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	2026-04-06	Incorporating indirect MRI information in a CT-based deep learning model for prostate auto-segmentation 2025-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110806 PMID:39988305	研究论文	本研究开发了一种基于CT的深度学习模型，用于前列腺自动分割，旨在在CT成像中实现MRI轮廓指南	首次设计用于在CT成像中实施MRI轮廓指南的深度学习模型，并且是首个根据ESTRO-ACROP轮廓指南训练的模型	模型在开发过程中从未接触过MRI图像，可能限制了其对MRI信息的间接利用能力	开发一种深度学习模型，用于在CT成像中自动分割前列腺及危及器官，以辅助前列腺癌外部束放射治疗	165名前列腺癌患者的CT扫描数据	数字病理学	前列腺癌	CT扫描	深度学习	图像	165例患者CT扫描（136例训练，29例测试）	NA	三维U-Net	Dice相似系数, 95百分位Hausdorff距离	NA
122	2026-04-06	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	本研究提出了一种结合深度学习超分辨率4D血流MRI与物理信息虚拟功-能相对压力技术的非侵入性方法，用于量化颅内狭窄动脉的压力下降	首次将深度学习超分辨率技术与物理信息虚拟功-能相对压力技术相结合，用于颅内狭窄血管的非侵入性压力量化，显著提高了亚毫米分辨率下的测量精度	研究首先在模拟颅内环境的脉动流实验中验证，然后转移到患者队列，但样本量有限，且依赖于参考导管侵入性测量进行验证	开发一种非侵入性方法来量化颅内狭窄血管的压力下降，以评估功能性狭窄严重程度	颅内动脉狭窄患者（颅内动脉粥样硬化疾病）	医学影像分析	脑血管疾病/中风	四维（4D）血流磁共振成像（MRI），深度学习超分辨率技术，物理信息虚拟功-能相对压力技术	深度学习模型	MRI影像数据	一个颅内动脉粥样硬化疾病患者队列（具体数量未在摘要中说明）	NA	NA	与参考导管侵入性测量的一致性，压力估计的准确性	NA
123	2026-04-06	Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases 2025-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110773 PMID:39914742	研究论文	本研究开发了一种两阶段的个性化深度学习自动分割模型，用于辅助大体积脑转移瘤的在线勾画，以优化磁共振引导自适应放疗的工作流程	提出了一种两阶段的个性化深度学习自动分割模型，专门针对大体积脑转移瘤在放疗过程中的体积变化进行优化，相比基础模型和刚性配准方法，在肿瘤体积显著缩小时表现出更好的性能	研究样本量相对有限，仅基于20个大体积脑转移瘤的741幅每日在线MR图像进行个性化模型开发，且仅对8名患者进行了手动勾画与DLAS辅助勾画的对比评估	优化磁共振引导自适应放疗（MRgART）的工作流程，提高大体积脑转移瘤在线勾画的准确性和效率	大体积脑转移瘤（直径≥2厘米）患者	数字病理学	脑转移瘤	磁共振成像（MRI），深度学习自动分割	深度学习模型	多序列磁共振图像	177个脑转移瘤用于基础模型训练，20个大体积脑转移瘤的741幅每日在线MR图像用于个性化模型开发，8名患者用于对比评估	NA	NA	Dice相似系数（DSC）	NA
124	2026-04-06	Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers 2025-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110782 PMID:39929288	研究论文	本研究探讨了多种MRI序列对头颈部区域基于深度学习的合成CT生成质量的影响	首次系统评估了多种MRI序列（包括T1pre-、T1post-contrast、T2及Dixon图像）在深度学习合成CT生成中的效果，并确定了最优的多通道输入组合	样本量较小（仅26名患者），且研究局限于头颈部癌症，未涉及其他解剖区域	评估多通道MRI序列对深度学习合成CT生成质量的影响，以支持头颈部癌症的仅MRI放射治疗计划	头颈部癌症患者的MRI和CT图像数据	医学影像分析	头颈部癌症	MRI序列（T1pre-、T1post-contrast、T2及Dixon图像）	深度学习模型	医学影像（MRI和CT图像）	26名头颈部癌症患者，共12个MRI序列	U-Net框架	U-Net	平均绝对误差（MAE）、Dice相似系数（DSC）、Gamma通过率	NA
125	2026-04-06	A variational deep-learning approach to modeling memory T cell dynamics 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.08.602409 PMID:40060443	研究论文	本文提出了一种结合深度学习和随机变分推理的方法，用于从高维单细胞流式细胞术数据中同时推断动态模型参数和细胞群体结构，以研究小鼠流感病毒感染后肺驻留记忆T细胞的动态变化	该方法直接基于原始单细胞数据训练，而非预定义聚类动力学，能够同时推断动态模型参数和群体结构，为高维时间序列数据的解释提供了新基础	研究仅针对小鼠流感病毒感染模型中的肺驻留记忆T细胞，尚未在其他生物系统或疾病中验证	研究流感病毒感染后肺驻留记忆CD4和CD8 T细胞的动态发展和持久性	小鼠肺组织中的记忆CD4和CD8 T细胞	机器学习	流感	单细胞流式细胞术	深度学习	单细胞流式细胞术数据	NA	NA	NA	NA	NA
