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
3241	2026-04-06	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-07, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	研究论文	本研究开发了一种基于CT的深度学习模型，用于儿科上腹部肿瘤放疗中危及器官的自动勾画，并评估了其在多个数据集上的鲁棒性	结合内部和公共数据集训练模型，提高了模型在儿科上腹部OARs分割中的鲁棒性，并针对年龄组差异进行了性能分析	胃-肠和胰腺的分割性能较低（DSC值低于0.90），且0-2岁年龄组的模型表现最差	开发并评估用于儿科上腹部放疗中危及器官自动勾画的深度学习模型	儿科上腹部肿瘤患者（包括肾肿瘤和神经母细胞瘤）的CT图像	数字病理	儿科肿瘤	CT成像	深度学习	CT图像	内部数据集189例儿科患者，公共数据集189例CT扫描	NA	NA	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
3242	2026-04-06	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	研究论文	本研究探讨了使用传统DenseNet架构，通过优化层数和图像融合策略，在口咽癌患者无复发生存期预测中是否能够达到与先进深度学习模型相当的性能	研究表明，具有81层的传统DenseNet架构在内部测试集上达到了与更复杂架构的先进模型相当的预测性能，并在外部测试中表现更优，且移除GTV输入数据在某些情况下能提升外部测试性能	研究未详细讨论模型在其他癌症类型或更大数据集上的泛化能力，也未分析不同融合策略在所有临床场景下的最优性	比较传统DenseNet架构与先进深度学习模型在口咽癌患者无复发生存期预测中的性能	口咽癌患者	数字病理	口咽癌	PET和CT成像	DenseNet	图像	HECKTOR 2022数据集包含489名患者（训练集369名，测试集120名），外加400名患者的外部测试集	NA	DenseNet81	C-index	NA
3243	2026-04-06	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.30.651481 PMID:40654621	研究论文	本研究开发了一种基于深度学习的自动化关节空间检测方法，用于提高小鼠爪骨分割的准确性	在先前半自动标记分水岭算法基础上，引入了结构增强、张量投票和输出膨胀技术，并结合3D U-Net架构的深度学习模型进行关节空间预测	在疾病严重程度增加和年龄增长的小鼠中分割准确性下降，特别是在关节炎严重的前爪数据集中性能衰减明显	开发自动化图像分析方法以定量描述复杂解剖结构，减少人工分割的需求和观察者间变异	小鼠后爪和前爪的微CT图像数据集，包括野生型和TNF转基因关节炎模型	数字病理学	关节炎	微计算机断层扫描	CNN	3D图像	包含野生型和TNF转基因小鼠的后爪和前爪数据集，测试组占52.4%	NA	3D U-Net, ResNet-18	分割准确率	NA
3244	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
3245	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
3246	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
3247	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
3248	2026-04-06	Targeted design of synthetic enhancers for selected tissues in the Drosophila embryo 2024-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06905-9 PMID:38086418	研究论文	本文结合深度学习和迁移学习，设计了针对果蝇胚胎中五个组织的特异性增强子	首次通过结合全基因组单细胞ATAC-seq数据和体内增强子活性小规模数据，利用迁移学习实现组织特异性增强子的靶向设计	未明确讨论设计增强子的通用性或跨物种适用性，且实验验证仅基于40个合成增强子	开发一种靶向设计具有组织特异性活性的合成增强子的方法	果蝇胚胎中的中央神经系统、表皮、肠道、肌肉和大脑组织	机器学习	NA	ATAC-seq, 体内增强子活性测定	CNN	基因组序列数据	基于全基因组单细胞ATAC-seq数据集和小规模体内增强子活性数据	NA	卷积神经网络	阳性预测值	NA
3249	2026-04-06	Cell-type-directed design of synthetic enhancers 2024-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06936-2 PMID:38086419	研究论文	本文利用深度学习模型设计合成增强子，以靶向果蝇大脑中的特定细胞类型，并探索增强子的调控逻辑	首次使用深度学习从随机序列高效设计细胞类型特异性合成增强子，并创建了'双代码'增强子和小于50个碱基对的最小功能增强子	NA	解码增强子的调控逻辑，理解基因表达在增强子序列中的编码细节，并利用深度学习设计合成增强子以操纵细胞状态	果蝇大脑中的Kenyon细胞和胶质细胞，以及人类增强子	机器学习	NA	深度学习，转基因动物实验	深度学习模型	序列数据（增强子序列）	NA	NA	NA	NA	NA
