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
21	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
22	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
23	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
24	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
25	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
26	2026-04-03	RETRACTED: Gastrointestinal tract disorders classification using ensemble of InceptionNet and proposed GITNet based deep feature with ant colony optimization 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292601 PMID:37831692	研究论文	本文提出了一种基于深度特征学习和蚁群优化的胃肠道疾病自动分类系统	结合InceptionNetV3与提出的GITNet模型提取深度特征，并利用蚁群优化进行特征选择与融合，在胃肠道疾病分类任务中实现了高准确率	未提及模型在更广泛数据集上的泛化能力或计算效率分析	开发自动化的胃肠道疾病分类系统以辅助内窥镜诊断	胃肠道疾病的内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN, SVM	图像	两个数据集：KVASIR（八类）和NERTHUS（四类），具体样本数未提及	NA	InceptionNetV3, GITNet	准确率	NA
27	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
28	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
29	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
30	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
31	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
32	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
33	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
34	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
35	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
36	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
37	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
38	2026-04-02	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-12, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文提出了一种自动化免疫荧光染色与定量高内涵成像的工作流程，用于研究DNA损伤信号响应	开发了一种结合自动液体处理系统和定量高内涵成像的自动化工作流程，提高了实验效率和可重复性	NA	提升生命科学实验室的高内涵定量成像能力，通过自动化技术研究DNA损伤响应	DNA损伤信号响应	数字病理学	NA	免疫荧光染色，高内涵成像	深度学习	图像	NA	NA	NA	NA	高效计算资源
39	2026-04-02	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出了一种基于局部梯度的后处理不确定性量化方法，用于增强深度学习医学图像评估的可靠性	提出了一种新颖的后处理不确定性量化方法，利用训练模型的局部梯度空间来评估对模型参数的敏感性，无需修改已验证模型且不改变其输出	未明确说明方法在非转移性疾病或其他医学图像任务中的泛化能力，以及计算效率的详细分析	开发一种后处理不确定性量化方法，以提高深度学习医学图像评估的可靠性和用户信任度	深度学习模型在医学图像评估任务中的输出可靠性	计算机视觉	转移性疾病	NA	深度学习模型	医学图像	NA	NA	NA	ROC AUC, 假阳性率, 中位数百分比差异	NA
40	2026-04-02	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习半监督聚类方法，在认知未受损个体中识别出三种与遗传、心血管风险因素及未来认知下降相关的脑老化亚组	首次在认知未受损人群中，通过生成对抗网络驱动的数据驱动方法，识别出跨年龄一致的脑老化亚组，并系统关联其与遗传、生物医学指标及认知轨迹的关系	研究基于横断面与纵向数据，但因果推断有限；样本虽大但可能受选择偏差影响；未涵盖所有潜在神经病理过程	理解脑结构老化异质性，探索神经退行性疾病临床前阶段的生物标志物和风险分层	基线认知未受损的45-85岁个体，涉及超过50,000个数据时间点	医学影像分析	阿尔茨海默病	脑结构影像测量	GAN, 深度学习聚类	脑结构影像数据	27,402名个体	NA	生成对抗网络	统计显著性（P值）	NA