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
161	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
162	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
163	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
164	2026-04-01	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	本研究开发了一种基于深度学习的模型，利用小鼠肠道组织学图像来估计FLASH照射的等效剂量	首次应用深度学习模型从组织学图像中量化FLASH照射的等效剂量，相比传统手工隐窝计数方法提高了准确性	研究样本量较小（84只小鼠），且仅针对特定品系（C57BL/6J雌鼠）和特定组织（小肠）进行验证	开发一种深度学习方法来量化FLASH照射的等效剂量，以评估其相对于常规照射的生物学效应差异	健康C57BL/6J雌性小鼠的肠道组织学图像	数字病理学	NA	组织学染色（苏木精-伊红染色）、数字化扫描	CNN	图像	84只小鼠（41只CONV组，43只FLASH组），每只小鼠9个空肠横截面，共756张组织学图像	PyTorch	ResNet101	均方误差	NA
165	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
166	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
167	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）
168	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
169	2026-04-01	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	本文开发了一种基于深度学习的自动化方法，用于前列腺T2加权MRI强度归一化，以揭示前列腺癌侵袭性信号	提出了一种利用三种参考组织（臀大肌、股骨和膀胱）的自动化归一化技术，通过MASK R-CNN进行自动分割，并结合样条函数拟合，显著提升了T2W强度在区分前列腺癌与正常组织及评估肿瘤侵袭性方面的定量利用	方法依赖于手动轮廓数据进行MASK R-CNN训练，样本量有限（32例患者），且归一化效果在独立数据集（83例患者）中验证，但未涉及更大规模或多中心验证	开发自动化前列腺T2W MRI强度归一化方法，以改善定量评估前列腺癌及其侵袭性	前列腺癌患者的前列腺T2加权MRI图像，包括癌变区域和正常前列腺组织	数字病理学	前列腺癌	T2加权MRI	CNN	图像	训练集：32例患者；独立测试集：83例患者；共231个活检感兴趣区域	PyTorch	MASK R-CNN	Spearman相关系数, t检验	NA
170	2026-04-01	Prognostic significance of collagen signatures at breast tumor boundary obtained by combining multiphoton imaging and imaging analysis 2024-Feb, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-023-00851-4 PMID:37606817	研究论文	本研究结合多光子成像和深度学习分析，探索了乳腺癌肿瘤边界胶原特征对患者预后的预测价值	首次利用多光子成像无标记获取乳腺癌样本的胶原特征，并通过深度学习自动识别肿瘤边界胶原签名，构建了CSTB评分作为独立预后因子	研究样本规模较小，且仅针对乳腺癌，未在其他癌症类型中验证	探索乳腺癌肿瘤边界胶原特征的预后意义，以改善患者预后预测和临床决策	人类乳腺癌肿瘤样本	数字病理学	乳腺癌	多光子显微镜成像	深度学习	图像	小规模样本（具体数量未在摘要中提供）	NA	NA	AUC, HR, Kaplan-Meier生存分析	NA
171	2026-04-01	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	本文提出了一种基于生物医学Transformer模型集成的方法，用于从生物医学文献中自动提取药物与蛋白质之间的关系	利用在生物医学数据上预训练的深度学习Transformer模型构建集成方法，用于自动提取药物-蛋白质关系，并在大规模语料上验证了其有效性	未明确说明模型在特定药物或蛋白质类别上的性能差异，也未讨论计算资源消耗的具体情况	开发自动方法从生物医学文献中提取药物与蛋白质之间的实体关系，以构建最新的生物医学知识库	PubMed摘要中的药物/化学品与蛋白质实体	自然语言处理	NA	生物医学文献挖掘	Transformer	文本	主要语料库包含10,750篇摘要，大规模语料库包含240万篇文档	NA	生物医学Transformer模型（具体架构未指定）	F1-score, 微平均F1-score	NA
172	2026-04-01	A Reinforcement Learning (RL)-Motivated Simulation Framework for Evaluating Vancomycin Dosing Strategies 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726479	研究论文	本文开发了一个基于强化学习的模拟框架，用于评估万古霉素的给药策略	提出了结合深度学习药代动力学模型（PK-RNN-2CM）和AUC奖励分数的强化学习模拟框架，将临床指南转化为强化学习奖励	未明确说明模拟框架在真实临床环境中的验证程度	优化万古霉素给药策略，实现并维持治疗浓度范围	万古霉素给药策略	机器学习	NA	强化学习，深度学习，药代动力学模拟	RNN	患者特异性数据，模拟时间-浓度曲线	NA	NA	PK-RNN-2CM（两室药代动力学循环神经网络）	24小时AUC评估，RMSE（均方根误差）	NA
173	2026-04-01	Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy 2023-12-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13243613 PMID:38132197	系统综述	本文系统综述了深度学习在胃癌内镜辅助诊断中的应用现状	全面评估了深度学习在胃癌前病变、早期胃癌及肿瘤分析中的多种应用，并比较了AI与人类内镜医师的诊断性能	研究主要基于单中心数据，数据集未公开，影响泛化性和人口代表性；回顾性算法训练可能无法反映真实临床性能；模型细节缺乏阻碍了复现	评估深度学习在胃癌前病变、早期胃癌及胃肿瘤分析中的当前应用状态	使用内镜图像进行胃肿瘤检测的深度学习算法研究	数字病理	胃癌	内镜成像	深度学习	图像	NA	NA	NA	诊断准确性	NA
