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 12055 篇文献，本页显示第 2141 - 2160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2141 | 2026-08-24 |
Protein design, generative AI and biological security
2026, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2026.1817535
PMID:41994287
|
综述 | 本文综述了人工智能驱动的蛋白质设计领域，探讨其双重用途影响，并提出平衡开放科学进步与生物安全的缓解策略。 | 系统评估了生成式蛋白质设计的生物安全风险，特别是AI生成的蛋白质可能逃避基于同源性的筛选，并提出了分层缓解策略。 | 未提供具体的实验验证或量化风险评估，主要基于现有文献和推理。 | 评估生成式蛋白质设计的双重用途影响，并提出相应的生物安全缓解策略。 | AI生成的蛋白质序列和结构，及其在生物技术和生物安全中的应用。 | 机器学习 | NA | 深度学习 | 生成模型 | 文本 | NA | NA | NA | NA | NA |
| 2142 | 2026-08-24 |
Artificial intelligence in the diagnosis of thyroid diseases: applications and challenges
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1740915
PMID:41994322
|
综述 | 本文综述了人工智能在甲状腺疾病诊断中的最新应用，重点讨论机器学习和深度学习算法在多种影像模态中的图像分类、分割和目标检测，并分析其面临的挑战 | 通过跨模态研究整合，揭示了AI在不同影像模态中的应用，突出了其在特征提取和风险分层中的潜在价值，并对数据异质性和可解释性不足等关键挑战进行了深入分析 | AI应用面临数据异质性和可解释性不足等挑战，限制了临床信任和采用 | 探讨人工智能在甲状腺疾病诊断中的应用及其挑战，为个性化医疗和改善患者预后提供新途径 | 甲状腺疾病患者相关的超声、计算机断层扫描、磁共振成像和单光子发射计算机断层扫描影像数据 | 数字病理学 | 甲状腺疾病 | NA | 机器学习、深度学习 | 医学影像（超声、CT、MRI、SPECT） | NA | NA | NA | NA | NA |
| 2143 | 2026-08-24 |
RN-D3: detection, differentiation, and delineation of radiation necrosis on post-contrast MRI
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1891883
PMID:42625867
|
研究论文 | 本研究评估了多种深度学习分割模型在机构内放射坏死队列上的再训练效果，并整合最佳组件构建RN-D3端到端流水线，用于放射坏死的检测、区分和勾画 | 首次提出RN-D3端到端流水线，整合CNN分割骨干与RN-versus-non-RN分类器，同时解决检测、区分和勾画问题，并评估了多种预训练策略和架构在外部数据上的泛化能力 | 外部测试队列仅包含脑转移瘤患者，小病灶检测率较低，所有架构在外部数据上性能均有下降 | 评估深度分割模型在放射坏死检测和勾画中的表现，并构建端到端流水线用于放射坏死与脑转移瘤的区分 | 放射坏死病灶及脑转移瘤病灶 | 医学影像分析 | 放射坏死 | MRI（对比增强MRI） | 卷积神经网络（CNN）和Transformer | 图像（MRI） | 训练集：52名放射坏死患者（质子束放疗后）；外部测试集：29名患者39个放射坏死病灶，以及115个脑转移瘤病灶 | PyTorch, MONAI | nnU-Net, STU-Net, TRIAD PlainConv, Spark3D, SwinUNETR, TRIAD SwinB | Dice相似系数（DSC），表面Dice（2 mm），病灶检出率，敏感性，特异性 | NA |
| 2144 | 2026-08-24 |
A Multimodal Graph Neural Network Based on MRI Radi-omics for Prognostic Prediction in Locally Advanced Cervical Squamous Cell Carcinoma
