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
241	2026-04-03	Improving Equity in Deep Learning Medical Applications with the Gerchberg-Saxton Algorithm 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00163-8 PMID:38681756	研究论文	本文研究了一种利用Gerchberg-Saxton算法在频率域进行变换的新方法，以减少深度学习医疗应用中的种族-民族偏见	提出了一种基于Gerchberg-Saxton算法的频率域变换方法，用于减少深度学习模型中的偏见，特别是针对种族-民族偏见	NA	减少深度学习在医疗应用中的偏见，提高模型的公平性和泛化能力	深度学习模型在医疗应用中的偏见问题，特别是针对代表性不足人群的种族-民族偏见	机器学习	NA	Gerchberg-Saxton算法	深度学习模型	NA	NA	NA	NA	NA	NA
242	2026-04-03	Modeling Zinc Complexes Using Neural Networks 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00095 PMID:38587510	研究论文	本文构建了一个深度学习架构，用于模拟锌有机金属配合物的能量学	针对锌配合物，开发了深度学习模型，并强调了部分电荷在神经网络模拟长程相互作用中的重要作用，克服了传统采样方法的限制	NA	研究锌有机金属配合物的能量学，以加速基于量子化学的模型开发	锌有机金属配合物	机器学习	NA	元动力学	神经网络	化学结构数据	NA	NA	NA	平均绝对误差	NA
243	2026-04-03	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的方法，利用黄斑光学相干断层扫描（OCT）图像来检测青光眼的功能性进展并预测未来进展	提出了一种新颖的深度学习模型，通过自监督预训练视觉变换器（ViT）在大规模未标记OCT图像数据集上，实现了对青光眼进展的检测和预测	研究为回顾性队列研究，可能存在选择偏倚，且样本量在预测任务中相对较小	利用黄斑OCT成像预测未来并检测并发的青光眼视野进展	青光眼患者的黄斑OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ViT	图像	预训练数据集包含来自151,389项黄斑OCT研究的7,702,201张B扫描图像；进展检测任务包括来自828名青光眼患者1534只眼的3902项黄斑OCT成像研究；进展预测任务包括来自784名患者1205只眼的1346项黄斑OCT研究	NA	视觉变换器（ViT）	AUC, 灵敏度, 特异性	NA
244	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
245	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA
246	2026-04-03	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本研究利用深度学习与人工智能技术，从常规H&E组织病理图像中提取病理组学特征，揭示肺腺癌从癌前病变到侵袭性腺癌的免疫与分子演化过程	首次结合深度学习细胞分割与病理组学特征分析，系统解码肺腺癌癌前病变演化，并验证了与昂贵分子/免疫分析结果的一致性	样本量相对有限（98例患者），且仅基于H&E图像分析，未整合多组学数据	探究肺腺癌早期癌变过程中的免疫与分子演化规律	肺组织样本，包括正常组织、非典型腺瘤样增生、原位腺癌、微浸润腺癌及侵袭性腺癌	数字病理	肺癌	深度学习，人工智能，H&E组织病理图像分析	深度学习模型	图像	98例患者，162张切片，669个感兴趣区域（包括143正常、129非典型腺瘤样增生、94原位腺癌、98微浸润腺癌、205侵袭性腺癌）	NA	NA	NA	NA
247	2026-04-03	Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia 2023-10-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002267 PMID:37523623	研究论文	本研究提出了一种基于光学相干断层扫描（OCT）的多模态深度学习分类模型，用于诊断伴有或不伴有高度近视的原发性开角型青光眼	引入了结合纹理信息的多模态深度学习分类器，在青光眼诊断中优于单模态模型及不含纹理信息的多模态模型，尤其是在高度近视眼中表现更佳	样本量相对有限，且研究仅针对特定类型的青光眼（POAG）和高度近视定义（眼轴长度>26mm）	评估基于宽视野OCT视神经头立方扫描的多模态深度学习分类器在伴有或不伴有轴性高度近视眼中的青光眼诊断准确性	原发性开角型青光眼（POAG）患者和健康受试者的眼睛，分为非高度近视组（眼轴长度≤26mm）和高度近视组（眼轴长度>26mm）	数字病理学	青光眼	光学相干断层扫描（OCT），共焦扫描激光检眼镜（cSLO）	深度学习分类器	图像	593只眼睛（非高度近视组：371只POAG眼，86只健康眼；高度近视组：92只POAG眼，44只健康眼）	NA	VGG-16	调整后的受试者工作特征曲线下面积（AUC）	NA
248	2026-04-03	SwarmDeepSurv: swarm intelligence advances deep survival network for prognostic radiomics signatures in four solid cancers 2023-Aug-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100777 PMID:37602223	研究论文	本文提出了一种名为SwarmDeepSurv的新方法，通过集成群体智能算法与深度生存模型，优化预后预测并减少高维特征中的冗余信息	首次将群体智能算法与深度生存模型结合，设计了四个目标函数以同时优化预后预测和特征选择数量	未提及具体局限性	研究放射组学特征与生存终点之间的关系，并提高预后预测的准确性	四种实体癌症的多中心数据集（n=1,058）	机器学习	肺癌,前列腺癌,心血管疾病,老年疾病	NA	深度生存网络	放射组学特征	1,058例患者	NA	SwarmDeepSurv	患者风险分层	NA
