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
3601	2026-04-01	Head-to-Head Comparison between MRI and CT in the Evaluation of Volume and Quality of Epicardial Adipose Tissue 2025-08, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240531 PMID:40810643	研究论文	本研究系统比较了MRI和CT在评估心外膜脂肪组织体积和质量方面的测量结果	首次使用MRI的Dixon脂肪-水分离技术和CT的深度学习分割技术，对心外膜脂肪组织的体积和质量进行头对头比较	样本量较小（92名参与者），且仅基于瑞典心肺生物影像研究的一个子集，可能限制结果的普适性	评估MRI和CT在测量心外膜脂肪组织体积和质量方面的相关性和一致性	心外膜脂肪组织	医学影像分析	心血管疾病	Dixon脂肪-水分离MRI, CT	深度学习	MRI图像, CT图像	92名参与者（平均年龄59岁，60名男性）	NA	NA	Pearson相关系数, 组内相关系数	NA
3602	2026-04-01	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-07, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探索了Shoe-MS算法在法医鞋印分析中的应用，该算法基于深度学习框架，用于评估成对图像的相似性得分	提出并应用Shoe-MS算法于法医鞋印分析，特别针对退化图像进行分类和源识别，实现了高精度相似性评分	算法无法完全替代法医检验员，且主要针对图像质量不高的犯罪现场证据	提升法医鞋印分析的定量评估能力，支持检验员进行概率性、可重复的判断	法医鞋印图像，包括犯罪现场采集的退化图像	计算机视觉	NA	深度学习	深度学习框架	图像	两个不同的数据库	NA	Shoe-MS	相似性得分	NA
3603	2026-04-01	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-06-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	研究论文	提出了一种名为scAttG的深度学习框架，通过整合图注意力网络和卷积神经网络，利用scATAC-seq数据的染色质可及性和基因组序列特征进行细胞类型注释	整合图注意力网络和卷积神经网络，同时捕获染色质可及性信号和基因组序列特征，克服了现有跨组学和组内方法在数据对齐和批次效应方面的限制	未明确说明模型在特定生物环境或复杂细胞类型中的泛化能力，可能受限于scATAC-seq数据的质量和覆盖度	提高单细胞ATAC-seq数据的细胞类型注释准确性和鲁棒性	scATAC-seq数据中的细胞类型	机器学习	NA	scATAC-seq	GAT, CNN	染色质可及性数据，基因组序列数据	多个scATAC-seq数据集（具体数量未明确说明）	NA	图注意力网络，卷积神经网络	NA	NA
3604	2026-04-01	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种裂解技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而显著提升了蛋白质组覆盖度	开发了首个能够覆盖CID、UVPD、EID和ECD等多种裂解技术的单一深度学习模型，并将其集成到标准LC-MS工作流程中	未明确说明模型在更广泛数据集或不同实验条件下的泛化能力	通过整合替代裂解技术和深度学习模型，增强标准LC-MS工作流程中的蛋白质组覆盖度	质谱仪生成的碎片离子数据，用于蛋白质鉴定	机器学习	NA	CID、UVPD、EID、ECD、LC-MS、多酶深度蛋白质组学实验	深度学习模型	质谱数据	通过多酶深度蛋白质组学实验生成的大规模数据集	Prosit	NA	蛋白质鉴定增加百分比	NA
3605	2026-04-01	Performance of a Chest Radiograph-based Deep Learning Model for Detecting Hepatic Steatosis 2025-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240402 PMID:40539916	研究论文	本研究开发并评估了一个基于胸片的深度学习模型，用于检测肝脂肪变性	利用常规胸片而非专门的肝脏影像进行肝脂肪变性的深度学习检测，提供了一种便捷、低成本的筛查方法	研究为回顾性设计，可能存在选择偏倚；模型性能仍有提升空间，特别是在内部测试集上的灵敏度	开发一个基于胸片的深度学习模型，用于检测肝脂肪变性	接受过受控衰减参数检查的患者的胸片	计算机视觉	肝脂肪变性	受控衰减参数	深度学习模型	图像	共6599张胸片，来自4414名患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