2026 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center
IF:2.5Q3
DOI:10.1177/10732748261480328
PMID:42627373
|
研究论文 | 开发并验证一种结合多序列MRI和临床变量的多模态图神经网络框架，用于预测局部晚期宫颈鳞状细胞癌的总生存期 | 创新性地构建了基于MRI影像组学的多模态图神经网络，利用图结构建模MRI切片间的空间关系，并整合成像特征与临床变量生成深度学习预后评分 | 该研究为回顾性队列研究，样本量有限，且未在外部独立队列中验证模型的泛化能力 | 开发和验证一个临床可解释的多模态深度学习框架，用于预测局部晚期宫颈鳞状细胞癌的总生存期，以支持个性化风险评估和治疗决策 | 247例经病理确诊的局部晚期宫颈鳞状细胞癌患者 | 数字病理学 | 宫颈癌 | MRI成像 | 图神经网络 | 影像和临床数据 | 247例患者 | NA | ResNet-50 | ROC曲线下面积、Kaplan-Meier生存分析、Cox回归分析 | NA |
| 2145 | 2026-08-24 |
Research on LSTM-based spatial target trajectory forecasting enhanced by attention mechanisms
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0356376
PMID:42627817
|
研究论文 | 提出了一种结合注意力机制与长短期记忆网络的卫星轨道预测修正方法，以提高空间目标轨道预测精度 | 将注意力机制与LSTM结合，利用历史轨道数据中的位置误差、速度和加速度特征预测轨道误差并修正SGP4预测结果，突破了传统物理模型的局限性 | 预测难度随预测时长增加而加大，模型更适合短期轨道误差预测；对网络神经元数量的设置较为敏感，可能影响模型性能 | 提高空间目标轨道预测的精度，为轨道误差预测、空间态势感知和碰撞预警提供有效方法 | LAGEOS卫星及不同轨道高度的卫星 | 机器学习 | NA | NA | LSTM、BiLSTM、SVM、BP神经网络 | 轨道数据（位置误差、速度、加速度等特征） | LAGEOS卫星的轨道数据及不同轨道高度的卫星验证数据 | NA | 注意力增强的LSTM（ATLSTM） | 残差比例（X、Y、Z轴） | NA |
| 2146 | 2026-08-24 |
Improved motor imagery BCI performance via task-unaware compression in the BELT Bayesian Edge-Cloud architecture
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0354976
PMID:42627854
|
研究论文 | 提出了一种模块化的贝叶斯边缘-云架构BELT，并实现了轻量级版本BELT-lite，用于改进运动想象脑机接口的性能 | 基于贝叶斯先验和后验的三个设计原则，任务无关压缩与分类目标的自动编码器结合，以及轻量级分类器适用于嵌入式设备 | 准确性相对EEGNet有约2.7个百分点的降低，且需要用户特定的微调 | 设计可扩展、可移植、隐私保护的脑机接口系统，提高运动想象BCI的性能和实用性 | 运动想象脑机接口数据，具体为BCI Competition IV-2a和IV-2b数据集 | 机器学习，脑机接口 | 不适用 | 脑电图 | 轻量级线性时不变模型 | 脑电图信号 | 18名受试者的脑电图数据，十折交叉验证 | 不适用 | 贝叶斯边缘-云架构，任务无关自动编码器，网络调优块 | 准确率，延迟，p值 | ARM Cortex-A7硬件 |
| 2147 | 2026-08-24 |
Automated classification of osteoporotic vertebral compression fractures in DR images based on improved YOLO26n-seg
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1844808
PMID:42630171
|
