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
2161	2026-04-24	Octascope: A Lightweight Pre-Trained Model for Optical Coherence Tomography 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3595838 PMID:40874077	研究论文	开发了一种轻量级域特定卷积神经网络模型Octascope，用于光学相干断层扫描图像分析	采用课程学习策略，先在自然图像（ImageNet）上预训练，再在视网膜、腹部和肾脏组织的OCT图像上训练，实现多领域迁移；相比Transformer模型RETFound，推理速度快2至4.4倍且预测精度略高	NA	解决OCT图像分析中训练数据有限和实时应用高推理延迟的挑战	OCT图像（视网膜、腹部、肾脏组织）以及硬膜外组织检测和视网膜诊断两个下游任务	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	NA	NA	Octascope	准确率	NA
2162	2026-04-24	Global Research Landscape of Artificial Intelligence in Urology: A Systematic Analysis of Emerging Trends, Clinical Impact, and Collaborative Networks (1971-2024) 2025, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.39.156 PMID:42021824	综述	对1971年至2024年人工智能在泌尿外科领域的研究进行全面系统分析，涵盖发展趋势、临床影响和国际合作网络	首次系统梳理AI在泌尿外科领域50多年的研究演变，揭示从基础机器学习到先进临床工具的转变趋势，并特别关注深度学习在泌尿系统癌症检测中的应用	仅纳入英文文献，可能遗漏非英语国家的重要研究；数据库仅限Scopus，可能存在出版偏差	系统分析人工智能在泌尿外科领域的研究演变、临床影响和合作网络，为未来发展方向提供见解	1971年至2024年发表的5755篇AI相关泌尿外科文献，包括5109篇原创文章和646篇综述	自然语言处理, 机器学习	前列腺癌, 泌尿系统癌症, 慢性肾病	深度学习, 机器学习	深度学习模型	文献元数据, 图像	5755篇文献，包括5109篇原创文章和646篇综述	VOSviewer, GraphPad Prism, Data Wrapper	NA	文献数量, 被引次数, 合作网络强度	NA
2163	2026-04-23	Prediction of real-time cine-MR images during MRI-guided radiotherapy of liver cancer using a GAN-ConvLSTM network 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17609 PMID:39755123	研究论文	本研究提出了一种改进的生成对抗网络（GAN），用于实时预测肝癌症患者放疗过程中的实时电影磁共振（cine-MR）图像	将pix2pix GAN的生成器替换为卷积长短期记忆（ConvLSTM），以预测未来五帧图像，相比现有先进网络（ConvLSTM、E3D-LSTM、SwinLSTM）在多项指标上表现更优	样本量较小（仅15名患者），且为个性化模型训练，可能限制泛化能力	通过深度学习预测实时电影磁共振图像，以补偿放疗系统中的系统延迟，提高肝癌症放疗的精准性	肝癌症患者	计算机视觉	肝癌	电影磁共振成像	GAN, ConvLSTM	图像	15名肝癌症患者的电影磁共振图像序列，每名患者300帧图像	NA	pix2pix GAN, ConvLSTM	峰值信噪比, 结构相似性指数, 视觉信息保真度, 皮尔逊相关系数, 呼吸运动精度	NA