3606	2026-04-01	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	研究论文	本文提出了一种基于生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室的特化机制，探索大脑多层神经网络中的学习协调机制	首次将兴奋性/抑制性神经元分型和树突-胞体区室化信号传导等生物学约束整合到多层人工神经网络中，并开发了完全生物学兼容的深度学习算法	模型仍基于简化生物学假设，尚未完全模拟真实神经系统的复杂性；实验验证仍需进一步开展	探索大脑如何在多层神经回路中协调学习过程，并建立生物学约束下的深度学习理论框架	人工神经网络中模拟的神经元细胞类型（兴奋性/抑制性）及其树突区室	机器学习	NA	深度学习算法	ANN	图像	NA	NA	具有循环连接的多层人工神经网络	图像分类准确率	NA
3607	2026-04-01	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	本研究开发并评估了一种用于心脏MRI的自由呼吸、高度加速、多切面、单次心跳的电影序列	提出了一种结合生成对抗网络（REGAIN）进行图像重建的自由呼吸单次心跳心脏电影MRI序列，实现了14.8倍的加速	研究样本量相对有限（136名参与者），且未明确说明模型在不同心脏疾病亚组中的泛化性能	开发一种快速、无需屏气的心脏MRI成像技术，以提高扫描效率和患者舒适度	健康参与者及患有各种心脏疾病的患者	医学影像	心血管疾病	心脏MRI, 生成对抗网络	GAN	MRI图像	136名参与者（40名健康，96名患有心脏疾病）	NA	REGAIN（分辨率增强生成对抗网络）	线性回归, Bland-Altman分析, Pearson相关系数, 组内相关系数（ICC）	3-T MRI系统
3608	2026-04-01	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文建立了一种基于磁敏感对比的MRI新方法，用于非侵入性成像脑内体素内血管尺寸分布，以实现对血管重塑的更全面和定量评估	提出了一种利用深度学习模型从GESFIDE MRI信号预测脑血容量和血管尺寸分布的新方法，实现了对血管重塑的定量成像	需要进一步的验证才能转化为临床前和临床工具	开发一种非侵入性成像方法，以更全面和定量地评估血管重塑	啮齿动物脑血管网络	医学影像分析	癌症、神经退行性疾病、纤维化、高血压、糖尿病	磁敏感对比增强MRI、高分辨率光片荧光显微镜	深度学习模型	MRI信号、显微镜图像	NA	NA	NA	相关系数(r)、Bhattacharya系数	NA
3609	2026-04-01	Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110519 PMID:39222847	研究论文	本研究验证了基于CT的深度学习海马分割模型在单机构数据集上的训练效果，并探索其在多机构轮廓质量保证中的应用	利用单机构训练的深度学习模型进行多机构临床试验的轮廓质量保证，展示了模型在跨机构数据上的泛化能力	模型在单机构数据上训练，可能对多机构数据的适应性有限；假阴性率较高，特别是在轮廓QA任务中	验证深度学习模型在海马分割中的性能，并评估其在多机构轮廓质量保证中的实用性	海马分割轮廓	数字病理学	NA	深度学习	CNN	CT图像, MRI图像	单机构队列的脑部MRI数据集和RTOG 0933数据集	NA	NA	Dice系数, Haussdorf距离, AUC, 特异性, 敏感性, 假阴性率	NA
3610	2026-04-01	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究通过结构化访谈收集了临床医生对深度学习分割中不确定性可视化选项的偏好，以优化放射治疗计划中的分割评估流程	首次在多机构临床环境中系统评估了不同层次（结构、切片或体素）和类型（二进制或连续值）的不确定性可视化方法，并探讨了剂量信息整合的潜在价值	样本量较小（16名临床医生），且仅针对已使用深度学习分割的机构，结果可能无法推广到所有临床环境	探索如何通过不确定性可视化减轻临床医生评估和校正深度学习分割的负担，优化放射治疗计划流程	放射肿瘤学家和放射治疗师	数字病理学	NA	深度学习分割	NA	医学图像（如CT、MRI）	16名临床医生（来自四个机构）	NA	NA	总体评分、可用性、所需培训时间、预期时间增益	NA
3611	2026-04-01	Evaluating the Cumulative Benefit of Inspiratory CT, Expiratory CT, and Clinical Data for COPD Diagnosis and Staging through Deep Learning 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240005 PMID:39665633	研究论文	本研究通过深度学习评估吸气CT、呼气CT和临床数据对慢性阻塞性肺疾病诊断和分期的累积效益	首次系统量化了单相CT、双相CT及临床数据在CNN模型中对COPD分期的贡献，并证明结合临床数据后单相CT可达到与双相CT相当的诊断准确性	研究为回顾性设计，数据来源于单一队列（COPDGene），可能限制泛化性；未探讨其他影像模态或更复杂的网络架构	评估不同CT相位和临床数据对基于深度学习的COPD分期模型的性能提升效果	COPDGene一期队列中的8893名参与者（平均年龄59.6岁，53.3%为男性）的肺部CT图像和肺功能测量数据	数字病理学	慢性阻塞性肺疾病	CT影像，肺功能测量（FEV1，FEV1%预计值，FEV1/FVC）	CNN	图像，临床数据	8893名参与者的吸气与呼气CT图像及肺功能数据	未明确提及，推测为PyTorch或TensorFlow	未指定具体架构，仅提及CNN	组内相关系数，准确率，GOLD分期准确率，诊断准确率	NA
