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
2301	2026-04-03	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-04, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	本文提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态（未感染、当前感染和根除后）的内窥镜图像	开发了一种创新的多阶段深度学习方法，通过结合患者幽门螺杆菌根除史信息，显著提高了分类性能，并超越了医生的诊断准确率	研究样本量相对较小（训练集538例，验证集146例），可能影响模型的泛化能力，且未详细说明多阶段架构的具体设计	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查和风险评估	幽门螺杆菌感染状态（未感染、当前感染、根除后）的内窥镜图像	计算机视觉	幽门螺杆菌感染	内窥镜成像	深度学习	图像	训练集538例，验证集146例	NA	多阶段深度学习架构	准确率	NA
2302	2026-04-02	A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110660 PMID:39645201	研究论文	本研究开发并验证了一个结合深度学习MRI特征和临床信息的预后预测模型，用于识别II期鼻咽癌患者中仅需调强放疗的低风险人群	首次将深度学习MRI特征与临床信息整合，构建了针对II期鼻咽癌患者的预后预测模型，能够有效识别仅需调强放疗的低风险患者	研究为回顾性多中心设计，可能存在选择偏倚；模型尚未在前瞻性队列中进行验证	开发一个预后预测模型，以识别II期鼻咽癌患者中仅需调强放疗即可获得良好预后的低风险人群	II期鼻咽癌患者	数字病理学	鼻咽癌	MRI成像	CNN, XGBoost	MRI图像, 临床数据	999名来自两个中心的II期鼻咽癌患者	NA	3DResNet	C-index, AUC, 校准测试	NA
2303	2026-04-02	Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110662 PMID:39647528	研究论文	本研究探讨了深度学习模型在预测前列腺癌患者三维剂量分布方面的应用，旨在实现即时治疗计划	通过分析训练数据集大小和模型规模对剂量预测精度的影响，为即时治疗计划提供快速且高质量的剂量预测方法	即使使用1000名患者进行训练，预测精度尚未达到收敛，可能需要更大数据集或进一步优化	评估深度学习模型在预测Erasmus-iCycle剂量计划质量方面的准确性，以支持即时治疗计划	1250名前列腺癌患者的自动生成剂量分布数据	医学影像分析	前列腺癌	深度学习剂量预测	U-Net	三维剂量分布图像	1250名前列腺癌患者（训练集：50/100/250/500/1000，验证集：100，测试集：150）	NA	分层密集连接U-Net（具有2/3/4/5/6个池化层）	PTV V95%误差、直肠V75Gy误差、膀胱V65Gy误差	NA
2304	2026-04-02	Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110667 PMID:39675574	研究论文	本研究探讨了在直肠癌在线自适应放疗中，通过整合患者特异性先验临床知识来提升临床靶区自动分割的泛化能力	创新性地利用治疗前勾画的临床靶区作为患者特异性先验知识，结合基于人群的分数间变形变异，创建患者特异性权重图，以增强深度学习模型在多中心数据上的泛化性能	研究仅针对直肠癌的肠系膜临床靶区，未涵盖其他癌症类型或靶区结构，且依赖于治疗前勾画的可用性	提高在线自适应放疗中临床靶区自动分割的泛化性和鲁棒性	中危或局部晚期直肠癌患者	数字病理	直肠癌	深度学习	深度学习模型	MRI图像	来自三个中心的中危或局部晚期直肠癌患者	NA	NA	DSC, surface Dice, 95HD, MSD	NA
2305	2026-04-02	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究利用VGG-16深度学习模型提取HRCT扫描特征，结合临床特征和定量CT参数，预测慢性阻塞性肺疾病患者的急性加重表型	首次将VGG-16深度学习特征与定量CT参数及临床特征结合，构建预测COPD急性加重的综合模型，并在外部验证队列中验证了其稳健性	研究为回顾性设计，样本量相对较小（219例患者），外部验证队列仅29例患者，可能影响模型的泛化能力	开发基于深度学习的模型，用于预测慢性阻塞性肺疾病患者的急性加重表型	219例接受吸气和呼气HRCT扫描的慢性阻塞性肺疾病患者	数字病理学	慢性阻塞性肺疾病	HRCT扫描	CNN	图像	219例患者（训练/测试队列）和29例患者（外部验证队列）	NA	VGG-16	AUC	NA