2164	2026-04-23	Segmentation of coronary artery and calcification using prior knowledge based deep learning framework 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17642 PMID:39878608	研究论文	本研究提出了一种基于先验知识的深度学习框架，用于冠状动脉和钙化的分割，并探索了分割结果对旋磨术的预测能力	整合冠状动脉和钙化的解剖先验知识到深度学习分割框架中，通过变分自编码器中心线提取、自注意力、逻辑操作和分割模块提升分割准确性和稳定性	研究样本量较小（72名患者），可能限制模型的泛化能力；未详细讨论计算资源需求或框架在其他数据集上的性能	提高冠状动脉和钙化在CTA图像中的分割准确性，并基于分割结果预测旋磨术的必要性	冠状动脉和钙化区域	数字病理学	心血管疾病	计算机断层扫描血管造影（CTA）	深度学习框架	3D CTA图像	72名患者的CTA图像数据集	NA	变分自编码器（VAE），自注意力模块	分割准确性，预测准确性	NA
2165	2026-04-23	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	本文提出了一种用于超声图像中乳腺病灶分割的多级感知边界引导网络（PBNet），旨在提升对与正常组织强度相似的非增强病灶的边界分割精度	提出了一种新颖的多级感知边界引导网络（PBNet），该网络包含多级全局感知模块（MGPM）和边界引导模块（BGM），并引入了多级边界增强分割损失（BS损失），以增强对非增强肿瘤的识别和边界分割	效应量小于0.2，表明性能提升的幅度相对较小	从超声图像中准确分割乳腺肿瘤，特别是提升对与正常组织强度相似的非增强病灶的边界分割精度	超声图像中的乳腺病灶	计算机视觉	乳腺癌	超声成像	CNN	图像	两个数据集：公开数据集BUSI（780张图像）和内部数据集（995张图像）	NA	PBNet（包含多级全局感知模块MGPM和边界引导模块BGM）	Dice分数, Jaccard系数, Hausdorff距离, 敏感性, 特异性	NA
2166	2026-04-23	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	本文开发了一种基于条件生成对抗网络（GAN）的2D到3D磁共振（MR）体积重建模型，通过患者和分次特定的微调工作流，利用正交2D MR图像重建合成3D MR体积，用于在线剂量适应	提出了一种患者和分次特定的微调工作流，结合条件GAN模型，能够在有限数据条件下有效重建3D MR体积，显著提升了图像质量和几何精度	研究样本量相对较小（43名患者），且仅基于单一成像协议，可能限制了模型的泛化能力	开发一种个性化深度学习模型，用于从正交2D MR图像重建3D MR体积，以支持在线剂量适应	前列腺癌患者在接受MR引导的自适应放疗过程中的MR图像	医学影像分析	前列腺癌	磁共振成像（MRI）	GAN	图像	43名患者的2473个3D MR体积	NA	条件生成对抗网络（GAN）	SSIM, PSNR, RMSE, MAE, Dice相似系数（DSC）, Hausdorff距离（HD）	NA
2167	2026-04-23	Neural architecture search with Deep Radon Prior for sparse-view CT image reconstruction 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17685 PMID:39930320	研究论文	本文提出了一种名为NAS-DRP的无监督深度学习方法，用于稀疏视图CT图像重建，通过结合深度Radon先验和神经架构搜索来优化网络结构	首次将神经架构搜索与深度Radon先验结合，用于无监督CT图像重建，自动优化上采样单元的网络结构，提高了重建图像的细节和准确性	方法依赖于无监督学习，可能缺乏与有监督方法相比的配对数据优势，且神经架构搜索过程可能计算成本较高	改进稀疏视图CT图像重建，减少辐射暴露并提升图像质量	稀疏视图CT图像	计算机视觉	NA	CT扫描	编码器-解码器网络, RNN	图像	NA	NA	NAS-DRP	PSNR, SSIM, LPIPS	NA
2168	2026-04-23	Beam's eye view to fluence maps 3D network for ultra fast VMAT radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17673 PMID:39935217	研究论文	本文提出了一种基于深度学习的3D网络，用于从患者数据直接预测VMAT放疗计划中的注量图，以加速治疗规划过程	开发了一种新颖的3D网络架构，能够一次性预测单弧VMAT计划中180个控制点对应的所有注量图，并通过预处理将3D剂量图投影到BEV视图以辅助网络学习	研究主要基于模拟生成的VMAT计划数据，可能未完全覆盖临床实际病例的多样性；网络性能在真实临床环境中的泛化能力有待进一步验证	加速VMAT放疗计划制定过程，通过快速预测注量图来替代传统耗时的迭代优化流程	VMAT放疗计划中的注量图预测	医学影像分析	癌症	深度学习	3D卷积神经网络	3D剂量图、注量图	超过2000个VMAT计划（使用Eclipse生成并结合REQUITE数据集）	未明确提及	3D网络（具体架构未命名，对比了U-Net）	PSNR, SSIM, 剂量体积直方图(DVH)	未明确提及
