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
1901	2026-08-18	Automatic detection of cell-cycle stages using recurrent neural networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297356 PMID:38466708	研究论文	本文提出一种基于循环神经网络（RNN）的深度学习方法，用于自动预测细胞有丝分裂的不同阶段。	利用RNN提取图像序列的时间特征，相比不利用时间信息的分类器特征提取方法，显著提高了有丝分裂阶段分类性能。	未明确提及，但可能包括对特定细胞类型或成像条件的依赖。	自动检测细胞有丝分裂阶段，以支持细胞生物学研究和癌症等病理的临床诊断。	正在进行有丝分裂的细胞视频序列。	计算机视觉	癌症	视频成像	循环神经网络（RNN）	视频图像序列	未提供具体样本数量	未明确指定	RNN（具体架构未明确）	精确率、召回率、F1分数、混淆矩阵	未提供具体信息
1902	2026-08-18	Predicting central choroidal thickness from colour fundus photographs using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301467 PMID:38551957	研究论文	本研究开发并验证了一种基于深度学习的方法，从彩色眼底照片估算中央脉络膜厚度，以提高疾病检测能力。	首次应用深度学习从眼底图像估算中央脉络膜厚度，并在外部多个机构数据集上进行验证。	样本来自单一机构，且排除了特定眼部病变，可能限制泛化性；验证集较小。	开发并验证深度学习模型，以从彩色眼底照片自动估算中央脉络膜厚度，辅助疾病检测。	彩色眼底照片和同日的OCT检查图像。	计算机视觉	脉络膜相关疾病	NA	深度学习模型	图像	2,548张图像用于开发，393张图像用于验证。	NA	NA	标准差	NA
1903	2026-08-18	Identification of lymph node metastasis in pre-operation cervical cancer patients by weakly supervised deep learning from histopathological whole-slide biopsy images 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6437 PMID:37559500	研究论文	本研究利用弱监督深度学习从宫颈癌患者术前病理全切片图像中预测淋巴结转移，并验证了其效能。	首次应用Vision Transformer（ViT）和循环神经网络（RNN）框架从宫颈癌原发灶全切片图像中预测淋巴结转移，并通过可视化生成热图揭示相关局部病理特征。	未提及具体限制。	利用数字病理特征术前预测宫颈癌患者的淋巴结转移状态。	宫颈癌患者的术前病理全切片图像。	数字病理学	宫颈癌	NA	Vision Transformer, 循环神经网络	图像（全切片图像）	训练集：554张全切片图像（来自齐鲁医院）；外部测试集：336张全切片图像（来自四家医院）；前瞻性队列：190张宫颈活检全切片图像。	NA	Vision Transformer, RNN	AUC、敏感性、特异性、准确率	NA
1904	2026-08-18	A deep learning-based interpretable decision tool for predicting high risk of chemotherapy-induced nausea and vomiting in cancer patients prescribed highly emetogenic chemotherapy 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6428 PMID:37609808	研究论文	基于深度森林等算法，开发预测癌症患者在接受高致吐性化疗后出现化疗诱导恶心呕吐风险的模型，并识别关键预测变量	采用深度森林模型并整合SHAP、PDP和LIME可解释性技术，专注于高致吐性化疗下的CINV风险预测	未在摘要中明确提及局限性	开发并验证预测癌症患者CINV风险的模型，并确定对预测影响最大的变量	接受高致吐性化疗的癌症患者	机器学习	化疗诱导恶心呕吐	NA	深度森林、支持向量机、CatBoost、随机森林、决策树、神经网络	临床数据	NA	NA	深度森林、支持向量机、CatBoost、随机森林、决策树、神经网络	AUC、F1分数、准确率、特异性、敏感性、Brier分数	NA