2306	2026-04-02	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在缺乏MRI的情况下，通过深度学习模型仅使用CT输入实现前列腺自动分割的准确性	提出了一种基于CT-MRI配准信息的增量学习策略，以提升在MRI可用性有限时的CT前列腺分割精度	研究样本量相对较小（111例患者），且依赖于CT-MRI配准数据作为参考轮廓，可能受配准误差影响	实现在无MRI时仅基于CT的前列腺自动分割，达到与MRI相当的分割准确性	前列腺放疗患者的CT和MRI图像	数字病理	前列腺癌	CT-MRI配准，深度学习	深度学习模型	医学图像（CT和MRI）	111例前列腺放疗患者，分为训练集（37例）、验证集（20例）和测试集（54例）	NA	NA	Dice相似系数（DSC），95%定向Hausdorff距离（HD95）	NA
2307	2026-04-02	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种名为“剂量带预测”的新方法，用于在放射治疗中预测一系列剂量分布，以改进计划制定和质量保证	首次提出剂量带预测方法，通过Upper/Lower-band模型预测剂量谱，而非单一剂量分布，为自动计划和质量保证提供更多选择	研究样本量有限（三个数据集共195例），且仅针对特定癌症类型（鼻咽癌和宫颈癌）和放疗技术（螺旋断层放疗、IMRT、VMAT）进行验证	开发一种能够预测剂量谱的深度学习方法，以增强放射治疗计划制定的灵活性和质量保证能力	鼻咽癌和宫颈癌患者的放疗剂量分布	医学影像分析	鼻咽癌, 宫颈癌	放射治疗计划，包括螺旋断层放疗、IMRT、VMAT	3D神经网络	3D剂量分布数据	104例鼻咽癌病例（数据集1），54例宫颈癌病例（数据集2），37例宫颈癌病例（数据集3），总计195例	NA	Upper-band模型, Lower-band模型	平均差异百分比	NA
2308	2026-04-02	Deep learning-based multiple-CT optimization: An adaptive treatment planning approach to account for anatomical changes in intensity-modulated proton therapy for head and neck cancers 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110650 PMID:39581351	研究论文	本文提出了一种基于深度学习的多CT优化框架，用于头颈癌强度调制质子治疗中考虑解剖结构变化的自适应治疗计划方法	创新点在于结合深度学习和多CT优化，利用U-net架构预测稳健剂量，并通过剂量模拟算法生成可交付计划，以提高治疗计划对解剖变化的鲁棒性	研究为回顾性分析，样本量较小（55例患者），且仅针对头颈癌，未在其他癌症类型中验证	研究目标是开发一种自适应治疗计划方法，以应对头颈癌强度调制质子治疗中的解剖结构变化和不确定性	研究对象为55例头颈癌患者，包括训练集（38例）、验证集（7例）和测试集（10例）	数字病理学	头颈癌	锥形束CT（CBCT）、可变形配准、多CT优化	深度学习模型	CT图像	55例头颈癌患者（38例训练、7例验证、10例测试）	NA	U-net	D2%、均匀性指数、适形性指数	NA
2309	2026-04-01	Neurotype matching in monogamous rodents is modulated by early-life sleep experience 2025-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678442 PMID:41040201	研究论文	本研究利用深度学习工具分析草原田鼠的异性配对互动，探讨早期睡眠干扰对神经类型匹配和社会亲和力的影响	首次在非人类动物中量化神经类型匹配现象，通过早期睡眠干扰模拟人类自闭症特征，并发现混合神经类型配对导致社会亲和力降低	研究仅针对草原田鼠，且模拟的神经类型基于单一干预（早期睡眠干扰），可能无法完全代表人类自闭症的复杂性	探究神经类型匹配现象在非人类动物中的存在及其对社会互动的影响	草原田鼠（Microtus ochrogaster）的异性配对	机器学习	自闭症	深度学习	NA	视频	NA	NA	NA	NA	NA
2310	2026-04-01	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes 2025-Sep, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习模型，基于未分割的3D OCT体积数据，成功区分了视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛	首次使用完整的3D OCT体积数据，通过深度学习模型同时区分视乳头水肿、NAION和健康眼睛，并比较了不同区域（整个扫描、视乳头周围视网膜、视神经乳头）的诊断性能	研究为回顾性分析，可能存在选择偏倚；外部验证集规模相对较小	开发一种基于深度学习的自动化诊断工具，用于区分视神经乳头肿胀的不同病因	视神经乳头和视乳头周围视网膜的OCT扫描图像	计算机视觉	眼科疾病	光学相干断层扫描	CNN	3D图像	4619个原始光谱域视神经乳头体积扫描（来自1539只眼睛），外部验证集包含1663个扫描（来自742只眼睛）	PyTorch	ResNet 3D-18	准确率, AUC-ROC, 加权精确率, 加权召回率, 加权F1分数	NA