2169	2026-04-23	A deep learning-based peer review method for radiotherapy planning 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17686 PMID:39935240	研究论文	本研究开发了一种基于深度学习的放疗计划同行评审方法，利用患者解剖信息进行个性化质量控制	结合深度学习剂量预测和统计模型，为放疗计划提供个性化质量控制，替代传统主观评估方法	模型训练样本量较小（139例），仅针对鼻咽癌患者，可能限制泛化能力	开发基于患者解剖信息的放疗计划个性化质量控制方法	鼻咽癌患者的放疗计划	数字病理	鼻咽癌	深度学习剂量预测	CNN	3D剂量分布图像	139例鼻咽癌患者（95训练，20验证，24测试），另加29个临床治疗计划用于同行评审	NA	UNet	平均体素剂量差异	NA
2170	2026-04-23	Lesion segmentation method for multiple types of liver cancer based on balanced dice loss 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17624 PMID:39945728	研究论文	本文提出了一种基于平衡Dice损失（BD Loss）的肝癌症病灶分割方法，用于解决多类型肝癌症分割中的数据不平衡问题	提出了一种平衡Dice损失函数（BD Loss），结合贪婪参数平均算法（GPA算法）和模型集成及后处理方法，实现了多类型肝癌症的平衡准确分割	研究基于单一医疗中心的回顾性数据，可能限制了模型的泛化能力，且未详细讨论计算资源需求	开发一种能够准确分割多类型肝癌症的深度学习方法，以辅助临床诊断和治疗	恶性肝肿瘤患者的CT筛查图像及肿瘤分割标注	数字病理学	肝癌	CT成像	深度学习模型	图像	591名患者的CT图像	NA	NA	Dice per case（DPC）	NA
2171	2026-04-23	Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17682 PMID:39966996	研究论文	本研究提出了一种无需额外训练即可将左侧乳腺癌深度学习自动计划模型适配用于右侧乳腺癌治疗计划的技术	通过对称结构左右互换和模型参数调整，实现了左侧训练模型向右侧患者的直接迁移，避免了重新训练的时间消耗	技术依赖于特定治疗计划系统（TPS）工具，通用性可能受限	开发右侧早期乳腺癌的自动化治疗计划技术	右侧早期乳腺癌患者	数字病理	乳腺癌	深度学习模型迁移	深度学习模型	治疗计划数据	30例患者（10例用于模型调优，20例用于验证），外加10例临床患者	NA	NA	剂量体积参数（心脏平均剂量、左右肺平均剂量、左肺最大剂量、右冠状动脉最大剂量）	NA
2172	2026-04-23	Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17692 PMID:39967020	研究论文	本研究探讨了使用深度学习预测包括同步整合推量技术的肺癌放疗剂量分布的可行性及其在改善治疗计划质量方面的潜在益处	首次验证深度学习在预测包含同步整合推量技术的放疗剂量分布中的有效性，并评估其在临床计划工作流程中识别次优计划质量和改善正常组织保护的潜力	研究样本量相对较小（训练集75例，测试集18例，前瞻性验证10例），且仅基于单一机构的肺癌患者数据，可能限制模型的泛化能力	研究深度学习预测肺癌放疗剂量分布的可行性，并评估其在改善治疗计划质量方面的应用价值	肺癌患者的放疗治疗计划，包括使用同步整合推量技术的计划	数字病理	肺癌	深度学习，三维剂量分布预测	CNN	CT图像，靶区和正常组织轮廓，处方剂量	93例回顾性临床计划（75例训练，18例测试），外加10例前瞻性患者	NA	3D U-Net	平均剂量差异	NA
