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
1001	2026-04-06	stImage: a versatile framework for optimizing spatial transcriptomic analysis through customizable deep histology and location informed integration 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf429 PMID:40905789	研究论文	介绍了一个名为stImage的开源R软件包，用于优化空间转录组学分析，通过整合基因表达、组织学图像和空间坐标信息	首次在统一框架中完全协同整合基因表达、组织学特征和精确空间坐标，并提供54种集成策略和深度学习衍生的组织学特征	未明确说明方法在特定组织类型或疾病条件下的适用性限制	开发一个灵活全面的空间转录组学分析框架，优化生物组织结构的理解	空间转录组学数据（基因表达、组织学图像、空间坐标）	空间转录组学	NA	空间转录组学	深度学习	基因表达数据、组织学图像、空间坐标数据	多个数据集（未指定具体数量）	R	NA	诊断图评估	NA
1002	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
1003	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
1004	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
1005	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
1006	2026-04-06	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	本研究提出了一种结合深度学习超分辨率4D血流MRI与物理信息虚拟功-能相对压力技术的非侵入性方法，用于量化颅内狭窄动脉的压力下降	首次将深度学习超分辨率技术与物理信息虚拟功-能相对压力技术相结合，用于颅内狭窄血管的非侵入性压力量化，显著提高了亚毫米分辨率下的测量精度	研究首先在模拟颅内环境的脉动流实验中验证，然后转移到患者队列，但样本量有限，且依赖于参考导管侵入性测量进行验证	开发一种非侵入性方法来量化颅内狭窄血管的压力下降，以评估功能性狭窄严重程度	颅内动脉狭窄患者（颅内动脉粥样硬化疾病）	医学影像分析	脑血管疾病/中风	四维（4D）血流磁共振成像（MRI），深度学习超分辨率技术，物理信息虚拟功-能相对压力技术	深度学习模型	MRI影像数据	一个颅内动脉粥样硬化疾病患者队列（具体数量未在摘要中说明）	NA	NA	与参考导管侵入性测量的一致性，压力估计的准确性	NA
1007	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
1008	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
1009	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
1010	2026-04-06	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文介绍了一个用于胸部X光片中结核病病灶语义分割的新数据集TB-Portals SIFT，并评估了多种分割模型的性能与泛化能力	提出了首个专门用于结核病病灶语义分割的公开数据集TB-Portals SIFT，包含6,328张图像和10,435个伪标签病灶实例；首次系统比较了UNet和YOLOv8-seg架构在结核病分割任务上的表现，并探索了基于分割模型的分类器在泛化能力上的优势	数据集中的病灶标注为伪标签，可能存在标注噪声；研究主要关注模型泛化性能比较，未深入分析临床部署的实际挑战	开发能够实现结核病病灶语义分割的深度学习模型，提升结核病自动筛查系统的可解释性和泛化能力	胸部X光片中的结核病病灶区域	计算机视觉	结核病	深度学习，语义分割	CNN	图像	6,328张胸部X光图像，包含10,435个病灶实例	PyTorch	UNet, nnUNet, YOLOv8-seg, DenseNet121	分割性能指标（未具体说明），分类准确率，目标检测性能	NA
1011	2026-04-06	Hybrid U-Net and Swin-transformer network for limited-angle cardiac computed tomography 2024-Apr-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3db9 PMID:38604178	研究论文	本文提出了一种基于U-Net和Swin-transformer的混合网络（U-Swin），用于从有限角度投影重建高质量的心脏CT图像	结合U-Net和Swin-transformer的优势，U-Net恢复结构信息，Swin-transformer捕捉全局特征分布，以提升有限角度心脏CT图像重建质量	NA	从有限角度投影重建高质量的心脏CT图像，以提高时间分辨率	心脏CT图像	计算机视觉	心血管疾病	CT扫描	CNN, Transformer	图像	合成XCAT数据集和临床心脏COCA数据集	NA	U-Net, Swin-transformer	NA	NA
1012	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
1013	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
1014	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
1015	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
1016	2026-04-05	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	本研究开发并评估了一个全自动深度学习驱动的后处理流程，用于多参数肾脏MRI，实现肾脏对齐、分割和定量特征提取	提出一个集成的自动化工作流，结合深度学习分割和配准算法，高效处理多参数肾脏MRI数据	样本量较小（34名受试者），且患者群体主要为前列腺癌或神经内分泌肿瘤，可能限制泛化性	开发一个自动化后处理流程，以支持肾脏疾病的诊断和治疗规划	多参数肾脏MRI图像，包括24名前列腺癌或神经内分泌肿瘤患者和10名健康受试者	数字病理学	肾脏疾病	多参数MRI	深度学习网络	图像	34名受试者（24名患者和10名健康受试者），每人进行重复扫描	NA	NA	相关性（r > 0.9），组内相关系数	NA
1017	2026-04-05	K-CC-MoCo: A Fast k-Space-Based Respiratory Motion Correction for Highly Accelerated First-Pass Perfusion Cardiovascular MR 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70287 PMID:41664248	研究论文	本文提出了一种名为K-CC-MoCo的k空间呼吸运动校正方法，用于高加速自由呼吸首过灌注心血管磁共振成像	直接在k空间估计和校正呼吸运动，无需初始图像重建，适用于高加速（高达50倍）采集，且计算速度更快	未明确提及具体局限性，但可能依赖于特定的线圈压缩和优化设计	开发一种快速、高效的呼吸运动校正方法，以支持高加速自由呼吸首过灌注心血管磁共振的模型和深度学习重建	自由呼吸首过灌注心血管磁共振成像数据	医学影像处理	心血管疾病	心血管磁共振成像	NA	k空间数据	数字体模和真实自由呼吸采集数据	NA	NA	SSIM	NA
1018	2026-04-05	Accelerating MRI With Longitudinally-Informed Latent Posterior Sampling 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70257 PMID:41724725	研究论文	提出一种基于扩散模型的MRI重建框架，利用患者先前的扫描来加速后续扫描的采集过程	无需纵向配对训练数据，通过将不同时间点的扫描视为同一分布样本进行训练，在推理阶段整合先前的DICOM格式扫描来指导重建	未明确说明模型对极端解剖变化或病理变化的适应能力，以及计算效率的具体评估	加速MRI采集过程，提高重建图像质量	临床MRI扫描数据，特别是纵向成像数据	医学影像重建	NA	MRI，扩散模型	扩散模型	图像，k空间数据，DICOM格式数据	未明确说明具体样本数量，但提及引入了一个包含多会话对的开放访问临床数据集	未明确说明	扩散模型	SSIM，PSNR	未明确说明
1019	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
1020	2026-04-05	Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70291 PMID:41654995	研究论文	本研究提出了一种基于深度学习的模型，用于从JPRESS数据中自动量化神经化学物质浓度和代谢物平均横向弛豫时间（T2）	模型设计具有相位偏移、频率偏移和线形变化的鲁棒性，能够直接从未知体内代谢物浓度分布的计算机合成数据中学习，并有效过滤背景信号和未注册代谢物	模型训练依赖于计算机合成数据，可能无法完全捕捉真实体内数据的复杂性；未明确说明模型在多样化临床数据集上的泛化能力	开发一种深度学习方法来量化体内神经化学物质的浓度和横向弛豫时间，提高磁共振波谱分析的自动化和准确性	神经化学物质，包括低浓度物质如γ-氨基丁酸（GABA）	机器学习	NA	JPRESS磁共振波谱技术	深度学习模型，结合WaveNet和门控循环单元（GRU）	时域JPRESS数据	NA	NA	WaveNet, GRU	NA	NA