3612	2026-04-01	Accelerated Cardiac MRI with Deep Learning-based Image Reconstruction for Cine Imaging 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230419 PMID:39540821	研究论文	本研究评估了基于深度学习的图像重建在心脏MRI电影序列中对采集时间、体积结果和图像质量的影响	首次系统比较了不同心跳周期（1RR、3RR、6RR）的深度学习重建电影序列与标准序列在心脏MRI中的性能，确定了三心跳周期为最优折衷方案	研究仅纳入健康志愿者，未涉及心脏病患者；样本量较小（55人）；未评估长期临床影响	评估深度学习重建在加速心脏MRI电影成像中的应用效果	55名健康志愿者的左心室短轴电影序列	医学影像分析	心血管疾病	心脏MRI电影成像	深度学习	医学影像	55名健康志愿者	NA	NA	采集时间、主观图像质量、边缘锐度、左心室射血分数	NA
3613	2026-04-01	Machine learning and deep learning prediction of patient specific quality assurance in breast IMRT radiotherapy plans using Halcyon specific complexity indices 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110483 PMID:39159677	研究论文	本研究开发了一种基于机器学习和深度学习的AI解决方案，用于预测Halcyon放疗设备中乳腺癌IMRT计划的患者特异性质量保证结果	首次针对Halcyon放疗设备开发AI预测模型，并确定了适用于该设备的复杂性指标（SAS10、BA、BM）	研究样本量相对较小（56名患者的318个射束），且仅针对乳腺癌患者，未涵盖其他癌症类型	开发能够预测Halcyon放疗设备患者特异性质量保证结果的AI解决方案	乳腺癌患者的IMRT放疗计划	机器学习	乳腺癌	放射治疗计划质量保证	机器学习,深度学习	复杂性指标数据	56名乳腺癌患者的318个射束	TensorFlow	NA	AUC,特异性,敏感性	NA
3614	2026-04-01	Robust localization of poorly visible tumor in fiducial free stereotactic body radiation therapy 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110514 PMID:39214256	研究论文	本文提出了一种名为SAFE Track的深度学习框架，用于在无基准标记的立体定向放射治疗中定位难以可见的肺部肿瘤	开发了一种无需模板的深度学习跟踪框架，能够在无基准标记的情况下准确定位小尺寸或位置挑战性的肺部肿瘤	研究仅基于94名患者的内部数据集，且测试集规模相对较小（n=28），可能影响模型的泛化能力	开发一种无基准标记的实时运动跟踪方法，以改善肺部立体定向放射治疗中对难以可见肿瘤的定位精度	肺部肿瘤患者，特别是肿瘤尺寸小于15毫米或位于挑战性位置的患者	计算机视觉	肺癌	X射线成像	CNN	图像	94名患者（415个治疗分次；40,348帧图像）	PyTorch, TensorFlow	Faster R-CNN, ResNet50	3D距离误差（毫米）	NA
3615	2026-04-01	Deep learning-assisted interactive contouring of lung cancer: Impact on contouring time and consistency 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110500 PMID:39236985	研究论文	本研究评估了深度学习辅助交互式勾画工具在肺癌肿瘤轮廓勾画中对观察者间变异性和勾画时间的影响	开发并测试了一种深度学习辅助的交互式勾画工具，能显著减少主动勾画时间并降低观察者间在肿瘤特定区域的轮廓变异性	样本量较小（仅10名非小细胞肺癌患者和9名临床医生），且研究设计可能受学习效应影响	评估深度学习辅助工具在肺癌肿瘤体积勾画中对效率和一致性的影响	非小细胞肺癌患者的PET-CT扫描图像	数字病理学	肺癌	PET-CT扫描	深度学习模型	医学图像	10名非小细胞肺癌患者的PET-CT扫描，由9名临床医生进行勾画	NA	NA	勾画时间减少百分比，观察者间变异性	NA
