2024-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103166 PMID:38613918	综述	对医学图像分析中标签噪声深度学习的最新研究进行了全面综述	首次对医学图像领域标签噪声学习方法进行了统一分类和系统比较，并基于医学图像特性提出了新的研究方向	未详细说明具体实验对比结果及量化性能指标	为研究人员和从业者提供医学标签噪声学习的全面理解，助力开发抗噪声新方法	医学图像分析中的标签噪声问题及相应深度学习方法	医学图像分析	NA	NA	NA	医学图像	NA	NA	NA	NA	NA
130	2026-07-03	Multi-center Dose Prediction Using Attention-aware Deep learning Algorithm Based on Transformers for Cervical Cancer Radiotherapy 2024-07, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2024.03.022 PMID:38631974	研究论文	开发一种基于注意力机制的Transformer深度学习算法AtTranNet，用于多中心宫颈癌放疗剂量预测	首次提出AtTranNet算法，结合注意力机制和Transformer架构，实现多中心宫颈癌VMAT剂量的快速准确预测，并验证其可泛化至不同处方剂量的子宫内膜癌	内部测试中D98和膀胱Dmean等剂量指标存在一定误差；仅针对特定类型癌症（宫颈癌和子宫内膜癌）验证；样本量有限	开发用于宫颈癌容积调强放射治疗（VMAT）的快速准确剂量预测深度学习算法，并探索其对不同处方子宫内膜癌的泛化能力	来自多个医疗中心的宫颈癌患者数据集和子宫内膜癌患者数据集	机器学习	宫颈癌	深度学习	Transformer	三维剂量数据	367名宫颈癌患者（4个中心），70名子宫内膜癌患者	NA	AtTranNet（基于注意力机制的Transformer）	平均绝对误差，剂量差，剂量体积直方图指标	NA
131	2026-07-03	Anat-SFSeg: Anatomically-guided superficial fiber segmentation with point-cloud deep learning 2024-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103165 PMID:38608510	研究论文	提出一种基于点云深度学习的新框架Anat-SFSeg，用于解剖学引导的表层纤维分割，以提高扩散磁共振成像中浅层白质分割的准确性	创新性地结合了纤维解剖描述符FiberAnatMap和基于点云数据的深度学习网络，提出新的度量指标FARP和ARFC用于纤维分割评估	未明确提及局限性	改进浅层白质分割性能，探索其在神经退行性疾病中的潜在生物标志物应用	脑白质纤维束，特别是浅层白质	数字病理学	阿尔茨海默病	扩散磁共振成像（dMRI）	点云深度学习网络	点云数据	人类连接组项目（HCP）数据集及具有不同认知障碍水平的临床受试者	PyTorch	PointNet	准确性、FARP、ARFC	NA
132	2026-07-03	Application of a novel deep learning-based 3D videography workflow to bat flight 2024-06, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15143 PMID:38652595	研究论文	提出一种基于深度学习的3D视频分析工作流，用于研究蝙蝠飞行中的运动学参数，并通过与手动数字化对比验证其准确性	结合深度学习自动数字化与基于深度学习及3D重建质量指标的标记点过滤校正，实现无标记点的高效准确3D姿态估计，无需手动标记即可提取飞行生物力学关键数据	仅针对蝙蝠飞行场景进行验证，未评估其他动物或复杂环境下的通用性；工作流依赖高质量深度学习模型训练数据，可能限制其在数据稀缺领域的应用	开发并验证一种高效、可扩展的深度学习3D视频分析方法，用于动物飞行生物力学研究	蝙蝠飞行过程中的翅膀运动学参数及三维坐标	计算机视觉, 机器学习	NA	3D视频分析, 深度学习	深度学习模型（具体结构未明确详述）	视频	4只蝙蝠在2m风洞中稳定飞行，以及1只蝙蝠在344m封闭空间内自由飞行	NA	NA	坐标平均距离, 运动学参数差异显著性	NA
133	2026-07-03	Deep learning-based whole-body characterization of prostate cancer lesions on [68Ga]Ga-PSMA-11 PET/CT in patients with post-prostatectomy recurrence 2024-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06551-3 PMID:38049657	研究论文	基于深度学习的[68Ga]Ga-PSMA-11 PET/CT全身前列腺癌病灶特征提取方法研究	首次利用3D U-Net实现前列腺癌术后复发患者全身转移病灶的自动分割与检测，性能优于以往研究	NA（摘要未提及明显局限性）	评估三维卷积神经网络自动分割和检测前列腺癌术后复发患者全身转移病灶的性能	前列腺癌根治术后复发患者的转移病灶	计算机视觉	前列腺癌	PET/CT成像，68Ga-PSMA-11示踪剂	三维卷积神经网络（3D CNN），3D U-Net	医学影像（PET和CT数据）	116例前列腺癌转移患者（中心1：78例交叉验证+19例内部测试；中心2：19例外部测试）	NA	3D U-Net	Dice相似系数，召回率，精确率，F1分数，线性回归R²，Bland-Altman图	NA