2311	2026-04-01	Application of deep learning for detecting implants in computed tomography scout images with multi-institution and multi-vendor for personal identification 2025-09, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101315 PMID:40930679	研究论文	本研究提出基于深度学习的方法，用于在计算机断层扫描（CT）定位像中自动检测金属植入物，以辅助法医身份识别	首次在CT定位像中应用深度学习进行植入物检测，并使用了多机构、多厂商的数据集以确保模型在不同成像条件下的泛化能力	研究仅关注金属植入物，未涵盖其他类型的医疗植入物；模型性能可能受限于训练数据的多样性和数量	开发一种自动检测CT定位像中金属植入物的方法，以辅助法医调查中的身份识别	计算机断层扫描（CT）定位像中的金属植入物	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	多机构、多厂商的CT定位像数据集	NA	RetinaNet, Faster R-CNN	假阳性率, 分类一致性	NA
2312	2026-04-01	Head-to-Head Comparison between MRI and CT in the Evaluation of Volume and Quality of Epicardial Adipose Tissue 2025-08, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240531 PMID:40810643	研究论文	本研究系统比较了MRI和CT在评估心外膜脂肪组织体积和质量方面的测量结果	首次使用MRI的Dixon脂肪-水分离技术和CT的深度学习分割技术，对心外膜脂肪组织的体积和质量进行头对头比较	样本量较小（92名参与者），且仅基于瑞典心肺生物影像研究的一个子集，可能限制结果的普适性	评估MRI和CT在测量心外膜脂肪组织体积和质量方面的相关性和一致性	心外膜脂肪组织	医学影像分析	心血管疾病	Dixon脂肪-水分离MRI, CT	深度学习	MRI图像, CT图像	92名参与者（平均年龄59岁，60名男性）	NA	NA	Pearson相关系数, 组内相关系数	NA
2313	2026-04-01	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-07, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探索了Shoe-MS算法在法医鞋印分析中的应用，该算法基于深度学习框架，用于评估成对图像的相似性得分	提出并应用Shoe-MS算法于法医鞋印分析，特别针对退化图像进行分类和源识别，实现了高精度相似性评分	算法无法完全替代法医检验员，且主要针对图像质量不高的犯罪现场证据	提升法医鞋印分析的定量评估能力，支持检验员进行概率性、可重复的判断	法医鞋印图像，包括犯罪现场采集的退化图像	计算机视觉	NA	深度学习	深度学习框架	图像	两个不同的数据库	NA	Shoe-MS	相似性得分	NA
2314	2026-04-01	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-06-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	研究论文	提出了一种名为scAttG的深度学习框架，通过整合图注意力网络和卷积神经网络，利用scATAC-seq数据的染色质可及性和基因组序列特征进行细胞类型注释	整合图注意力网络和卷积神经网络，同时捕获染色质可及性信号和基因组序列特征，克服了现有跨组学和组内方法在数据对齐和批次效应方面的限制	未明确说明模型在特定生物环境或复杂细胞类型中的泛化能力，可能受限于scATAC-seq数据的质量和覆盖度	提高单细胞ATAC-seq数据的细胞类型注释准确性和鲁棒性	scATAC-seq数据中的细胞类型	机器学习	NA	scATAC-seq	GAT, CNN	染色质可及性数据，基因组序列数据	多个scATAC-seq数据集（具体数量未明确说明）	NA	图注意力网络，卷积神经网络	NA	NA
