深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 19278 篇文献，本页显示第 781 - 800 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-04-05 |
The Synergy of Artificial Intelligence and 3D Bioprinting: Unlocking New Frontiers in Precision and Tissue Fabrication
2025-Oct-28, Advanced functional materials
IF:18.5Q1
DOI:10.1002/adfm.202509530
PMID:41181574
|
综述 | 本文综述了人工智能在3D生物打印中的变革性作用，重点关注AI如何提升其精度、功能性和可扩展性 | 系统性地探讨了AI（包括机器学习、计算机视觉、机器人学等）如何通过实时过程监控、错误纠正和参数优化来革新3D生物打印技术，并强调了其在自动化质量控制、预测性维护和减少生物墨水浪费方面的创新应用 | 在过程监控、质量控制和生物打印系统的可扩展性方面仍存在挑战 | 指导科学家、工程师和医疗保健提供者理解AI增强型生物打印的复杂性和潜力，促进对其在再生医学和个性化医疗中未来作用的更深入认识 | 3D生物打印技术及其与人工智能的融合 | 机器学习, 计算机视觉, 自然语言处理 | NA | 3D生物打印 | 深度学习 | 复杂数据集 | NA | NA | NA | 细胞活力, 结构保真度 | NA |
| 782 | 2026-04-05 |
Artificial intelligence-assisted glaucoma detection on color fundus images: with comorbidity and cross-institutional analysis
2025-Oct-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001289
PMID:41102915
|
研究论文 | 本研究开发了一种基于人工智能的辅助青光眼检测系统，通过彩色眼底图像进行诊断，并进行了跨机构和共病分析 | 开发了一个结合图像增强、视神经区域自动识别和深度学习分类的分步AI管道，并在多种临床环境和共病条件下验证了其高准确性和鲁棒性 | 研究未提及系统在更广泛人群或不同青光眼亚型中的泛化能力，以及长期临床应用的验证 | 开发并验证一个可靠的人工智能系统，用于在彩色眼底图像上检测青光眼，特别是在存在共病眼病和跨机构设置下 | 彩色眼底图像，包括来自台北荣民总医院的训练图像和五个跨区域外部数据集，以及一个代表共病眼病的内部图像集 | 计算机视觉 | 青光眼 | 彩色眼底摄影 | 深度学习 | 图像 | 训练集：1696张图像；测试集：五个外部数据集和一个包含151张图像的内部共病数据集 | NA | NA | 平衡准确率，曲线下面积 | NA |
| 783 | 2026-04-05 |
ACtriplet: An improved deep learning model for activity cliffs prediction by in tegrating triplet loss and pre-training
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101317
PMID:40893440
|
研究论文 | 本文提出了一种名为ACtriplet的改进深度学习模型，通过整合三元组损失和预训练策略来预测活性悬崖 | 将人脸识别中的三元组损失与预训练策略相结合，开发了专门针对活性悬崖的预测模型，以更好地利用现有数据 | 未提及具体的数据量限制或模型泛化能力的详细评估 | 开发一种改进的深度学习模型，用于预测药物发现中的活性悬崖，以优化分子结构 | 活性悬崖（相似化合物对，其结构微小差异导致结合亲和力显著不同） | 机器学习 | NA | 深度学习 | 深度神经网络 | 分子图像或图数据 | 基于30个基准数据集进行实验 | NA | ACtriplet | NA | NA |
| 784 | 2026-04-05 |
Assessing the Performance of the DINOv2 Self-supervised Learning Vision Transformer Model for the Segmentation of the Left Atrium from MRI Images
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3048192
PMID:41878116
|
研究论文 | 本研究评估了基于自监督学习的视觉Transformer基础模型DINOv2在MRI图像上分割左心房的性能 | 探索了在自然图像上预训练的DINOv2模型在医学图像分割任务中的开箱即用潜力，并证明了其在有限标注数据下的优异表现 | 研究主要针对左心房分割，且数据量和患者数量有限，未广泛验证于其他心脏结构或医学影像模态 | 评估DINOv2模型在心脏MRI图像中左心房分割任务的准确性和一致性，探索其在医学影像领域的应用潜力 | 心脏MRI图像中的左心房结构 | 计算机视觉 | 心血管疾病 | MRI成像 | Transformer | 图像 | 未明确说明具体样本数量，但提及了不同数据集大小和患者数量的少样本学习实验 | NA | DINOv2 | Dice系数, IoU | NA |