1905	2026-08-18	Multiparametric MRI-based model for prediction of local progression of hepatocellular carcinoma after thermal ablation 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6277 PMID:37694337	研究论文	开发了一种基于多参数MRI的深度学习放射组学模型，用于预测肝细胞癌热消融术后局部肿瘤进展。	结合术前和术后多参数MRI特征，使用ResNet18提取深度学习放射组学特征，构建整合临床变量的模型进行风险分层。	未明确提及局限性。	预测肝细胞癌热消融术后局部肿瘤进展风险。	肝细胞癌患者热消融术后的局部肿瘤进展。	医学影像分析	肝细胞癌	多参数磁共振成像（MRI）	深度学习放射组学模型	MRI图像	417名肝细胞癌患者（一个主要队列189例，两个外部测试队列共228例）	NA	ResNet18	AUC	NA
1906	2026-08-18	Automated reconstruction of whole-embryo cell lineages by learning from sparse annotations 2023-01, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-022-01427-7 PMID:36065022	研究论文	提出一种结合深度学习和全局优化的方法，用于自动识别和追踪整个发育胚胎的时延显微镜记录中的细胞核，并重建细胞谱系。	将深度学习和全局优化相结合，实现全胚胎细胞谱系的自动化重建，在精度上显著优于现有方法。	摘要未提及明确的局限性。	开发一种自动化方法，以重建整个胚胎的细胞谱系，增进对发育过程中细胞命运决定位置和时间的理解。	小鼠胚胎的时延显微镜影像，用于追踪细胞核。	计算机视觉	NA	时延显微镜	深度学习模型	图像（时延显微镜影像）	未明确说明样本数量	NA	NA	细胞谱系重建比例	NA
1907	2026-08-18	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	开发并验证了一种用于不同淀粉样蛋白PET示踪剂图像协调的深度学习模型，以改善共识解释和定量分析	提出了一种基于残差Inception编码器-解码器的新型深度学习模型，用于不同淀粉样蛋白PET示踪剂图像之间的协调	进一步研究正在进行中，以改进模型并应用到其他示踪剂	开发一种深度学习模型作为淀粉样蛋白PET图像协调策略，以解决不同示踪剂间的图像差异问题	匹兹堡化合物B和florbetapir示踪剂的淀粉样蛋白PET图像对	数字病理学，机器学习	阿尔茨海默病（与淀粉样蛋白成像相关）	PET成像	深度学习模型，编码器-解码器神经网络	图像	92名受试者用于训练（10折交叉验证），独立外部数据集46名受试者用于验证	NA	Residual Inception Encoder-Decoder Network	相关性（P值）	NA
1908	2026-08-18	Uncertainty-aware deep learning in healthcare: A scoping review 2022, PLOS digital health DOI:10.1371/journal.pdig.0000085 PMID:36590140	综述	本文对医疗保健中深度学习的不确定性量化方法进行了范围综述，并提出了一个概念框架来明确深度学习预测的确定性。	提出了一个概念框架来指定深度学习预测的确定性，并比较了蒙特卡洛丢弃法和一致预测等方法在医疗应用中的表现。	研究报告方法的异质性阻碍了荟萃分析的进行，且关于模型学习曲线用于量化认知不确定性的文献较少。	评估深度学习中量化不确定性的方法，并提出一个概念框架以提高模型在医疗环境下可信任度。	纳入30项研究，主要涉及医学影像应用（24项）和非影像应用（6项），包括模型架构和不确定性估计方法。	深度学习	不适用	不适用	卷积神经网络（CNN）	医学影像（图像）和非图像数据	30项研究，其中24项为医学影像应用，6项为非影像应用	不适用	卷积神经网络及其变体	不适用	不适用
1909	2026-08-18	PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training 2022, PLOS digital health DOI:10.1371/journal.pdig.0000044 PMID:36420347	研究论文	本文提出PrimSeq，一种结合可穿戴传感器和深度学习模型来量化和计数中风康复训练中功能性运动的流程。	创新性地集成可穿戴传感器、深度学习模型和运动计数算法，实现自动分类和计数康复训练中的功能性运动，且性能优于竞争性机器学习方法，并大幅降低人力和时间成本。	未提及具体限制。	开发一种实用工具来测量中风康复训练中的功能性运动数量，以支持定量剂量试验。	中风患者的上肢运动训练。	数字病理学	中风	可穿戴传感器	深度学习模型	运动序列数据	多位中风患者（具体数量未提及）	NA	NA	准确性（优于竞争方法）	NA