3250	2026-04-06	Automatic semantic segmentation of kidney cysts in MR images of patients affected by autosomal-dominant polycystic kidney disease 2021-03, Abdominal radiology (New York) DOI:10.1007/s00261-020-02748-4 PMID:32940759	研究论文	本文开发了一种基于卷积神经网络的自动语义分割方法，用于在常染色体显性多囊肾病患者的磁共振图像中分割肾脏囊肿	提出了一种全自动的语义分割方法，用于区分和分析ADPKD患者的肾脏囊肿，其性能达到观察者间变异性水平	研究样本量较小（60例MR图像），且仅使用T2加权图像，可能限制了模型的泛化能力	开发并评估一种全自动语义分割方法，以区分和分析ADPKD患者的肾脏囊肿，用于自动分类患者表型、临床决策和疾病进展监测	常染色体显性多囊肾病患者的磁共振图像中的肾脏囊肿	数字病理学	常染色体显性多囊肾病	磁共振成像	CNN	图像	60例MR T2加权图像	NA	NA	Dice系数, 总囊肿体积百分比差异	NA
3251	2026-04-05	Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70289 PMID:41639931	研究论文	开发并验证了一种在超高场下同时映射静态场和发射场不均匀性的方法，结合深度学习加速实现快速在线应用	提出CLUB-Sandwich序列，通过在多回波读出中集成B1+映射，实现B0和B1+的同时快速估计，并首次结合深度学习进行加速重建	研究仅基于11名健康志愿者的数据，未在患者群体或不同疾病状态下验证，且未评估长期稳定性	开发一种快速、准确的超高场MRI中B0和B1+场不均匀性同时映射方法	11名健康志愿者的MRI数据	医学影像处理	NA	超高场MRI（7T）、多回波序列、低秩张量补全、深度学习重建	深度学习模型	3D MRI图像数据	11名健康志愿者	NA	NA	相关系数、均方根误差	NA
3252	2026-04-05	A computationally efficient hybrid Kolmogorov-Arnold network for hyperspectral classification of signatory pen inks 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112897 PMID:41775118	研究论文	本文提出了一种用于签名笔油墨高光谱分类的计算高效的混合CNN-KAN网络架构	首次将卷积神经网络（CNN）与Kolmogorov-Arnold网络（KAN）结合，形成混合CNN-KAN架构，以CNN前端提取特征并降维，KAN后端增强非线性拟合能力，有效区分高度相似的油墨类别	研究仅针对40个品牌和型号的签名笔油墨，未在其他更广泛或更复杂的数据集上进行验证	为法医文件检验领域提供一种基于高光谱成像技术的、高精度且计算高效的深度学习解决方案，用于无损、精确地区分签名笔油墨	签名笔油墨	计算机视觉	NA	高光谱成像（HSI）	CNN, KAN	高光谱图像	涉及40个品牌和型号的签名笔油墨	NA	CNN-KAN, VGG, AUNet	准确率	NA
3253	2026-04-05	Analysis of passive bloodstain morphology across surface textures and drop heights using deep learning 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112890 PMID:41707408	研究论文	本研究利用深度学习分析被动血迹形态在不同表面纹理和滴落高度下的变化，验证了冲击角确定的一致性	首次将深度学习（特别是MobileNet模型）应用于血迹模式分析，以区分不同滴落高度产生的血迹，并强调了迁移学习在小型法医数据集中的价值	研究仅考虑垂直90°角滴落，未涵盖多角度冲击、运动相关效应或温度控制条件，未来需扩展以更真实模拟犯罪现场	探究基底类型和滴落高度对被动血迹形态的影响，以增强法医血迹模式分析（BPA）的准确性和适用性	被动血迹，在五种不同表面（弯曲杯、压碎图表纸、黄麻布、果冻石、混凝土）上从三个不同高度垂直滴落的血液样本	计算机视觉	NA	深度学习	CNN	图像	大型图像数据集，具体数量未明确说明	TensorFlow, PyTorch, Keras（基于MobileNet常用框架推断，但原文未明确指定）	MobileNet	准确率	NA