| 785 | 2026-04-05 |
Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1665173
PMID:41018263
|
研究论文 | 本研究开发并评估了基于彩色眼底照相和光学相干断层扫描的双模态深度学习模型，用于检测多种视网膜疾病，并评估其诊断性能和泛化能力 | 提出了双模态融合模型（Fusion-MIL），结合了彩色眼底照相和光学相干断层扫描数据，在多种设备和扫描模式下表现出优于单模态模型的诊断性能和高泛化能力 | 研究为横断面设计，未进行前瞻性验证；样本量相对有限，且数据来自特定医院和设备，可能影响模型在更广泛人群中的适用性 | 开发并评估深度学习模型，用于检测和分类多种视网膜疾病，提升诊断准确性和泛化能力 | 视网膜疾病患者，包括糖尿病视网膜病变、年龄相关性黄斑变性、病理性近视、视网膜前膜和黄斑水肿等 | 计算机视觉 | 视网膜疾病 | 彩色眼底照相，光学相干断层扫描 | 深度学习模型，多实例学习 | 图像 | 1445对CFP-OCT图像来自1029名患者，另有1184对用于ATN分类 | NA | Fusion-MIL, CFP-MIL, OCT-MIL | AUC | NA |
| 786 | 2026-04-04 |
Exploring the Terra incognita of AI-based domain classifications
2025-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70392
PMID:41288334
|
研究论文 | 本研究探索了基于人工智能的蛋白质结构域分类中的未知领域，特别是针对新型蛋白质折叠的分类挑战 | 整合结构、进化和上下文信息来解析具有挑战性的折叠分配，并扩展蛋白质分类框架至未探索的结构领域 | 研究中部分候选新型折叠结构域可能源于结构域边界预测错误，如截断序列或紧密堆积的结构域重复 | 解决结构生物信息学中新型蛋白质折叠分类的核心挑战，尤其是在深度学习模型如AlphaFold2极大扩展预测蛋白质结构宇宙的背景下 | 来自TED数据库的664个候选新型折叠结构域，这些结构域在结构上多样且基本非冗余，大多缺乏与已知折叠的清晰序列或结构相似性 | 结构生物信息学 | NA | 深度学习模型（如AlphaFold2）、结构生物信息学方法 | 深度学习模型 | 蛋白质结构数据 | 664个候选新型折叠结构域 | NA | AlphaFold2 | NA | NA |
| 787 | 2026-04-04 |
Automated Deep Learning-based Segmentation of the Dentate Nucleus Using Quantitative Susceptibility Mapping MRI
2025-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.240478
PMID:40767617
|
研究论文 | 开发了一种基于深度学习的齿状核自动分割工具，应用于脑部定量磁化率成像 | 提出了一种两步式（定位+分割）深度学习流程，在多个外部数据集上验证了其泛化能力，并公开了模型 | 研究为回顾性设计，样本年龄范围有限（11-64岁），且仅包含特定疾病群体 | 开发一种从脑部QSM图像中自动、准确分割齿状核的工具 | 健康对照者以及小脑性共济失调或多发性硬化症患者的脑部QSM图像 | 医学图像分析 | 小脑性共济失调，多发性硬化症 | 定量磁化率成像 | CNN | 3D MRI图像 | 328名个体（141名健康人，187名患者），来自9个不同数据集 | nnU-Net | nnU-Net | Dice分数，组内相关系数，皮尔逊相关系数 | NA |
| 788 | 2026-04-04 |
Leveraging AI to explore structural contexts of post-translational modifications in drug binding
2025-May-04, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01019-y
PMID:40320551
|
研究论文 | 本文利用AI技术探索翻译后修饰在药物结合中的结构背景，通过大规模建模分析PTMs对药物结合的影响 | 首次大规模应用AI驱动的蛋白质结构预测工具（如AlphaFold3）生成PTM修饰蛋白质与配体结合的模型，并构建了首个提供小分子结合相关PTMs结构背景的资源数据库 | 方法准确性评估需要更大的基准测试集，当前模型的精确度有待进一步验证 | 探索翻译后修饰在药物结合中的结构影响，以促进药物发现 | 人类蛋白质中的小分子结合相关翻译后修饰 | 计算生物学 | 癌症 | AI驱动的蛋白质结构预测与分子对接模拟 | 深度学习 | 蛋白质结构数据 | 6,131个已识别的PTMs，映射到ECOD数据库的结构域，生成了14,178个PTM修饰蛋白质模型 | AlphaFold3, RoseTTAFold All-Atom, Chai-1 | 深度学习蛋白质结构预测模型 | NA | 未明确指定，但提及了计算能力的进步和AI工具的使用 |
| 789 | 2026-04-04 |
Spatial transcriptomic clocks reveal cell proximity effects in brain ageing
