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 1161 - 1180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2026-09-23 |
Generating synthetic tau-PET scans in Alzheimer's disease from MRI, blood biomarkers and demographics with deep learning
2026-May-07, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.06.26352540
PMID:42145644
|
研究论文 | 该研究开发了一种深度学习模型，利用结构MRI、人口统计学信息和血液生物标志物生成合成的tau-PET扫描，用于阿尔茨海默病中的tau病理评估 | 首次使用深度学习从易获取的MRI、人口统计学和血液生物标志物生成合成tau-PET扫描，并验证其能够捕捉具有临床意义的预后信息 | 未明确说明模型的泛化能力、外部验证的充分性以及在不同人群中的适用性；合成扫描的临床实用性仍需进一步前瞻性验证 | 开发一种深度学习模型，从更易获取的数据（MRI、人口统计学、血液生物标志物）合成tau-PET扫描，以解决tau-PET成本高和可及性受限的问题 | 5,191名来自13个队列的参与者，涵盖阿尔茨海默病连续谱或其他神经系统疾病 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像，tau正电子发射断层扫描，血液生物标志物 | 深度学习 | 图像，表格数据 | 5,191名参与者（平均年龄70岁，51%为女性），来自13个队列 | NA | 3D U-Net with residual and attention units | 相关系数R，风险比HR，p值 | NA |
| 1162 | 2026-09-23 |
Real-time AI integration for MR to detect artifacts and guide pulse sequence adaptations
2026-May-07, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.04.722724
PMID:42146385
|
研究论文 | 本文介绍了一种名为PEREGRINE的AI集成MR脉冲序列，能够实时检测体素外伪影并更新梯度方案以减少伪影 | 首次提出了一种AI集成的MR脉冲序列，能够在实时（TR内）检测OOV伪影并前瞻性地更新梯度方案 | AI-on和AI-off会话之间的OOV分数没有显著差异，因为AI-on扫描在更好和更差的梯度排列之间循环，但通过选择持续在特定梯度排列上的瞬态，AI-on扫描的OOV分数显著低于AI-off扫描 | 开发一种AI集成的MR脉冲序列，实时检测OOV伪影并通过更新梯度方案来减少伪影 | 健康志愿者的前额叶皮层 | 医学影像 | NA | 编辑磁共振波谱（MRS） | 卷积自编码器 | 时域和频域MR数据 | 健康志愿者（具体数量未提及） | NA | 卷积自编码器 | OOV分数，拟合质量数（FQN） | NA |
| 1163 | 2026-09-23 |
Reactivation of a TAL1 progenitor cell enhancer region by non-coding somatic variants in T-lineage acute lymphoblastic leukemia
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.03.722504
PMID:42146694
|
研究论文 | 该研究揭示了T细胞急性淋巴细胞白血病中，非编码体细胞变异通过重新激活TAL1祖细胞增强子区域驱动白血病发生的机制 | 发现了位于TAL1下游29kb基因间区的体细胞变异（包括复杂indel和内部串联重复）可创建MYB转录因子结合位点，招募TAL1核心调控回路转录因子MYB、GATA3和RUNX1，激活增强子活性，并从经典TAL1转录本外显子4内的启动子启动转录，产生通常由造血干细胞表达的短异构体；同时发现AlphaGenome深度学习模型无法预测该异构体表达和增强子活性 | 序列到功能的深度学习AI模型AlphaGenome无法预测所观察到的异构体表达和增强子活性，强调了实验验证的必要性；样本仅涉及约6%的TAL1表达型T-ALL病例 | 研究TAL1下游基因间区体细胞非编码变异介导的调控机制及其在T细胞急性淋巴细胞白血病发生中的作用 | T细胞急性淋巴细胞白血病（T-ALL）患者样本中的TAL1表达型病例 | 数字病理学 | 白血病 | ChIP-seq、深度学习序列到功能预测 | 深度学习人工智能模型 | 基因组序列、ChIP-seq数据 | 约6%的TAL1表达型T-ALL病例 | NA | AlphaGenome | NA | NA |