134	2026-07-03	A novel deep learning-based method for automatic stereology of microglia cells from low magnification images 2024 Mar-Apr, Neurotoxicology and teratology IF:2.6Q3 DOI:10.1016/j.ntt.2024.107336 PMID:38402997	研究论文	提出一种基于深度学习的新方法，能从低倍显微图像自动进行小胶质细胞的体视学分析	结合深度学习分类与体视学方法，实现从低倍图像（20×）快速估计小胶质细胞总数，无需繁琐的人工计数	目前仅应用于小鼠脑组织Iba1免疫染色样本，需进一步验证在人脑和疾病模型中的适用性	开发高效、可重复的方法量化小胶质细胞数目和形态，以研究其与神经化学功能的关系	小胶质细胞	数字病理学	神经退行性疾病	免疫组化（Iba1染色）	深度学习模型	低倍显微图像（20×）	2个数据集，共39个小鼠脑组织	NA	NA	准确率>90%，重复性100%，效率提升60倍	NA
135	2026-07-03	TB-DROP: deep learning-based drug resistance prediction of Mycobacterium tuberculosis utilizing whole genome mutations 2024-Feb-12, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10066-y PMID:38347478	研究论文	基于全基因组突变构建深度学习模型TB-DROP用于结核分枝杆菌耐药性预测	首次提出端到端的定制化深度学习框架TB-DROP，克服了以往模型依赖已知耐药相关位点的局限，采用全新学习方法基于全基因组水平突变进行预测，并集成到一个用户友好的图形化工具中	未提及具体的局限性信息	构建定制化深度学习模型以实现基于基因型的结核分枝杆菌耐药性预测	结核分枝杆菌的全基因组突变数据	机器学习	结核病	全基因组测序	多层感知器	基因突变数据	未明确提及样本数量	TensorFlow	多层感知器	灵敏度, 特异度	未明确提及计算资源
136	2026-07-03	Differentiable partition function calculation for RNA 2024-02-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad1168 PMID:38038257	研究论文	提出了一种可微分的RNA配分函数计算方法，实现了端到端的梯度优化	首次将McCaskill算法推广到连续输入，实现配分函数的可微分计算，从而将RNA热力学与深度学习等可微分编程工具相结合	NA	建立RNA热力学与可微分编程之间的桥梁，解决RNA逆折叠问题	RNA序列	机器学习	NA	动态规划	可微分计算模型	序列数据	NA	PyTorch	NA	NA	NA
137	2026-07-03	Deep Learning of Cancer Stem Cell Morphology 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3730-2_17 PMID:38478348	研究论文	利用深度学习识别癌症干细胞形态，并可视化AI学习过程以发现未知结构	首次使用AI图像识别技术自动识别癌症干细胞形态，无需先验图像标注知识，并通过深度学习过程可视化揭示未识别的结构	NA	构建能识别培养物和肿瘤组织中癌症干细胞形态的AI模型	癌症干细胞的形态特征	计算机视觉	癌症	NA	深度学习模型	图像	NA	NA	NA	NA	NA
138	2026-07-03	Prediction of LncRNA-protein Interactions Using Auto-Encoder, SE-ResNet Models and Transfer Learning 2024, MicroRNA (Shariqah, United Arab Emirates) DOI:10.2174/0122115366288068240322064431 PMID:38591194	研究论文	提出一种名为AR-LPI的深度学习框架，用于预测长链非编码RNA与蛋白质的相互作用	使用自编码器进行特征提取，结合SE-ResNet模型进行预测，并引入迁移学习处理小样本数据集	未提及具体局限性	提高LncRNA-蛋白质相互作用预测的准确性	长链非编码RNA与蛋白质的相互作用	机器学习	癌症, Prader-Willi综合征, 自闭症, 阿尔茨海默病, 软骨毛发发育不全, 听力损失	NA	自编码器, SE-ResNet	序列数据和二级结构特征	NA	NA	SE-ResNet	准确率, F值	NA
139	2026-07-01	All-Atom Protein Sequence Design Based on Geometric Deep Learning 2024-12-09, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202411461 PMID:39295564	研究论文	介绍GeoSeqBuilder，一个整合蛋白序列生成与侧链构象预测的深度学习框架	首次将蛋白序列生成与侧链构象预测整合为端到端框架，利用空间几何特征显式包含相邻残基的三体相互作用	需要进一步测试以验证广泛适用性	设计针对特定蛋白主链的序列，生成全原子结构	蛋白序列与侧链构象	机器学习	NA	深度学习	深度学习框架	蛋白结构数据	15个测试序列（硫氧还蛋白和三螺旋束蛋白）	PyTorch	GeoSeqBuilder	天然残基回收率、热稳定性、晶体结构匹配度、酶活性	NA
140	2026-07-01	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	使用无力板无标记运动捕捉系统估算L5-S1关节在举升/降低任务中的节段间负荷	首次采用多视角无标记运动捕捉系统结合深度学习进行L5-S1关节负荷估算，无需力板，并与基于标记和力板的参考方法进行了严格对比	需要在真实工业条件下进行进一步验证	准确估算举升/降低任务中的L5-S1关节负荷，以理解肌肉骨骼疾病的发病机制	L5-S1关节的净力和力矩	计算机视觉	肌肉骨骼疾病	无标记运动捕捉	深度学习	图像	多名受试者	NA	NA	平均差异、峰值差异	NA