1910	2026-08-18	Clinical time-to-event prediction enhanced by incorporating compatible related outcomes 2022, PLOS digital health DOI:10.1371/journal.pdig.0000038 PMID:35757279	研究论文	本文开发了能够整合兼容相关临床结果的时序事件预测模型，并验证其在真实和合成数据上对传统Cox模型和深度学习模型的性能提升作用	提出将非竞争性相关临床结果纳入时序事件预测模型，同时保持模型的可解释性，且模型部署时无需辅助结果数据	未提及	提高临床结果时序事件预测的准确性，通过整合相关辅助临床结果来增强模型性能	临床数据集中的相关患者结果，包括共病或单一疾病多面终点	机器学习	不适用（未指定特定疾病）	不适用（未提及具体测序或实验技术）	Cox模型、深度学习模型（如状态-of-the-art模型）	临床数据（可能包含表格数据）	未提及	未提及	未提及	未提及	未提及
1911	2026-08-18	Accurate Point Cloud Registration with Robust Optimal Transport 2021-Dec, Advances in neural information processing systems PMID:42602398	研究论文	本文研究使用鲁棒最优传输（OT）进行形状匹配，并展示其可提升点云配准的基于优化和深度学习方法的性能	提出利用现代OT求解器增强点云配准，提供实用概览并解决应用难点，首次在肺血管树配准等挑战性任务上取得最先进结果，并发布新数据集PVT1010	未在摘要中明确提及局限性，可能包括计算成本、对特定复杂形状的适应性或数据集规模限制	探索鲁棒最优传输在点云配准中的应用，以提升精度和可扩展性，并为计算视觉工具箱提供新方法	点云数据，包括部分形状、场景流（Kitti数据集）和肺血管树（吸气和呼气阶段）	计算机视觉	肺部疾病（相关于肺血管树配准任务）	最优传输（OT）	非参数方法（基于优化）和深度学习方法	点云（图像、3D形状）	PVT1010数据集包含1,010对肺血管树，每对具有密集采样点	NA	NA	准确率（accuracy）和可扩展性（scalability）	未提及，代码和数据集在线公开（GitHub链接）
1912	2026-08-18	Learning-based automatic segmentation of arteriovenous malformations on contrast CT images in brain stereotactic radiosurgery 2019-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.13560 PMID:31050804	研究论文	提出一种基于深度学习的3D V-Net方法，用于在脑立体定向放射外科的CT图像上自动分割动静脉畸形（AVM），以减少手动分割的时间和差异。	创新点在于使用深度监督3D V-Net和复合损失函数（Logistic和Dice损失），以解决有限训练数据下的深度网络优化困难，并实现了高精度自动分割。	研究仅回顾性调查了80例患者，样本量相对较小，可能限制了泛化性；且依赖CT模拟图像，未涉及其他模态（如MRI）的验证。	开发一种自动分割AVM的方法，以提高立体定向放射外科中目标勾画的准确性和效率。	研究对象为80例脑动静脉畸形患者，这些患者在接受治疗前进行了CT模拟和数字减影血管造影（DSA）检查。	医学影像分析, 深度学习	脑动静脉畸形	CT模拟成像, 数字减影血管造影	3D V-Net	CT图像	80例AVM患者	NA	V-Net	Dice相似系数, 敏感性, 特异性, 质心距离, 体积差异, 剂量覆盖	NA
1913	2026-08-18	Projection-domain scatter correction for cone beam computed tomography using a residual convolutional neural network 2019-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.13583 PMID:31077390	研究论文	本研究提出了一种基于残差卷积神经网络（CNN）的锥形束计算机断层扫描（CBCT）投影域散射校正方法，旨在提高图像质量。	利用U-net架构的25层CNN进行CBCT散射校正，并通过迁移学习实现从全扇扫描到半扇扫描的适应性，且在性能和计算效率上优于传统方法。	