| 1164 | 2026-09-23 |
Whole-body 3D kinematics of freely behaving Drosophila
2026-May-04, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.03.722293
PMID:42146626
|
研究论文 | 本研究开发了一套无标记全身3D姿态估计流程，用于自由活动果蝇的陆地行为分析 | 结合七台同步高速相机与混合2D/3D深度学习模型，追踪50个关键点并通过逆运动学优化生成解剖学可行的运动轨迹，首次揭示果蝇在整个速度范围内进行地面奔跑而无离散步态转换，并发现求偶雄性协调双翅鸣唱及调节俯仰角追踪雌性垂直位置 | 未明确提及 | 实现自由活动果蝇的全身3D运动学精确测量，以理解神经系统如何产生协调运动 | 自由活动的果蝇 | 计算机视觉 | NA | 无标记3D姿态估计、高速摄像、深度学习、逆运动学 | 混合2D/3D深度学习模型 | 视频 | 未明确提及 | NA | NA | NA | NA |
| 1165 | 2026-09-23 |
Regulatory risk loci link disrupted androgen response to the pathophysiology of polycystic ovary syndrome
2026-May, Journal of the Endocrine Society
IF:3.0Q2
DOI:10.1210/jendso/bvag083
PMID:41994484
|
研究论文 | 该研究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（PCOS）风险变异对细胞类型特异性调控的影响，揭示雄激素响应失调在PCOS病理生理中的作用 | 采用深度学习模型预测PCOS风险变异的细胞类型特异性调控效应，发现约20%风险变异具有增强子破坏活性，并揭示这些变异通过影响雄激素介导信号传导参与PCOS高雄激素血症的分子机制 | 未明确说明模型在独立数据集上的泛化能力，且风险变异的功能验证主要依赖报告基因实验，缺乏体内实验验证 | 解析PCOS易感位点如何在不同表型中驱动分子机制，特别是风险变异对基因调控的影响及其与疾病病理生理的关联 | 多囊卵巢综合征（PCOS）风险变异及其在不同细胞类型（脑、内分泌细胞、胎儿脑、胰腺、脂肪细胞、内皮细胞等）中的调控效应 | 机器学习 | 多囊卵巢综合征 | 表观基因组注释、深度学习预测、报告基因实验 | 深度学习 | 基因组、表观基因组、变异数据 | NA | NA | 深度学习框架 | 与报告基因实验数据的一致性 | NA |
| 1166 | 2026-09-23 |
Estimating band importance for environmental sound recognition using deep learninga)
2026-May-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0043736
PMID:42065403
|
研究论文 | 利用深度学习建模环境声音识别，估计频率带重要性函数 | 首次使用深度学习在竞争语音中建模环境声音识别，并比较人类训练模型与真实训练模型的频带重要性模式 | 研究仅涉及46名听众和25种日常声音，样本规模有限，且未考虑其他类型的掩蔽声 | 估计环境声音识别中支持识别的频率区域重要性 | 环境声音识别任务中的频率带重要性函数 | 机器学习 | NA | 深度学习建模 | 深度学习模型 | 音频信号和听众响应数据 | 46名听众，25种日常声音，多种目标-掩蔽比 | NA | NA | 识别准确率 | NA |
| 1167 | 2026-09-23 |
Mobile-based deep learning approach for the early diagnosis of canine skin and eye diseases using mobileNetV2
2026-May, Open veterinary journal
IF:0.9Q3
DOI:10.5455/OVJ.2026.v16.i5.20
PMID:42375429
|
研究论文 | 该研究开发了一种基于MobileNetV2的移动端深度学习方法，用于犬类皮肤和眼部疾病的早期诊断 | 将MobileNetV2架构集成到移动应用中，实现犬类皮肤和眼部疾病的实时分类，并在准确性和效率上优于InceptionV3和ResNet50 | 未明确提及样本量、数据多样性、模型泛化能力以及实际部署中的性能限制 | 开发一种移动端深度学习方案，用于犬类皮肤和眼部疾病的早期诊断，特别是在资源有限的环境中 | 犬类皮肤和眼部疾病图像 | 计算机视觉 | 犬类皮肤和眼部疾病 | 深度学习 | CNN | 图像 | NA | NA | MobileNetV2, InceptionV3, ResNet50 | 准确率 | NA |