2025-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08334-8
PMID:39695234
|
研究论文 | 本研究构建了一个空间分辨的单细胞转录组大脑图谱，并开发了空间衰老时钟模型，以揭示细胞邻近效应对大脑衰老的影响 | 首次开发了基于空间转录组数据的空间衰老时钟模型，能够识别衰老、年轻化和疾病的空间及细胞类型特异性转录组特征，并发现了T细胞和神经干细胞对邻近细胞的显著邻近效应 | 研究仅基于小鼠模型，尚未在人类样本中验证；空间转录组技术的分辨率可能限制对某些细胞相互作用的精确解析 | 研究大脑衰老过程中细胞间相互作用及其对组织功能衰退的影响 | 成年小鼠大脑中的420万个细胞，涵盖20个不同年龄阶段 | 空间转录组学 | 神经退行性疾病 | 空间分辨单细胞转录组测序 | 机器学习模型, 深度学习模型 | 空间转录组数据 | 420万个细胞，来自20个不同年龄的成年小鼠大脑 | NA | 空间衰老时钟 | NA | NA |
| 790 | 2026-04-04 |
Analyzing the impact of social security systems on video-based public health surveillance
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1684291
PMID:41929396
|
研究论文 | 本研究提出了一种结合社会安全系统影响的视频公共卫生监测框架，旨在通过深度学习模型改进时空健康监测 | 开发了分层流行病学变换器（HET）架构，并引入了政策感知动态校准机制（PDCM），以整合实时政策信号和统计偏差，动态调整预测 | 未明确提及具体的数据集规模或模型泛化能力的详细限制 | 整合治理结构与健康信息学，改进视频公共卫生监测系统，以更响应和公平地应对流行病异常 | 视频监测数据中的公共卫生指标、人口多样性和政策驱动干预措施 | 计算机视觉 | 公共卫生 | 视频监测 | Transformer | 视频 | 多个公共卫生视频监测数据集，涵盖不同城市区域和政策设置 | NA | 分层流行病学变换器（HET） | 敏感性 | NA |
| 791 | 2026-04-03 |
MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia
2025-Apr, Annals of the American Thoracic Society
IF:6.8Q1
DOI:10.1513/AnnalsATS.202401-022OC
PMID:39591102
|
研究论文 | 本研究探讨了IPF患者遗传风险谱与基于深度学习的CT影像表型之间的关联 | 首次将MUC5B基因型等常见变异与基于深度学习的UIP模式计算影像特征相关联，利用深度学习分析增强基因型-表型关联的识别能力 | 未发现常见变异与计算影像评估的纤维化程度之间的关联，且MUC5B基因型与视觉评估的UIP模式无显著关联 | 确定IPF患者的遗传风险谱是否能识别独特的计算影像表型 | IPF患者 | 数字病理 | 肺纤维化 | 计算影像分析（放射组学） | 深度学习 | CT影像 | 329名IPF参与者 | NA | NA | NA | NA |
| 792 | 2026-04-03 |
Recipes and ingredients for deep learning models of 3D genome folding
2025-Apr, Current opinion in genetics & development
IF:3.7Q2
DOI:10.1016/j.gde.2024.102308
PMID:39862604
|
综述 | 本文比较和对比了用于预测基因组接触图的深度学习模型，综述了预处理、架构、训练、评估和解释方法 | 系统性地综述了三维基因组折叠的深度学习模型，突出了不同模型的能力和局限性，并指出了未来研究方向 | 作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析 | 探讨深度学习模型在预测三维基因组折叠中的应用，以理解基因调控和疾病机制 | 三维基因组折叠和基因组接触图 | 机器学习 | NA | NA | 深度学习模型 | 基因组接触图数据 | NA | NA | NA | NA | NA |
| 793 | 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 |
| 794 | 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 |
| 795 | 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 |
| 796 | 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 |
| 797 | 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 |
| 798 | 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 |
| 799 | 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 |
| 800 | 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 |