2315	2026-04-01	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种裂解技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而显著提升了蛋白质组覆盖度	开发了首个能够覆盖CID、UVPD、EID和ECD等多种裂解技术的单一深度学习模型，并将其集成到标准LC-MS工作流程中	未明确说明模型在更广泛数据集或不同实验条件下的泛化能力	通过整合替代裂解技术和深度学习模型，增强标准LC-MS工作流程中的蛋白质组覆盖度	质谱仪生成的碎片离子数据，用于蛋白质鉴定	机器学习	NA	CID、UVPD、EID、ECD、LC-MS、多酶深度蛋白质组学实验	深度学习模型	质谱数据	通过多酶深度蛋白质组学实验生成的大规模数据集	Prosit	NA	蛋白质鉴定增加百分比	NA
2316	2026-04-01	Performance of a Chest Radiograph-based Deep Learning Model for Detecting Hepatic Steatosis 2025-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240402 PMID:40539916	研究论文	本研究开发并评估了一个基于胸片的深度学习模型，用于检测肝脂肪变性	利用常规胸片而非专门的肝脏影像进行肝脂肪变性的深度学习检测，提供了一种便捷、低成本的筛查方法	研究为回顾性设计，可能存在选择偏倚；模型性能仍有提升空间，特别是在内部测试集上的灵敏度	开发一个基于胸片的深度学习模型，用于检测肝脂肪变性	接受过受控衰减参数检查的患者的胸片	计算机视觉	肝脂肪变性	受控衰减参数	深度学习模型	图像	共6599张胸片，来自4414名患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
2317	2026-04-01	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	研究论文	本文提出了一种基于生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室的特化机制，探索大脑多层神经网络中的学习协调机制	首次将兴奋性/抑制性神经元分型和树突-胞体区室化信号传导等生物学约束整合到多层人工神经网络中，并开发了完全生物学兼容的深度学习算法	模型仍基于简化生物学假设，尚未完全模拟真实神经系统的复杂性；实验验证仍需进一步开展	探索大脑如何在多层神经回路中协调学习过程，并建立生物学约束下的深度学习理论框架	人工神经网络中模拟的神经元细胞类型（兴奋性/抑制性）及其树突区室	机器学习	NA	深度学习算法	ANN	图像	NA	NA	具有循环连接的多层人工神经网络	图像分类准确率	NA
2318	2026-04-01	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	本研究开发并评估了一种用于心脏MRI的自由呼吸、高度加速、多切面、单次心跳的电影序列	提出了一种结合生成对抗网络（REGAIN）进行图像重建的自由呼吸单次心跳心脏电影MRI序列，实现了14.8倍的加速	研究样本量相对有限（136名参与者），且未明确说明模型在不同心脏疾病亚组中的泛化性能	开发一种快速、无需屏气的心脏MRI成像技术，以提高扫描效率和患者舒适度	健康参与者及患有各种心脏疾病的患者	医学影像	心血管疾病	心脏MRI, 生成对抗网络	GAN	MRI图像	136名参与者（40名健康，96名患有心脏疾病）	NA	REGAIN（分辨率增强生成对抗网络）	线性回归, Bland-Altman分析, Pearson相关系数, 组内相关系数（ICC）	3-T MRI系统
2319	2026-04-01	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文建立了一种基于磁敏感对比的MRI新方法，用于非侵入性成像脑内体素内血管尺寸分布，以实现对血管重塑的更全面和定量评估	提出了一种利用深度学习模型从GESFIDE MRI信号预测脑血容量和血管尺寸分布的新方法，实现了对血管重塑的定量成像	需要进一步的验证才能转化为临床前和临床工具	开发一种非侵入性成像方法，以更全面和定量地评估血管重塑	啮齿动物脑血管网络	医学影像分析	癌症、神经退行性疾病、纤维化、高血压、糖尿病	磁敏感对比增强MRI、高分辨率光片荧光显微镜	深度学习模型	MRI信号、显微镜图像	NA	NA	NA	相关系数(r)、Bhattacharya系数	NA
2320	2026-03-31	Integrative deep learning of spatial multi-omics with SWITCH 2025-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00891-w PMID:41162770	研究论文	本文介绍了一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测	提出了循环映射机制，无需额外配对数据即可实现可靠的跨模态翻译，并利用这些翻译作为伪配对提供补充信号	未明确提及具体局限性	开发计算方法来整合未配对的空间多组学数据，并在单模态数据上进行跨模态预测	空间多组学数据	机器学习	NA	空间组学技术	深度生成模型	空间多组学数据	NA	NA	NA	整合准确性、空间域划分精度	NA