2173	2026-04-23	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	研究论文	本研究探索了使用锥束计算机断层扫描（CBCT）评估宫颈癌放疗患者骨骼肌指数（SMI）的可行性，并开发了一种基于深度学习的自动分割和肌少症诊断方法	首次提出使用第五腰椎（L5）替代第三腰椎（L3）在CBCT图像上评估SMI，并设计了一种端到端的解剖距离引导双分支特征融合网络进行自动分割	研究样本量有限（248例患者），且外部验证数据集规模较小，可能影响模型的泛化能力	开发一种基于CBCT和深度学习的自动分割与肌少症诊断方法，以辅助宫颈癌放疗患者的临床评估	接受放疗的宫颈癌患者	数字病理学	宫颈癌	锥束计算机断层扫描（CBCT），深度学习	深度学习网络	医学图像（CBCT图像）	248例宫颈癌放疗患者，包含外部验证数据集	NA	端到端解剖距离引导双分支特征融合网络	组内相关系数（ICC），Pearson相关系数（PCC），Bland-Altman图，Dice相似系数，准确率，F1分数	NA
2174	2026-04-23	The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study 2025-Mar-01, Neurology India IF:0.9Q4 DOI:10.4103/NI.Neurol-India-D-23-00014 PMID:40176222	研究论文	本研究通过两年随访，探索了恶化型轻度认知障碍患者的多模态磁共振成像特征	利用深度学习算法提取脑区特征，并识别出与MCI恶化相关的特定脑区FA值降低和ADC值升高作为预警特征	样本量相对有限（105名患者），且仅基于两年随访数据，长期变化趋势尚不明确	探索轻度认知障碍患者恶化的磁共振成像生物标志物	105名轻度认知障碍患者	数字病理学	老年疾病	多模态磁共振成像	深度学习算法	磁共振图像	105名MCI患者	NA	NA	NA	NA
2175	2026-04-23	Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386707 PMID:38598377	研究论文	本研究提出了一种基于光电容积脉搏波（PPG）数据和个性化深度学习的模型，用于预测孕妇血压，以实现对先兆子痫的有效预警	提出了一种三阶段（建模、微调、个性化）的深度学习框架，结合了1D-CNN、CBAM注意力模块、双向GRU和注意力层，并针对孕妇群体进行个性化微调，实现了连续、无袖带的精准血压监测	样本量相对有限（共194名受试者，其中孕妇40名），且未明确说明模型在不同妊娠阶段或合并症孕妇中的泛化能力	开发一种基于PPG信号的连续、无创血压监测方法，为孕妇提供先兆子痫的早期预警	孕妇的血压数据，通过PPG传感器从腕部动脉采集	机器学习	先兆子痫	光电容积脉搏波（PPG）	CNN, GRU	时序信号数据（PPG波形）	194名受试者（154名正常个体，40名孕妇）	NA	1D-CNN with CBAM, Bi-directional GRU, Attention layers	平均误差（ME）, 标准差（SD）	NA
2176	2026-04-22	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multiplatform Validation Study 2025-Nov, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	本研究通过深度学习引导的定量分析，建立了结直肠癌中BRAF V600E免疫组化的优化判读标准，并进行了多平台验证	首次利用人工智能驱动的数字病理平台对BRAF V600E免疫组化参数进行精确定量分析，并建立了结直肠癌特异性的、基于定量阈值的优化判读标准	研究未明确提及样本的种族或地域分布多样性，且对于非典型染色模式的病例仍需分子检测确认	为结直肠癌建立准确、标准化的BRAF V600E免疫组化判读标准，以指导治疗策略	250例结直肠癌病例及其配对的免疫组化和基因检测（qPCR和二代测序）结果	数字病理	结直肠癌	免疫组化（IHC）、定量PCR（qPCR）、二代测序（NGS）	深度学习	病理图像	250例结直肠癌病例	未明确指定	未明确指定	AUC（曲线下面积）、一致性	未明确指定