174	2026-04-01	Small-molecule binding and sensing with a designed protein family 2023-Nov-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.01.565201 PMID:37961294	研究论文	本文结合深度学习和物理方法设计了一个具有多样可设计口袋几何形状的蛋白质家族，并成功计算设计出针对六种不同小分子靶点的结合蛋白	开发了一种通用方法，通过结合深度学习和物理模拟，设计能够结合任意小分子的蛋白质家族，并实现了化学诱导二聚化系统的设计	未提及具体的设计失败率或对更复杂小分子的适用性限制	设计能够结合和传感任意小分子的蛋白质，用于分析、环境和生物医学应用	六种化学和结构上不同的小分子靶点	机器学习	NA	深度学习，物理方法	NA	蛋白质结构数据，小分子化学数据	六种小分子靶点	NA	NA	结合亲和力（纳摩尔至低微摩尔），设计准确性（原子级）	NA
175	2026-04-01	Improving prognosis and assessing adjuvant chemotherapy benefit in locally advanced rectal cancer with deep learning for MRI: A retrospective, multi-cohort study 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109899 PMID:37660753	研究论文	本研究开发了一种基于术前MRI的深度学习模型，用于预测局部晚期直肠癌患者的局部复发、远处转移和总生存期，并评估辅助化疗的益处	提出了多生存任务网络（MuST）模型，能够同时预测多种生存结局，并构建了结合MuST-DM评分、神经侵犯和CA19-9的辅助化疗决策树，实现了个体化治疗评估	这是一项回顾性研究，可能存在选择偏倚，且模型在更广泛人群中的泛化能力仍需进一步验证	开发预测局部晚期直肠癌患者生存结局的深度学习模型，并识别能从辅助化疗中获益的患者	局部晚期直肠癌患者	数字病理学	直肠癌	MRI	深度学习	图像	主要队列308例，两个外部验证队列分别247例和245例	NA	多生存任务网络（MuST）	预后准确性	NA
176	2026-04-01	Evaluation of different algorithms for automatic segmentation of head-and-neck lymph nodes on CT images 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109870 PMID:37634765	研究论文	本研究评估了四种基于图谱和两种深度学习算法在头颈部CT图像上自动分割淋巴结的性能	首次在头颈部淋巴结自动分割任务中，系统比较了基于图谱方法与深度学习方法的性能，并引入了多中心深度学习解决方案的评估	样本量相对较小（69例患者），且所有数据均来自单一机构，可能限制了结果的泛化能力	评估不同自动分割算法在头颈部淋巴结CT图像分割中的准确性和临床实用性	头颈部癌症患者的双侧选择性淋巴结（CTVn）	计算机视觉	头颈部癌症	CT成像	深度学习模型	CT图像	69例头颈部癌症患者（10例用于图谱库，49例用于训练，20例用于测试）	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
177	2026-04-01	Efficient segmentation using domain adaptation for MRI-guided and CBCT-guided online adaptive radiotherapy 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109871 PMID:37634767	研究论文	本研究开发了基于域适应的高效分割方法，用于MRI引导和CBCT引导的在线自适应放疗	设计了两种域适应方法，将计划CT的特征学习并适应到MRI或CBCT模态，并通过个性化建模提高分割准确性	NA	开发高效的分割方法以改进自适应放疗中的ROI勾画	前列腺癌患者、鼻咽癌患者和胰腺癌患者的医学影像数据	数字病理	前列腺癌, 鼻咽癌, 胰腺癌	MRI, CBCT, CT, 域适应	深度学习模型	医学影像（MRI, CBCT, CT）	242名前列腺癌患者（MRIgART），530名鼻咽癌患者（CBCTgART），35名胰腺癌患者（公共CBCT数据集）	NA	NA	Dice相似系数（DSC）	NA
178	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA
179	2026-04-01	Prediction of age-related macular degeneration disease using a sequential deep learning approach on longitudinal SD-OCT imaging biomarkers 2020-09-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-72359-y PMID:32963300	研究论文	提出一种名为“Deep Sequence”的混合序列预测模型，用于基于纵向SD-OCT影像生物标志物预测非渗出性年龄相关性黄斑变性（AMD）眼在未来时间窗内发生渗出的风险	首次将放射组学工程影像特征、人口统计学和视觉因素与递归神经网络（RNN）模型集成在同一平台，以预测AMD眼在短期（3个月内）和长期（21个月内）的渗出风险	在外部真实世界临床数据集上，长期（21个月）预测性能（AUCROC 0.68）相比短期预测明显下降，可能源于数据集差异	预测非渗出性年龄相关性黄斑变性（AMD）眼在未来时间窗内发生渗出的风险	年龄相关性黄斑变性（AMD）患者的眼睛	数字病理学	年龄相关性黄斑变性	SD-OCT成像	RNN	图像	671只AMD对侧眼，包含13,954次观察	NA	Deep Sequence（混合序列模型）	AUCROC	NA
180	2026-04-01	A robust and interpretable end-to-end deep learning model for cytometry data 2020-09-01, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2003026117 PMID:32801215	研究论文	本研究提出并测试了一种用于分析流式细胞术数据的端到端深度卷积神经网络模型，可直接关联原始数据与临床结局	开发了一种端到端的深度学习方法，可直接从原始流式细胞术数据预测临床结局，避免了传统门控方法的信息丢失，并提出了基于置换的模型解释方法	模型在高度异质性的跨研究数据上进行了验证，但未明确说明模型在其他疾病或数据集上的泛化能力	开发一种稳健且可解释的深度学习模型，用于从流式细胞术数据中直接预测临床结局	来自公开ImmPort数据库的九项大规模飞行时间质谱流式细胞术（CyTOF）研究数据	机器学习	巨细胞病毒感染	飞行时间质谱流式细胞术（CyTOF）	CNN	流式细胞术数据	九项大规模CyTOF研究的数据集	Keras, TensorFlow	深度卷积神经网络	NA	NA