126	2026-04-06	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文介绍了一个用于胸部X光片中结核病病灶语义分割的新数据集TB-Portals SIFT，并评估了多种分割模型的性能与泛化能力	提出了首个专门用于结核病病灶语义分割的公开数据集TB-Portals SIFT，包含6,328张图像和10,435个伪标签病灶实例；首次系统比较了UNet和YOLOv8-seg架构在结核病分割任务上的表现，并探索了基于分割模型的分类器在泛化能力上的优势	数据集中的病灶标注为伪标签，可能存在标注噪声；研究主要关注模型泛化性能比较，未深入分析临床部署的实际挑战	开发能够实现结核病病灶语义分割的深度学习模型，提升结核病自动筛查系统的可解释性和泛化能力	胸部X光片中的结核病病灶区域	计算机视觉	结核病	深度学习，语义分割	CNN	图像	6,328张胸部X光图像，包含10,435个病灶实例	PyTorch	UNet, nnUNet, YOLOv8-seg, DenseNet121	分割性能指标（未具体说明），分类准确率，目标检测性能	NA
127	2026-04-05	Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions 2025-Dec-26, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3649164 PMID:41929561	研究论文	本文提出了一种基于深度学习的定量评估方法，用于减少专用双面板乳腺PET扫描仪中的空间变异变形，并改善乳腺病灶的成像质量和量化分析	开发了一种生成合成临床样乳腺图像的方法，包括复杂病灶形状（如毛刺状病灶）和示踪剂依赖性活动特征（[F]FES和[F]FDG），并在临床样合成数据上训练神经网络以抑制双面板PET重建中的变形	先前研究仅使用简化几何对象和均匀背景进行训练和测试，未能完全代表乳腺PET成像的临床复杂性；本研究虽引入临床样数据，但合成数据可能仍与真实临床场景存在差异	评估深度学习在减少专用双面板乳腺PET扫描仪空间变异变形方面的效果，以改善病灶可视化和量化	临床样乳腺病灶，包括复杂形状病灶（如毛刺状病灶）和示踪剂依赖性活动特征（[F]FES和[F]FDG）	医学影像分析	乳腺癌	专用双面板乳腺PET扫描（B-PET），统计迭代重建（DIRECT-RAMLA）	深度学习神经网络	合成临床样乳腺PET图像	NA	NA	NA	病灶对比度指标，图像粗糙度	NA
128	2026-04-05	Multimodal Motion Capture Toolbox for Enhanced Analysis of Intersegmental Coordination in Children with Cerebral Palsy and Typically Developing 2025-12-16, Journal of visualized experiments : JoVE DOI:10.3791/69604 PMID:41490048	研究论文	本研究开发了一个多模态运动捕捉工具箱，用于增强脑瘫儿童和正常发育儿童节段间协调性的分析	结合了多种运动捕捉技术（包括研究级运动学设备、惯性测量单元、3D无标记系统和基于MediaPipe的2D无标记系统），并采用开源方法解决感觉处理问题患者群体的挑战	样本量较小（仅包括两名脑瘫儿童和两名正常发育儿童），可能限制结果的普遍性	评估和比较3D标记与2D无标记运动捕捉系统在分析儿童运动协调模式中的可行性和效果	脑瘫儿童和正常发育儿童	计算机视觉	脑瘫	运动捕捉技术、深度学习人体姿态估计	NA	视频、运动学数据	4名儿童（2名脑瘫儿童，2名正常发育儿童）	MediaPipe	NA	NA	NA
129	2026-04-05	Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization 2025-12-12, Journal of visualized experiments : JoVE DOI:10.3791/69287 PMID:41460740	研究论文	本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要生成	将案例推理与多阶段Transformer架构相结合，用于法律文本摘要，在事实准确性、推理保真度和法律实体保留方面表现优异	未明确说明模型的计算复杂度或处理超长法律文档的具体限制	开发一种能够准确高效生成法律文本摘要的混合方法	法律案例文本	自然语言处理	NA	深度学习，案例推理	Transformer	文本	4,968个法律案例	未明确说明	多阶段Transformer架构	准确率，ROUGE分数，连贯性	NA