3616	2026-04-01	Clinical implementation of deep learning robust IMPT planning in oropharyngeal cancer patients: A blinded clinical study 2024-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110522 PMID:39243863	研究论文	本研究评估了基于深度学习的自动化治疗计划方法在口咽癌患者中用于稳健优化强度调制质子治疗计划的质量，通过盲法临床研究比较手动计划与深度学习计划	结合深度学习模型进行IMPT剂量预测与稳健模仿优化算法，实现自动化治疗计划，显著缩短计划时间至平均2.5小时，而手动计划通常需约2天	研究样本量相对较小（总计95例患者，其中测试集25例），且为单中心研究，可能限制结果的普遍适用性	评估深度学习自动化治疗计划方法在口咽癌患者中用于稳健优化强度调制质子治疗计划的质量与临床可行性	口咽癌患者	数字病理学	口咽癌	强度调制质子治疗	深度学习模型	医疗影像数据（如CT扫描）与治疗计划数据	95例口咽癌患者（训练集60例，配置集10例，回顾性测试集10例，前瞻性测试集15例）	NA	NA	视觉检查、临床目标评估、正常组织并发症概率值比较	NA
3617	2026-04-01	Deformation-encoding Deep Learning Transformer for High-Frame-Rate Cardiac Cine MRI 2024-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230177 PMID:38722232	研究论文	开发了一种基于Transformer的深度学习模型，用于提高心脏电影MRI的帧率，同时保持空间分辨率和扫描时间	首次将Transformer架构应用于心脏电影MRI的帧率提升任务，实现了高帧率图像的生成且无需增加扫描时间	研究主要基于特定厂商和场强的MRI扫描仪数据，模型在不同设备间的泛化能力需进一步验证	提高心脏电影MRI的帧率以改善时间分辨率，同时保持图像质量和扫描效率	心脏电影MRI图像	计算机视觉	心血管疾病	心脏电影MRI	Transformer	图像	5840名患者的回顾性数据（训练/测试）和61名参与者（49名临床患者+12名健康者）的前瞻性数据	NA	Transformer	均方根误差, 读者偏好分析	NA
3618	2024-08-07	Seeing between Time: Higher Frame Rate Cardiac Cine MRI using Deep Learning 2024-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240140 PMID:38842457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3619	2026-04-01	DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning 2024-05-10, Journal of visualized experiments : JoVE DOI:10.3791/64833 PMID:38801262	研究论文	本文报告了一种结合RPA、CRISPR/Cas12a系统、智能手机显微镜和深度学习模型的快速、便携、高灵敏度的DNA病毒即时检测系统	将RPA-CRISPR/Cas12a检测技术与智能手机显微镜(SPM)及深度学习辅助分类相结合，构建了一个完整的便携式即时检测系统，无需专业操作人员和大型仪器	仅以蛙病毒3(FV3)作为示例进行了测试，未展示对其他DNA病毒的广泛适用性	开发一种用于DNA病毒快速、高灵敏度检测的即时诊断系统	DNA病毒（以蛙病毒3为例）	机器学习	病毒感染	重组酶聚合酶扩增(RPA), CRISPR/Cas12a系统, 荧光检测	深度学习模型	荧光图像	NA	NA	NA	准确率, 检测限(LoD)	智能手机（用于图像采集和处理）
3620	2026-04-01	Measurement Variability of Same-Day CT Quantification of Interstitial Lung Disease: A Multicenter Prospective Study 2024-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230287 PMID:38483245	研究论文	本研究通过分析同一天两次CT扫描的数据，评估了基于深度学习的定量CT在测量间质性肺疾病纤维化范围时的变异性	首次在前瞻性多中心研究中，使用同一天两次CT扫描来量化QCT测量间质性肺疾病纤维化范围的变异性，并评估了不同重建参数对变异性的影响	样本量相对较小（65名参与者），且仅评估了短期（同一天内）的测量变异性，未评估长期变异性	评估定量CT在测量间质性肺疾病纤维化范围时的测量变异性	间质性肺疾病患者	数字病理学	间质性肺疾病	CT扫描，基于深度学习的纹理分析软件	深度学习	CT图像	65名参与者（47名男性，18名女性）	NA	NA	Bland-Altman分析，95%一致性界限，特异性	NA