研究论文 | 提出了一种改进的YOLO26n-seg-SAConv模型，用于DR图像中骨质疏松性椎体压缩性骨折的自动化Genant分类，提高了分类性能并降低了计算复杂度 | 首次将Switchable Atrous Convolution（SAConv）模块替代YOLO26n-seg中的传统卷积下采样模块，在提高分类精度的同时减少计算量，实现对OVCFs的自动化Genant分类 | 方法学研究，数据来自单一机构及其附属机构，样本量相对有限；未报告外部验证结果；对小型骨折类型的改进可能受样本不平衡影响 | 验证自动化Genant分类OVCFs在DR图像上的可行性，为后续临床分诊辅助工具的开发提供技术基础 | 骨质疏松性椎体压缩性骨折（OVCFs）的DR图像 | 计算机视觉 | 骨质疏松性椎体压缩性骨折 | NA | YOLO26n-seg | 图像 | 483张DR图像 | NA | YOLO26n-seg, SAConv | mAP50, FLOPs | NA |
| 2148 | 2026-08-24 |
Multiparametric MRI and artificial intelligence for non-invasive HER2 assessment in breast cancer: a comprehensive review
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1893638
PMID:42630186
|
综述 | 系统评估多参数MRI结合放射组学和人工智能在乳腺癌HER2状态无创评估中的应用价值。 | 全面综述了多参数MRI序列和人工智能在HER2评估中的互补作用，并特别关注了HER2低表达与零表达的区分。 | 研究设计多为回顾性，参考标准存在异质性，外部验证有限。 | 评估多参数MRI结合放射组学和人工智能在无创评估乳腺癌HER2状态中的效用。 | 乳腺癌患者的HER2状态评估。 | 医学影像分析 | 乳腺癌 | 多参数MRI | 放射组学、机器学习、深度学习 | 影像数据 | 34项研究 | NA | NA | AUC, p值 | NA |
| 2149 | 2026-08-24 |
Two-stage posture enhancement and stability modelling for pre-fall risk detection in athletic movements
2026, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2026.1867362
PMID:42630246
|
研究论文 | 提出一种两阶段深度学习框架，用于运动中的跌倒前风险检测，包括姿态增强和稳定性建模 | 采用两阶段框架，RePoseNet细化不完整的3D姿态序列，StaFallNet集成稳定性指标进行风险预测 | 未提及具体限制，但可能受限于UCF101子集和手动标注的帧级标签 | 提高运动训练中跌倒前风险的早期检测能力 | 运动中的跌倒相关动作，特别是UCF101数据集中的跌倒子集 | 计算机视觉 | 肌肉骨骼损伤 | 单目3D姿态估计 | GRU, 动态图网络 | 视频图像 | UCF101数据集中跌倒相关子集，具体样本数未提供 | NA | RePoseNet (GRU, 跨关节注意力) 和 StaFallNet (动态图网络) | 平均每关节位置误差, PCK | NA |
| 2150 | 2026-08-24 |
Deep learning in ventral hernia imaging: automated multi-structure CT segmentation for surgical planning
2026, Journal of abdominal wall surgery : JAWS
DOI:10.3389/jaws.2026.15545
PMID:42630268
|
研究论文 | 本文利用TransUNet启发的深度学习模型对215例腹壁疝患者的CT影像进行自动化多结构分割，以辅助外科手术规划 | 首次将TransUNet架构应用于腹壁疝CT影像的多结构自动分割，实现疝缺损及关键解剖结构的快速、标准化评估 | 作为概念验证，需进一步的前瞻性临床验证才能用于手术决策 | 开发并验证用于腹壁疝手术规划的自动化CT分割深度学习系统 | 腹壁疝患者的CT影像及疝缺损、腹直肌、侧腹壁肌肉、腰肌等解剖结构 | 计算机视觉 | 腹壁疝 | CT成像 | TransUNet | 影像（CT） | 215例成人腹壁疝患者的CT扫描 | NA | TransUNet | IoU | NA |
| 2151 | 2026-08-24 |
Developing artificial intelligence-based techniques for brain MRI image segmentation
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1894751
PMID:42630294
|