| 1168 | 2026-09-23 |
Deep Learning-Based Analysis of Gene Expression Data and Gene-Related Information in Pediatric Surgical Oncology: A Scoping Review
2026-May, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71976
PMID:42169622
|
综述 | 本文是一篇范围综述，系统检索并总结了将深度学习应用于儿童颅外实体瘤基因表达及相关数据的研究现状 | 首次针对儿童外科肿瘤学领域深度学习与基因表达数据结合的应用进行范围综述，系统梳理了研究现状、技术路线及差距 | 仅纳入9项研究，数据集规模小，外部验证罕见，方法学不一致，缺乏前瞻性验证 | 明确深度学习在儿童外科肿瘤学中基因表达及基因相关信息分析的研究现状 | 儿童颅外实体瘤（以神经母细胞瘤为主）的基因表达数据和基因相关信息 | 数字病理学, 机器学习 | 儿童肿瘤, 神经母细胞瘤 | NA | 深度学习模型 | 基因表达数据, 文本 | 9篇符合纳入标准的研究 | NA | NA | NA | NA |
| 1169 | 2026-09-23 |
Evaluation of a super-resolution deep learning reconstruction algorithm in abdominal CT imaging-A qualitative and quantitative performance analysis
2026-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70633
PMID:42192227
|
研究论文 | 该研究对腹部CT成像中一种超分辨率深度学习重建算法（PIQE）与AiCE进行了主观和客观图像质量的对比评估 | 首次对原为心脏CT设计的超分辨率深度学习重建算法PIQE在腹部CT中的应用进行评估，并与AiCE进行系统的主客观图像质量对比 | 读者间一致性仅为一般（Krippendorff's alpha约为0.20），样本量相对较小（69例），且为单中心回顾性研究 | 评估超分辨率深度学习重建算法PIQE相较于AiCE在腹部CT成像中对图像质量的改善效果 | 69例成年患者的常规对比增强腹盆腔CT检查 | 计算机视觉 | NA | 腹部对比增强CT成像 | 深度学习图像重建 | 图像 | 69例成年患者的腹盆腔CT检查 | NA | NA | Krippendorff's alpha，CT值，噪声，信噪比（SNR），对比噪声比（CNR），Friedman检验，Dunn-Sidak校正 | Aquilion ONE/INSIGHT CT系统（Canon Medical Systems） |
| 1170 | 2026-09-23 |
DrugPTM-Bench: A Large-Scale Dataset for Predictive Modeling of Drug-Induced Cell Type-Specific Protein Post-Translational Modifications
2026-Apr-30, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.27.721113
PMID:42094496
|
研究论文 | 本文提出了DrugPTM-Bench，一个大规模基准数据集，用于药物诱导的细胞类型特异性蛋白质翻译后修饰的预测建模 | 构建了首个标准化、药物扰动的大规模PTM数据集，涵盖7种癌细胞系、27种药物和11167种蛋白质，包含6个时间点、16个剂量水平和pEC50效力值，并定义了分类任务来识别药物处理后上调、下调或不变的PTM位点 | 在蛋白质不相交的分布外设置中，基线机器学习和深度学习模型难以恢复少数调控类别，标准重平衡策略仅以提高精确度和总体F1分数为代价来改善召回率，当前方法无法学习调控与未变化PTM事件之间的稳健决策边界 | 解决现有PTM资源静态且无法捕捉药物诱导调控的问题，为药物发现提供以PTM为中心的多任务基准 | 7种癌细胞系、27种药物、11167种蛋白质的翻译后修饰位点 | 机器学习 | 癌症 | 解密M衍生的剂量依赖性PTM测量、磷酸化蛋白质组学 | 机器学习、深度学习基线模型 | 磷酸化蛋白质组学数据 | 7种癌细胞系、27种药物、11167种蛋白质、6个时间点、16个剂量水平，99.5%为磷酸化事件 | NA | NA | 召回率、精确度、F1分数 | NA |
| 1171 | 2026-09-23 |
Learning dynamics of unsupervised deep learning reveal epoch-specific genetic architectures of brain morphology