2177	2026-04-22	Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative 2025-Aug-05, Research square DOI:10.21203/rs.3.rs-7169062/v2 PMID:40799763	研究论文	本文介绍了一个大型全身和全身体积的[18F]FDG-PET/CT数据集，包含1,597张PET/CT图像及对应的130个目标区域的CT衍生分割	提供了首个包含多中心、多病理类型（如肺癌、淋巴瘤、黑色素瘤）的大规模全身PET/CT数据集，并附带经医生验证的CT自动分割结果	数据集中分割结果基于CT图像自动生成后人工校正，可能存在分割误差；且仅包含特定病理类型，未覆盖所有疾病	通过共享带分割标注的PET/CT数据集，促进深度学习训练和多模态图像分析在临床管理中的应用	无显性疾病的个体及患有肺癌、淋巴瘤、黑色素瘤等不同病理的患者	数字病理学	肺癌, 淋巴瘤, 黑色素瘤	PET/CT成像, CT自动分割	NA	图像（PET/CT）	1,597张PET/CT图像，来自多中心个体，包括健康者和患者	NA	NA	NA	NA
2178	2026-04-22	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2025-Jul-09, ArXiv PMID:40671945	研究论文	本文介绍了一种结合数字全息显微镜、微流体富集和深度学习图像分析的系统，用于提高循环肿瘤细胞检测的敏感性和特异性	整合了惯性微流体预处理与双模态成像（全息术和荧光传感），并利用深度学习模型提供细胞形态学置信度，可实时分析，且发现传统EpCAM标记可能导致假阴性	仅进行了初步研究，样本量较小（13名前列腺癌患者和8名健康对照），需要更大规模验证	提高循环肿瘤细胞的检测准确性和效率，以用于癌症早期检测、预后评估和疾病监测	循环肿瘤细胞（CTCs），来自健康血液样本和癌细胞系，以及前列腺癌患者和健康对照的血液样本	数字病理学	前列腺癌	数字全息显微镜（DHM）、微流体富集、免疫荧光分析	深度学习模型	图像（全息和荧光图像）	13名晚期前列腺癌患者和8名健康对照	NA	NA	患者级别假阳性率（1细胞/毫升）	NA
2179	2026-04-22	Discovery of naturally inspired antimicrobial peptides using deep learning 2025-06-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.108444 PMID:40209356	研究论文	本研究利用深度学习从细菌基因组中挖掘非核糖体肽合成酶基因簇，设计并优化出具有强效抗菌活性的新型抗菌肽	首次结合216,408个细菌基因组的NRPS基因簇挖掘与深度学习评分系统，高效发现并优化出具有膜破坏机制且与传统抗生素协同作用的抗菌肽	研究仅针对两种病原菌进行活性测试，尚未在更广泛的菌株或体内模型中验证效果	利用深度学习加速从沉默生物合成基因簇中发现天然启发的抗菌肽	细菌非核糖体肽合成酶基因簇及其编码的肽类化合物	机器学习	细菌感染	基因组挖掘，固相化学合成	深度学习模型	基因组序列数据，肽序列数据	216,408个细菌基因组，335,024个NRPS基因簇，328个独特肽支架	NA	NA	最小抑菌浓度	NA
2180	2026-04-22	Regulatory risk loci link disrupted androgen response to pathophysiology of Polycystic Ovary Syndrome 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.26.25324630 PMID:40196246	研究论文	本研究通过整合分子和表观基因组注释，并利用深度学习框架预测多囊卵巢综合征风险变异的细胞类型特异性调控效应，揭示了这些变异如何影响转录因子结合位点，从而关联雄激素反应与PCOS病理生理学	首次结合深度学习模型与表观基因组数据，系统预测PCOS风险变异的细胞类型特异性调控效应，并揭示其通过破坏雄激素介导信号通路导致高雄激素血症的分子机制	研究主要基于计算预测和体外实验验证，缺乏体内功能实验的直接证据；模型预测的增强子破坏活性仅覆盖约20%的风险变异，可能存在未检出的调控效应	解析PCOS遗传易感位点如何通过调控分子机制驱动疾病表型，并建立风险变异与病理生理学的功能联系	多囊卵巢综合征的风险遗传变异及其在脑和内分泌细胞类型中的调控效应	机器学习	多囊卵巢综合征	深度学习框架、表观基因组注释、报告基因检测	深度学习模型	表观基因组数据、分子注释数据	NA	NA	NA	与报告基因检测数据的一致性	NA