研究论文 | 本研究利用公开的Kaggle脑MRI数据集，开发了一种基于卷积神经网络（CNN）的自动脑MRI图像分割框架，以提高分割精度和效率 | 提出了一种结合预处理技术和CNN的AI分割框架，相较于传统图像处理方法在分割精度和减少人工干预方面表现更优 | 未提及具体局限性 | 开发基于AI的脑MRI图像分割技术，以支持神经系统疾病的准确诊断和治疗 | 脑MRI图像中的正常脑组织和异常区域 | 计算机视觉 | 脑肿瘤、阿尔茨海默病、多发性硬化症 | MRI | CNN | 图像 | 未提及具体样本数量 | NA | CNN | 准确率、Dice分数、IoU | NA |
| 2152 | 2026-08-24 |
Decoding serum C-reactive protein-associated molecular patterns in aging and secondhand smoke exposure chronic obstructive pulmonary disease male patients: evidence from cross-sectional, multi-omic and clinical studies
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1922619
PMID:42630335
|
研究论文 | 本研究通过横断面、多组学和临床研究，解码衰老和二手烟暴露相关的慢性阻塞性肺疾病男性患者血清C反应蛋白相关分子模式。 | 首次系统整合多组学数据，结合132种机器学习模型、NMF分析、单细胞分析和深度学习框架，全面揭示SCRP在衰老和SHS暴露COPD中的分子特征和致病通路。 | 主要基于公开数据库和横断面数据，需进一步前瞻性验证；功能验证仅限于q-RT-PCR，缺乏体内外功能实验。 | 探索SCRP在衰老和二手烟暴露COPD发病中的分子机制，并建立诊断和分子分型模型，识别潜在治疗靶点。 | 慢性阻塞性肺疾病患者，特别是衰老和二手烟暴露的男性患者。 | 生物信息学、多组学、数字病理学 | 慢性阻塞性肺疾病 | 转录组测序、单细胞测序、q-RT-PCR | 机器学习模型、深度学习模型 | RNA-seq数据、单细胞数据、临床数据 | NHANES中7864名COPD患者，以及多个公开转录组和单细胞数据集（GSE248493, GSE55962, GSE77344, GSE42057, GSE1455871, GSE126923, GSE167295） | NA | NMF、scTenifoldKnk、AUCell、DrugReflector | 诊断模型评估指标（未明确，如AUC、准确率等） | NA |
| 2153 | 2026-08-24 |
Diagnostic performance of deep learning-based vaginal microecological morphology assessment for bacterial vaginosis and vulvovaginal candidiasis
2026, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2026.1898300
PMID:42630354
|
研究论文 | 评估基于深度学习的阴道微生态形态学评估系统（DL-VMM）在细菌性阴道病和外阴阴道念珠菌病诊断中的性能 | 首次整合深度学习模块于自动化阴道分泌物分析仪，用于阴道微生态形态学评估，以实现客观、标准化和快速的阴道炎诊断 | 不一致病例虽少但需警惕，在模棱两可的病例中可能需人工复核；研究为单中心且样本量有限 | 评估DL-VMM系统在诊断细菌性阴道病和外阴阴道念珠菌病方面的诊断准确性，并分析与常规湿片镜检的一致性 | 有症状的女性阴道涂片样本 | 数字病理学 | 细菌性阴道病、外阴阴道念珠菌病 | 显微镜检查 | 深度学习模型 | 图像 | 500名有症状女性的阴道涂片 | NA | NA | 敏感度、特异度、Cohen's kappa系数、总一致性 | NA |
| 2154 | 2026-08-24 |
Recent advances in deep learning for leukemia diagnosis: a scoping review of diagnostic modalities and fusion-based approaches
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1874695
PMID:42630465
|