2026-Apr-28, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.24.720631
PMID:42094373
|
研究论文 | 该研究通过分析在UK Biobank的T1加权脑MRI上训练的3D卷积自编码器的学习动态，揭示了不同训练时期捕捉到不同的脑形态遗传结构，并表明集成多个信息性检查点能发现更多基因组风险位点 | 首次将无监督深度学习的学习动态作为遗传发现的新维度，证明了不同训练时期捕捉不同的遗传结构，集成多个检查点优于单一检查点方法，并揭示了时期特异性位点（如MAPT和MCPH1）映射到不同的神经解剖特征 | 摘要中未明确提及研究限制 | 探索无监督深度学习在学习过程中表示演化对遗传发现的影响，并利用学习动态来揭示脑形态的遗传结构 | UK Biobank参与者的T1加权脑MRI数据 | 医学影像分析、遗传学 | 脑部疾病（如神经退行性疾病） | T1加权脑MRI、3D卷积自编码器 | 3D卷积自编码器 | 3D图像 | NA | NA | 3D卷积自编码器 | NA | NA |
| 1172 | 2026-09-23 |
Toward trustworthy clinical AI for obsessive-compulsive disorder: reliability, generalizability, and interpretability of a transformer model across the ENIGMA-OCD consortium
2026-Apr-27, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.04.24.26351711
PMID:42094125
|
研究论文 | 该研究将基于Transformer的深度学习模型（Multi-Band Brain Net）应用于ENIGMA-OCD联盟的大型静息态功能磁共振成像数据集，系统评估了模型在强迫症分类中的可靠性、泛化性和可解释性 | 首次在最大的强迫症rs-fMRI多站点数据集上系统评估Transformer模型的可靠性（校准）、泛化性（留一站点验证）和可解释性（注意力权重分析），并发现大规模预训练虽不提升准确率但能显著改善模型校准和消除扫描仪制造商偏差 | 模型分类性能仅为中等水平（AUROC = .653 ± .039），留一站点验证存在明显的跨站点泛化差距（AUROC = .427-.819），预训练未能弥合该泛化差距 | 开发可信赖的强迫症临床人工智能，评估模型的可靠性、泛化性和可解释性，为强迫症的临床AI应用提供框架 | 强迫症患者和健康对照者的静息态功能磁共振成像数据 | 机器学习 | 强迫症 | 静息态功能磁共振成像（rs-fMRI） | Transformer | 图像 | 1,706名参与者（869例强迫症患者，837名健康对照），来自全球23个站点；预训练数据集为UK Biobank（N = 40,783） | NA | Multi-Band Brain Net（基于Transformer） | AUROC | NA |
| 1173 | 2026-09-23 |
Feature-Based Parametric Response Mapping on Thoracic Computed Tomography for Robust Disease Classification in COPD
2026-Apr-27, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.04.24.26351675
PMID:42094132
|
研究论文 | 开发了一种基于特征的可解释深度参数响应映射方法（PRMD），结合小波散射卷积网络与机器学习，在配对吸气-呼气CT上检测和量化功能性小气道疾病与肺气肿，并提升噪声鲁棒性 | 首次将小波散射卷积网络与子空间学习分类器结合用于参数响应映射，实现了可解释的、特征驱动的、抗噪声的肺气肿与fSAD体素级分类，显著优于传统密度法PRM | 回顾性分析设计，样本以吸烟暴露人群为主，外部多中心验证尚需进一步开展，未报告具体计算资源与推理时间 | 开发并验证一种可解释的深度参数响应映射方法，用于在配对吸呼气CT上稳健地检测和量化功能性小气道疾病与肺气肿 | 8972名烟草暴露的COPDGene参与者，包括肺功能正常对照（n=3872）、PRISm（n=1089）和GOLD 1-4期COPD患者（n=4011） | 医学图像分析 | 慢性阻塞性肺疾病 | 配对吸气-呼气胸部CT，小波散射变换 | 小波散射卷积网络，子空间学习分类器，机器学习 | 图像 | 8972名参与者的配对CT扫描（训练:验证:测试 = 24:6:70） | NA | 小波散射卷积网络，子空间学习分类器 | 体素级一致性，Pearson相关系数，Bland-Altman分析，配对t检验，噪声鲁棒性误差率 | NA |
| 1174 | 2026-09-23 |