130	2026-04-05	Overcoming Extrapolation Challenges of Deep Learning by Incorporating Physics in Protein Sequence-Function Modeling 2025-Nov-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.09.687530 PMID:41293023	研究论文	本文提出了一种通过整合蛋白质物理相互作用和动力学来改进深度学习模型在蛋白质序列-功能建模中外推能力的方法	将基于物理的建模（如突变能量效应量化）直接整合到卷积和图卷积神经网络中，以克服数据稀缺导致的外推限制	未明确提及具体实验设置或数据集的局限性，但暗示了传统深度学习模型在外推任务中的普遍挑战	提高深度学习模型在预测未见位置或突变类型变异功能效应时的外推准确性	蛋白质序列-功能关系，特别是通过深度突变扫描数据和可用结构学习序列到功能的映射	机器学习	NA	深度突变扫描	CNN, 图卷积神经网络, Transformer	序列数据, 结构数据	NA	NA	卷积神经网络, 图卷积神经网络, Transformer	NA	NA
131	2026-04-05	Deep learning in CT image reconstruction and processing: techniques, performance evaluation, radiation dose, and future perspective 2025-Nov-01, The British journal of radiology DOI:10.1093/bjr/tqaf260 PMID:41099810	综述	本文综述了基于深度学习的CT图像重建与处理技术，涵盖技术实现、性能评估、辐射剂量降低及未来展望	系统分类DLR方法（投影空间、投影到图像空间、图像空间及混合技术），并强调虚拟成像试验等定量评估技术的重要性	在低对比度病变检测和表征方面存在挑战，辐射剂量降低可能仍低于传统方法的50%，且低剂量下可能产生虚假结构	概述深度学习在CT图像重建与处理中的应用，以优化算法降低辐射剂量并提升诊断性能	CT图像重建与处理技术，包括噪声降低、伪影校正和空间分辨率增强	计算机视觉	NA	深度学习图像重建	NA	CT图像	NA	NA	NA	噪声降低、伪影校正、空间分辨率增强	NA
132	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
133	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
134	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
135	2026-04-05	Seeing through multimode fibers using real-valued intensity transmission matrix with deep learning 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.553949 PMID:40219515	研究论文	本文提出了一种结合实值强度传输矩阵与深度学习的方法，用于通过多模光纤增强图像检索	提出了一种混合方法，结合实值强度传输矩阵与分层并行多尺度注意力U-Net，以提高图像质量并减少训练数据需求	未明确提及具体局限性，但暗示纯深度学习方法通常需要大量训练数据且泛化能力有限	改善通过多模光纤的图像传输质量，应用于生物医学内窥镜和电信领域	多模光纤中的图像传输	计算机视觉	NA	实值强度传输矩阵算法，深度学习	U-Net	图像	NA	NA	分层并行多尺度注意力U-Net	结构相似性指数, 峰值信噪比	NA
136	2026-04-05	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	研究论文	本文开发了名为PiCAP和CAPSIF2的深度学习模型，用于预测蛋白质与碳水化合物的非共价结合及其相互作用位点	提出了新的数据集和神经网络架构PiCAP用于蛋白质水平的碳水化合物结合预测，以及CAPSIF2用于残基水平的相互作用位点预测，在预测性能上超越了现有模型	未明确说明模型在更广泛蛋白质组或不同物种中的泛化能力，以及实验验证的详细程度	预测蛋白质与碳水化合物的非共价结合及其相互作用位点，以探索蛋白质-碳水化合物相互作用的广泛性	蛋白质，特别是已知的碳水化合物结合蛋白、DNA结合转录因子、细胞骨架成分、特定抗体和小分子结合蛋白	机器学习	NA	深度学习	神经网络	蛋白质序列数据	基于已知碳水化合物结合蛋白的数据集，具体数量未明确	NA	PiCAP, CAPSIF2	平衡准确率, Dice系数	NA
137	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
138	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
139	2026-04-04	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2025-Dec-25, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	本文介绍了一种仅使用非增强CT图像全自动量化急性缺血性卒中净水摄取的方法	提出了一种基于专家启发式和体素级计算的完全自动化NWU量化流程，无需深度学习组件，实现了从常规NCCT扫描直接评估卒中	分割准确性中等（Dice系数约0.47-0.48），且为回顾性研究，需进一步验证临床适用性	开发一种自动化、可重复的方法来量化缺血性卒中早期病变进展，以评估溶栓治疗效果	急性缺血性卒中患者的非增强CT图像	数字病理学	缺血性卒中	非增强CT成像	NA	图像	内部数据集185例患者（排除后155例），外部测试集51例患者（排除后46例）	NA	NA	病变检测率, 平均绝对NWU误差, Dice相似系数, 平均平均精度	NA
140	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