综述 | 本文对基于深度学习的白血病诊断研究进行了范围综述，涵盖了多种诊断方式和融合方法。 | 采用临床导向的结构化方法分析白血病诊断中的多模态深度学习研究，并批判性评估数据集设计、模态偏差、验证方法和模型可解释性对可靠性和转化能力的影响。 | 仅有限的研究实现了真正的多模态集成，且多数方法局限于单一数据模态和基于基准的性能分析，对模型泛化和临床适用性的理解有限。 | 总结深度学习在白血病检测和诊断中的最新进展，识别研究空白，并为该领域的未来研究提供路线图。 | 深度学习在白血病诊断中的多种模态，包括外周血和骨髓图像分析、基因表达和多组学建模、流式细胞术学习、常规实验室数据分析以及多模态诊断方法。 | 机器学习 | 白血病 | NA | 深度学习模型，如变换器架构、注意力多实例学习、基础模型和可解释人工智能 | 图像、基因表达数据、多组学数据、流式细胞术数据、实验室数据 | NA | NA | 变换器、注意力机制基础模型、可解释人工智能 | 准确性 | NA |
| 2155 | 2026-08-23 |
LncPNdeep: A long non-coding RNA classifier based on large language model with peptide and nucleotide embedding
2026-Oct, Non-coding RNA research
IF:5.9Q1
DOI:10.1016/j.ncrna.2026.06.004
PMID:42621896
|
研究论文 | 开发了LncPNdeep，一种整合核苷酸和肽段嵌入的深度学习框架，用于准确区分长链非编码RNA与编码RNA，并在人类转录组和跨物种数据上取得了最优性能 | 首次结合掩码语言模型提取的核苷酸和肽段双模态嵌入，利用BigBird、Longformer和ProtTrans的上下文表示，通过拼接神经网络架构增强lncRNA分类能力 | 未在摘要中明确提及具体局限性，但可能包括对大规模计算资源的需求或对特定物种的依赖 | 开发一种整合核苷酸和肽段特征的长链非编码RNA分类工具，以提高分类准确性和跨物种泛化能力 | 人类转录组及跨物种数据集中的长链非编码RNA与编码RNA序列 | 机器学习 | NA | 掩码语言模型（BigBird、Longformer、ProtTrans） | 深度学习模型 | 核苷酸序列和肽段序列数据 | 人类转录组数据集及跨物种数据集，具体数量未在摘要中说明 | NA | BigBird、Longformer、ProtTrans、拼接神经网络 | 准确率、F1分数 | NA |
| 2156 | 2026-08-23 |
Artificial intelligence in onco-anaesthesia: Current applications, challenges, and future directions
2026-Sep-20, World journal of methodology
DOI:10.5662/wjm.117916
PMID:42625971
|
综述 | 本文综述了人工智能在肿瘤麻醉学中的当前应用、面临的挑战及未来发展方向，涵盖术前、术中和术后的围手术期癌症管理路径。 | 系统性地总结了AI在肿瘤麻醉学中的应用，包括术中闭环麻醉系统、预测性血流动力学监测及多模态数据整合，并探讨了AI在验证“肿瘤麻醉假说”中的作用。 | 存在数据异质性、泛化性有限、算法不透明、监管不确定性和伦理问题等挑战，且需要大型前瞻性研究验证。 | 探讨人工智能如何变革肿瘤麻醉实践，从反应性生理管理转向预测性和精准化护理，并识别未来发展的关键方向。 | 围手术期癌症患者，涵盖术前风险评估、术中麻醉管理及术后并发症监测。 | 机器学习、数字病理 | 癌症（多种类型） | 电子健康记录表型分析、基因组学、放射组学、可穿戴生物信号、高分辨率生理波形分析 | 机器学习、深度学习模型（具体类型未指定） | 电子健康记录、影像数据、基因组数据、生物信号、生理波形 | 不适用（综述文章，未涉及具体样本） | NA | NA | NA | NA |
| 2157 | 2026-08-23 |
Deep Learning for Fetal Left Ventricular Outflow Tract Assessment: Opportunities and Challenges
2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70240
PMID:41863022
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2158 | 2026-08-23 |