3254	2026-04-05	Redesigning myoglobin via functional site scaffolding for enhanced catalytic functions 2026-May-14, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153642 PMID:41855859	研究论文	本研究利用深度学习驱动的功能位点支架策略，重新设计肌红蛋白，以增强其催化功能	采用基于扩散的结构模型生成骨架架构，结合逆折叠设计优化序列，并通过结构预测算法评估一致性，从血红素结合口袋和二级配位球残基启动设计过程，实现了肌红蛋白的微型化改造	NA	通过蛋白质重新设计增强肌红蛋白的催化功能	肌红蛋白及其微型化变体bitMb	机器学习	NA	深度学习、扩散模型、逆折叠设计、结构预测算法	扩散模型、ProteinMPNN、AlphaFold、OmegaFold	蛋白质序列和结构数据	超过100,000个序列	NA	NA	NA	NA
3255	2026-04-05	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树的高效推荐检索器（DTR），通过软最大多类分类和损失函数修正方法，提升推荐效率并满足最大堆假设	提出DTR模型，将训练任务构建为同层树节点上的软最大多类分类，实现显式横向竞争和更优的top-k选择，同时引入损失函数修正和基于树的采样方法以提升泛化能力	未明确说明模型在大规模候选集下的计算成本或实际部署中的具体限制	提高深度推荐模型的推荐效率，同时保持推荐准确性	基于树结构的深度推荐模型	机器学习	NA	NA	深度树模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性, 推荐效率	NA
3256	2026-04-05	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和规模，且方法在极端分布偏移场景下的有效性有待验证	有效减少目标检测器中由分布外输入引发的幻觉错误	实时目标检测模型	计算机视觉	NA	深度学习	CNN, Transformer	图像	BDD-100K数据集	PyTorch	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
3257	2026-04-05	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出了首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集的脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	提出了首个深度学习框架SS2DS，能够调整稀疏脉冲流的时间分布，并首次构建了合成和真实的稀疏脉冲流数据集进行评估	未明确说明模型在极端低光照条件下的鲁棒性，以及计算复杂度和实时性方面的具体表现	解决脉冲相机在低光照高速视觉任务中脉冲信号稀疏导致的性能下降问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	合成和真实稀疏脉冲流数据集（具体数量未明确）	NA	SS2DS	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
3258	2026-04-05	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程提升配准的准确性和效率	设计了两种稀疏注意力机制：一致性感知自注意力通过选择具有全局一致对应关系的点子集来传播全局一致性；点引导交叉注意力将注意力限制在动态定义的“点”区域，以消除相似但不相关区域的干扰	未明确说明模型在极端噪声或严重遮挡场景下的性能，也未讨论计算资源消耗的具体量化数据	提升点云配准的准确性、效率和鲁棒性，并增强模型在未见领域的泛化能力	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性, 效率, 鲁棒性	NA
3259	2026-04-05	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	提出一种物理信息深度神经网络框架，用于复杂场景下的单光子成像，通过嵌入成像物理实现无监督学习	将成像物理嵌入深度神经网络，引入多尺度时空先验和体积渲染，并设计双分支结构以应对多深度和雾遮挡	未明确说明计算资源需求或模型在极端低信噪比下的性能边界	解决复杂场景下单光子成像的低信噪比和泛化问题	单光子成像系统捕获的3D结构数据	计算机视觉	NA	单光子成像	深度神经网络	图像	NA	NA	U-Net	均方根误差	NA
3260	2026-04-05	Rapid assessment of pesticide toxicity in aquatic ecosystems using deep learning-based automatic duckweed counting method 2026-May, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107791 PMID:41887020	研究论文	本研究利用基于深度学习的自动浮萍计数方法快速评估农药对水生生态系统的毒性	应用基于StarDist技术的优化自动浮萍计数工具，实现高通量、自动化的农药毒性评估	仅测试了28种常用农药，且毒性评估基于实验室条件，可能无法完全反映自然环境中的复杂效应	评估农药对水生植物的毒性，为农药环境风险评估提供快速有效的方法	浮萍（Wolffia globosa）	计算机视觉	NA	StarDist技术	深度学习	图像	28种常用农药（包括除草剂、杀菌剂和杀虫剂）对浮萍生长的测试	NA	StarDist	IC值（抑制浓度）	NA