CT-Based Deep Foundation Model for Predicting Immune Checkpoint Inhibitor-Induced Pneumonitis Risk in Lung Cancer
2026-Apr-23, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.04.21.26351428
PMID:42078359
|
研究论文 | 该研究开发并验证了一种基于CT的深度学习基础模型CIPHER，用于预测肺癌患者免疫检查点抑制剂相关性肺炎的风险 | 结合对比学习和基于Transformer的掩码自编码器构建深度学习基础模型，并在大规模CT切片上进行自监督预训练，以预测免疫检查点抑制剂相关性肺炎 | 需要在更多前瞻性队列中进行验证，以确认其临床实用性 | 开发和验证一种深度学习基础模型，从基线CT扫描中预测肺癌患者的免疫检查点抑制剂相关性肺炎 | 肺癌患者，包括非小细胞肺癌（NSCLC）患者 | 数字病理学（医学影像分析） | 肺癌 | CT成像，自监督学习，对比学习，掩码自编码器 | Transformer | 图像（CT扫描） | 预训练：来自2,500名NSCLC患者的590,284个CT切片；模型开发：254名患者；内部验证：93名患者；外部验证：116名患者 | NA | Transformer，掩码自编码器 | AUC，平衡准确率 | NA |
| 1175 | 2026-09-23 |
Temporally-resolved deep learning reveals autism symptom-specific neural signatures during naturalistic social experiences
2026-Apr-22, Research square
DOI:10.21203/rs.3.rs-9023571/v1
PMID:42078896
|
研究论文 | 开发了一种可解释的双流深度学习网络DualPathNet，在自然观看电影时同时捕捉稳定特质模式和瞬时事件特异性神经反应，以识别自闭症症状特异性神经特征 | 开发了DualPathNet双流深度学习网络，同时捕捉稳定特质样模式和瞬时事件特异性神经反应；使用仅2-3分钟情感挑战性刺激达到>70%准确率；通过可解释AI揭示了自闭症相关神经特征在特定高需求社会情感时刻选择性表达，而非在所有情境中均匀表达 | 未明确提及 | 开发客观的、情境特异性的自闭症神经生物学标志物，以克服传统结构和静息态神经影像的局限性 | 555名儿童（274名自闭症患者，281名对照组） | 机器学习 | 自闭症 | 自然观影范式，功能磁共振成像 | 深度学习 | 图像（神经影像数据） | 555名儿童（274名自闭症患者，281名对照组） | NA | DualPathNet（双流网络） | 准确率 | NA |
| 1176 | 2026-09-23 |
Expanding P-NET, a multi-purpose biologically informed deep learning framework
2026-Apr-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.19.719454
PMID:42079220
|
研究论文 | 本文介绍扩展的P-NET框架，一种基于生物通路的可解释深度学习框架，用于计算生物学中的基因组和转录组预测任务 | 利用生物通路信息进行可解释预测，并扩展到P-NET 2.0，整合基因和通路信息 | 摘要中未明确提及局限性 | 开发一个通用且可解释的深度学习框架，用于计算生物学任务 | 基因组和转录组数据 | 计算生物学 | NA | NA | 深度学习 | 基因组和转录组数据 | NA | NA | P-NET | NA | NA |
| 1177 | 2026-09-23 |
Transcription factor collaboration enables precise T cell state engineering
2026-Apr-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.20.718569
PMID:42079248
|
研究论文 | 通过对原发性CD8 T细胞进行3,548个转录因子及异构体的混合过表达筛选，结合perturb-SHARE-seq和深度学习框架seq2PRINT，构建了CD8 T细胞状态的转录因子协作图谱，并揭示了RUNX2:KLF2相互作用在调控耗竭相关程序中的关键作用 | 首次在多种CD8 T细胞状态下对3,548个转录因子及异构体进行混合过表达筛选，鉴定出82个与耗竭特异性程序协作的调控因子；开发了seq2PRINT深度学习框架预测功能性转录因子相互作用；发现RUNX作为"主协作因子"广泛协作，并鉴定出RUNX2:KLF2相互作用指定耗竭相关程序；证明通过合成拴系转录因子可实现细胞状态的理性工程化 | NA | 系统筛选和解析CD8 T细胞状态特异性的转录因子及其协作网络，特别是耗竭状态的调控机制，并探索通过转录因子工程化实现T细胞状态精准改造的可行性 | 原发性CD8 T细胞，包括多种CD8 T细胞状态（如耗竭状态） | 机器学习 | 癌症 | 混合过表达筛选、perturb-SHARE-seq、单细胞测序 | 深度学习 | 单细胞多组学数据（染色质可及性和基因表达） | 702,314个单细胞 | NA | seq2PRINT | NA | NA |