Diagnostic performance of artificial intelligence models trained on scattered single-cell images is not preserved for hyperchromatic crowded cell groups in cervical cytology
2026-Sep, Cancer cytopathology
IF:2.6Q2
DOI:10.1002/cncy.70140
PMID:42566440
|
研究论文 | 本研究量化了基于散在单细胞图像训练的人工智能模型在应用于宫颈细胞学中的深染拥挤细胞团时的性能损失 | 首次系统评估了从散在单细胞图像训练的AI模型直接应用于深染拥挤细胞团时的性能下降，并强调了直接验证和模型设计需考虑HCG的必要性 | 研究仅涉及二分类任务，且HCG独立数据集规模较小，未进行重新训练或阈值调整 | 评估基于散在单细胞图像训练的AI模型在宫颈细胞学HCG上的泛化性能，并强调直接验证的重要性 | 宫颈液基细胞学图像，包括散在单细胞和深染拥挤细胞团 | 计算机视觉 | 宫颈癌 | NA | 卷积神经网络 | 图像 | 散在细胞数据集101例（1062张图像），HCG独立数据集48例（330张图像） | NA | ResNet-50, ResNeXt-50, ConvNeXt-Tiny, EfficientNet-B3, VGG-19, GoogLeNet | 曲线下面积（AUC） | NA |
| 2159 | 2026-08-23 |
Deep learning auto-contouring of target and organs-at-risk on post-catheter implant CT images for prostate HDR brachytherapy
2026-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70748
PMID:42613795
|
研究论文 | 开发并验证了一种基于3D深度学习（nnU-Net）的前列腺高剂量率近距离治疗中靶区和危及器官自动勾画模型，其在术后导管CT图像上的表现优于商业模型 | 专门针对前列腺HDR近距离治疗后导管CT图像设计，使用自配置U-Net架构（nnU-Net），在几何和剂量学指标上均优于商业模型，支持临床可行性 | 未明确提及局限性，可能包括样本量有限、单中心数据等（标题和摘要未提供详细信息） | 开发并验证一种用于前列腺HDR近距离治疗中靶区和危及器官自动勾画的3D深度学习模型，以提高准确性和效率 | 前列腺PTV、膀胱、直肠和尿道（经Foley导管识别） | 深度学习，医学图像分割 | 前列腺癌 | CT成像 | CNN（基于U-Net） | 图像（CT图像） | 206例训练病例，36例测试病例 | PyTorch（基于nnU-Net实现，通常使用PyTorch） | nnU-Net | Dice系数（DSC），Hausdorff距离（HD95%），平均表面距离（ASD），剂量学指标（PTV V100%，膀胱和直肠D1cc，尿道D0.1cc） | 未在标题和摘要中提及具体GPU类型或资源 |
| 2160 | 2026-08-23 |
Efficient and rapid generation of high-quality CT images from CBCT using a flow matching model
2026-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70637
PMID:42613830
|
研究论文 | 本文提出了一种基于流匹配模型的CBCT到CT图像转换方法，旨在快速高效地生成高质量的合成CT图像，用于在线自适应放射治疗等临床应用 | 首次将流匹配模型应用于CBCT到CT的图像转换，该模型构建连续轨迹从先验分布转换到目标分布，相比传统扩散模型需要更少的采样步骤即可获得更优性能，提高了计算效率 | 摘要中未提及明确的局限性，但可能包括对特定解剖区域（腹部-盆腔）的验证，以及模拟CBCT成像过程可能不完全代表真实临床数据 | 利用流匹配模型实现CBCT到CT的转换，快速生成高质量CT图像，以满足在线自适应放疗等时效性强的临床需求 | 腹部-盆腔CT扫描，共135例，用于模型训练（95例）、验证（15例）和测试（25例），并生成配对CBCT-CT图像用于评估 | 计算机视觉 | NA | CBCT成像模拟，深度学习生成模型 | 流匹配模型 | 图像（CT和CBCT） | 135例腹部-盆腔CT扫描，其中训练95例、验证15例、测试25例 | NA | 流匹配模型 | 平均绝对误差（MAE）、结构相似性指数（SSIM）、峰值信噪比（PSNR）、图像清晰度指标 | NA |