249	2026-04-03	Predicting benefit from immune checkpoint inhibitors in patients with non-small-cell lung cancer by CT-based ensemble deep learning: a retrospective study 2023-07, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00082-1 PMID:37268451	研究论文	本研究通过基于CT的集成深度学习模型预测非小细胞肺癌患者对免疫检查点抑制剂的获益情况	首次开发了基于预处理CT扫描的集成深度学习模型（Deep-CT），用于预测免疫检查点抑制剂治疗后的生存结果，并证明其能提供独立于现有临床病理生物标志物的正交信息	回顾性研究设计，可能存在选择偏倚；仅使用两个医疗中心的数据，需要外部验证	研究深度学习在胸部CT扫描中的应用，以推导对免疫检查点抑制剂反应的成像特征，并评估其在临床背景中的附加价值	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	集成深度学习模型	图像	976名转移性EGFR/ALK阴性非小细胞肺癌患者	NA	集成深度学习模型	C-index, 总体生存期, 无进展生存期	NA
250	2026-04-03	Deep learning-level melanoma detection by interpretable machine learning and imaging biomarker cues 2020-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.25.11.112906 PMID:33247560	研究论文	本文开发了一种可解释的机器学习技术，用于区分皮肤镜图像中的黑色素瘤和痣，并通过界面整合感官线索	提出了一种非深度学习的透明机器学习算法，在诊断性能上优于领先的深度学习方法，并提供了可解释的成像生物标志物线索	未明确说明样本量或数据来源的具体细节，可能限制了结果的泛化性	创建一种透明的机器学习技术，以区分黑色素瘤和痣，并开发感官线索整合界面	皮肤镜图像中的黑色素瘤和痣	计算机视觉	黑色素瘤	皮肤镜成像	集成机器学习分类器, 深度学习分类器	图像	NA	NA	卷积机器学习	诊断接收者操作曲线下面积	NA
251	2026-04-03	Deep learning enables automated volumetric assessments of cardiac function in zebrafish 2019-10-25, Disease models & mechanisms IF:4.0Q1 DOI:10.1242/dmm.040188 PMID:31548281	研究论文	本文开发了一个基于深度学习的图像分析平台，用于自动从斑马鱼胚胎心脏的动态光片荧光显微镜图像中提取心脏功能的体积参数	开发了名为心脏功能成像网络的深度学习平台，首次实现了对斑马鱼胚胎心脏功能的自动化体积评估，相比现有方法具有更高的敏感性和准确性	NA	开发自动化工具以精确评估斑马鱼胚胎模型中的心脏功能	斑马鱼胚胎心脏	计算机视觉	心血管疾病	动态光片荧光显微镜	深度学习	图像	NA	NA	NA	敏感性, 准确性	NA
252	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
253	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
254	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
255	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
256	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
257	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
258	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
259	2026-04-02	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	本研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者放疗后心房颤动的发生率，整合了患者特异性临床、剂量学和诊断信息	通过整合多源患者特异性信息，采用混合深度学习架构处理不同类型输入特征，并在内部和外部验证中表现一致	样本量有限，心房颤动事件数量较少（内部17例，外部6例），可能影响模型泛化能力	预测非小细胞肺癌患者放化疗后心房颤动的发生率	非小细胞肺癌患者	机器学习	肺癌	放疗剂量学	机器学习模型, 深度学习模型	临床数据, 剂量学数据, 诊断数据	内部数据集321例（含17例心房颤动），外部数据集187例（含6例心房颤动）	NA	混合深度学习架构	AUC	NA
260	2026-04-02	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本文开发并评估了一个基于丹麦乳腺癌协作组共识的深度学习自动分割模型，用于乳腺癌放疗中淋巴结水平的自动分割	首次基于全国多机构共识数据集训练深度学习模型，用于乳腺癌放疗中淋巴结临床靶区的自动分割，并在全国范围内进行临床实施评估	模型中CTVn胸肌间淋巴结的Dice相似系数中位数低于0.7，且存在两个例外情况未达到专家组间观察者变异水平	开发并验证一个多机构深度学习自动分割模型，用于高风险乳腺癌患者淋巴结临床靶区的自动分割，以实现全国临床实施	高风险乳腺癌患者的淋巴结临床靶区	数字病理学	乳腺癌	深度学习	深度学习模型	医学图像	由丹麦所有放疗中心的21名乳腺癌勾画专家创建的金标准数据集和高质量训练数据集	NA	NA	Dice相似系数	NA