| 1178 | 2026-09-23 |
Retracing and rewriting the evolutionary trajectories of mammalian developmental enhancers
2026-Apr-21, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.20.719714
PMID:42079151
|
研究论文 | 该研究通过大规模并行报告基因实验测试了480个现存和祖先重建的哺乳动物基因组中五个小鼠发育增强子的直系同源序列，揭示了哺乳动物增强子的功能进化模式 | 结合大规模并行报告基因实验和深度学习预测染色质可及性的模型驱动重建策略，首次在核苷酸分辨率上追踪和重写哺乳动物发育增强子的进化轨迹，揭示了上下文依赖的上位效应和增强子编辑的不对称可预测性 | 研究仅针对五个小鼠发育增强子，可能无法代表所有哺乳动物增强子的进化模式；模型驱动的预测可能存在偏差；未在体内验证所有预测的因果突变 | 探究哺乳动物发育增强子在进化过程中如何获得、丢失、维持或改变功能，并开发重编程内源性顺式调控元件活性的框架 | 五个小鼠发育增强子及其在480个现存和祖先重建的哺乳动物基因组中的直系同源序列 | 基因组学 | NA | 大规模并行报告基因实验（MPRAs）、深度学习预测染色质可及性、祖先序列重建（Zoonomia, Cactus） | 深度学习模型 | 基因组序列、染色质可及性数据 | 480个现存和祖先重建的哺乳动物基因组 | NA | NA | NA | NA |
| 1179 | 2026-09-23 |
AI-Driven Bone and Marrow Segmentation on FLT-PET/CT: Technical Multi-organ Validation in AML and HCT
2026-Apr-19, Research square
DOI:10.21203/rs.3.rs-9077609/v1
PMID:42040934
|
研究论文 | 本研究评估了一种AI驱动的多器官分割平台在FLT-PET/CT上对急性髓系白血病（AML）和造血干细胞移植（HCT）患者进行骨髓和骨骼分割的技术验证 | 首次在FLT-PET/CT上对AML和HCT患者进行AI驱动的全身体骨骼和骨髓分割，并分别量化皮质骨和小梁骨髓 compartments，提供了技术验证 | 样本量较小（20例患者），仅在有限区域（5个代表性ROI）进行了验证，未全面评估所有134个预定义区域，且未与临床结果直接关联 | 评估深度学习全身体分割和皮质-小梁骨髓量化在FLT-PET/CT上对AML和HCT患者的可行性和准确性 | 20例接受全身骨髓和淋巴照射（TMLI）及移植的难治性AML患者 | 数字病理学, 医学图像分析 | 白血病, 急性髓系白血病 | FLT-PET/CT | 深度学习 | 图像 | 20例患者，134个预定义区域，5个代表性ROI（脾、肝、T6、L1、L3） | NA | NA | 相关系数（r > 0.98），p值（p < 0.0001），处理时间减少约95% | NA |
| 1180 | 2026-09-23 |
Revised Deep Learning Semiparametric Regression for Testing and Estimating Treatment Effect Heterogeneity in Observational Studies: A Lung Transplant Case Study
2026-Apr-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.13.718254
PMID:42039548
|
研究论文 | 该论文提出了一种修订的深度学习半参数回归框架，用于在观察性研究中检验和估计治疗效应异质性，并以肺移植为例，分析双侧肺移植与单侧肺移植对FEV1效果的患者间差异 | 开发了修订的深度学习半参数回归框架，能够在存在复杂混杂因素的观察性注册数据中控制假阳性并更准确地估计个体化治疗效应 | 摘要中未明确说明研究的局限性 | 研究双侧肺移植相对于单侧肺移植的功能获益是否因患者特征而异，并识别临床相关的获益人群 | 接受肺移植的患者，来自大型国家注册数据库 | 机器学习 | 肺癌 | NA | NA | 注册登记数据 | 来自大型国家注册数据库的肺移植患者队列 | NA | NA | NA | NA |