研究主要依赖于蒙特卡洛模拟生成的投影数据，未在真实临床数据上验证，且模型训练需要大量模拟数据。	开发一种有效的散射校正方法，以改善CBCT图像质量，支持定量成像和图像引导放射治疗。	非拟人体模、数字头模、拟人头模和肺部体模的CBCT投影数据。	计算机视觉	NA	蒙特卡洛模拟	卷积神经网络（CNN）	图像（CBCT投影）	训练：1800对全扇投影；验证：200个数字头模投影；测试：360个拟人头模投影、360个半扇投影和额外的肺部体模投影。	NA	U-Net	均方根误差（RMSE）、均绝对误差（MAE）、均方误差（MSE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）	单张NVIDIA GTX 1070 GPU，Intel Core-i7 CPU（4.20 GHz）
1914	2026-08-18	Ultrasound prostate segmentation based on multidirectional deeply supervised V-Net 2019-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.13577 PMID:31074513	研究论文	本文提出了一种基于多方向深度监督的V-Net网络，用于超声图像中的前列腺自动分割，以提高经直肠超声引导的前列腺癌干预措施的准确性和效率。	将三维深度监督机制集成到V-Net中，结合逐阶段混合损失函数（包括二元交叉熵和基于批次的Dice损失），并通过补丁融合和轮廓细化后处理提高分割精度。	未明确提及，但可能受限于训练数据量有限（44例患者）和依赖于手动分割作为金标准。	开发一种基于深度学习的自动分割方法，用于经直肠超声图像中的前列腺分割，以辅助前列腺癌的诊断和治疗。	经直肠超声图像中的前列腺组织。	计算机视觉	前列腺癌	超声成像	V-Net	图像	44例患者的经直肠超声图像	未指定（可能是PyTorch或TensorFlow，但未在摘要中提及）	V-Net	Dice相似系数（DSC）、Hausdorff距离（HD）、平均表面距离（MSD）、残差平均表面距离（RMSD）	未指定（可能是GPU，但未在摘要中提及）
1915	2026-08-18	Automatic multiorgan segmentation in thorax CT images using U-net-GAN 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13458 PMID:30810231	研究论文	提出一种基于U-Net-GAN的深度学习方法，用于胸部CT图像中多个危及器官的自动分割，以提高放射治疗计划的效率。	采用对抗训练策略，联合训练U-Net作为生成器和全卷积网络作为判别器，实现多器官分割，并通过生成器与判别器的对抗过程优化分割结果。	未提及具体限制。	开发一种基于深度学习的自动分割方法，用于胸部CT图像中多个危及器官的分割，以辅助放射治疗计划制定。	胸部CT图像中的危及器官，包括左肺、右肺、脊髓、食管和心脏。	计算机视觉	肺癌	CT成像	GAN	图像	35例患者的胸部CT图像和20个立体定向体部放疗计划。	NA	U-Net, FCN	Dice相似系数, 平均表面距离, 剂量差异	NA
1916	2026-08-18	Automated pectoral muscle identification on MLO-view mammograms: Comparison of deep neural network to conventional computer vision 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13451 PMID:30771257	研究论文	开发了一种基于深度卷积神经网络的全自动方法用于乳腺X线摄影斜位视图中胸肌的自动识别，并与其先前开发的基于传统图像特征分析的纹理场方向方法进行了性能比较。	首次将深度卷积神经网络应用于乳腺X线摄影斜位视图的胸肌自动分割，并与传统计算机视觉方法进行了系统比较，证明了其优越性。	未明确提及局限性。	开发并评估一种全自动深度学习方法来识别乳腺X线摄影斜位视图中的胸肌，并与传统图像特征分析方法进行比较。	胸肌区域在乳腺X线摄影斜位视图中的自动分割。	计算机视觉，数字病理学	乳腺癌	NA	深度卷积神经网络（DCNN）	图像（乳腺X线摄影图像）	729张斜位视图乳腺X线摄影图像（包括637张数字化胶片乳腺X线摄影图像和92张数字乳腺X线摄影图像）用于训练和验证，以及203张来自131名患者的数字乳腺X线摄影图像用于独立测试。	NA	包含收缩路径和对称扩展路径的深度卷积神经网络结构，具体比较了三种不同的结构。	重叠面积百分比（POA）、豪斯多夫距离（Hdist）、平均欧氏距离（AvgDist）	NA
1917	2026-08-18	A deep learning- and partial least square regression-based model observer for a low-contrast lesion detection task in CT 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13500 PMID:30889282	研究论文	提出一种基于深度学习与偏最小二乘回归的模型观察者，用于CT图像中低对比度病灶检测任务，并与人类观察者表现进行验证比较	采用迁移学习策略，结合预训练深度卷积神经网络、偏最小二乘回归判别分析和内部噪声组件，构建直接基于患者图像的CT图像质量评估新框架	研究仅使用来自同一类型CT扫描仪的七例腹部CT图像数据，样本量有限，可能影响方法推广性	开发并验证一种基于深度学习的模型观察者，用于涉及患者解剖背景的CT低对比度病灶检测任务中的图像质量评估	低对比度肝脏转移性病灶检测任务，涉及不同病灶尺寸、对比度、辐射剂量和重建类型组合的CT图像	计算机视觉	肝癌	CT成像	CNN、PLSR	医学图像（CT图像）	7例腹部CT检查，12种实验条件每种154次试验	NA	预训练CNN	皮尔逊积矩相关系数，Bland-Altman一致性分析	NA
1918	2026-08-18	U-Net based deep learning bladder segmentation in CT urography 2019-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.13438 PMID:30734932	研究论文	开发了一种基于U-Net的深度学习膀胱分割方法，用于CT尿路造影中的膀胱分割，以辅助膀胱癌检测和治疗反应评估。	方法无需用户输入边界框，自动估算膀胱似然图，无需后处理水平集，比之前的DCNN-LS方法更自动且更准确。	未明确提及局限，但可能包括对图像质量差或癌症扩散情况的处理仍有挑战。	开发和评估U-Net深度学习模型在CT尿路造影中自动分割膀胱的性能，以支持膀胱癌检测和治疗反应评估流程。	173例CT尿路造影病例，包括训练/验证集81例（42个肿块、21个壁增厚、18个正常膀胱）和测试集92例（43个肿块、36个壁增厚、13个正常膀胱）。	深度学习	膀胱癌	NA	U-Net	CT图像（2D切片和3D体积）	173例（81例训练/验证，92例测试）	NA	U-Net	平均体积交比（AVI）、平均百分比体积误差（AVE）、平均绝对体积误差（AAVE）、平均最小距离（AMD）、平均豪斯多夫距离（AHD）、平均Jaccard指数（AJI）	NA
1919	2026-08-18	Deeply supervised 3D fully convolutional networks with group dilated convolution for automatic MRI prostate segmentation 2019-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.13416 PMID:30702759	研究论文	开发了一种用于MRI前列腺自动分割的深度监督3D全卷积网络，结合组膨胀卷积，以提高分割准确性。	引入深度监督机制到3D FCN中缓解梯度问题，并提出组膨胀卷积扩大感受野，使用余弦和交叉熵的组合损失函数优化边界。	未提及	实现MRI前列腺自动分割，以辅助图像引导干预。	MRI前列腺图像	计算机视觉	前列腺癌	MRI	3D 全卷积网络	MRI图像	内部数据集40个T2加权前列腺MR体积；公开数据集PROMISE12含50个T2加权前列腺MR体积	NA	3D FCN	Dice相似系数、平均表面距离、95% Hausdorff距离、绝对相对体积差	NA
1920	2026-08-18	Simultaneous cosegmentation of tumors in PET-CT images using deep fully convolutional networks 2019-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.13331 PMID:30537103	研究论文	本文研究了使用三维深度全卷积网络（DFCN）在非小细胞肺癌的PET-CT图像中同时进行肿瘤分割的方法	提出了一种基于DFCN的双耦合3D-UNet架构，能够在PET和CT模态间共享互补信息，实现同时分割，较传统基于图的方法有显著性能提升	具体局限性未在标题和摘要中提及，可能包括数据集规模较小（60对PET/CT）以及对专家标注的依赖	评估3D DFCN在PET-CT图像中同时分割非小细胞肺癌肿瘤的有效性和效率	非小细胞肺癌（NSCLC）肿瘤的PET-CT图像	计算机视觉	肺癌	医学影像分割技术（PET-CT成像）	深度全卷积网络（DFCN）	图像（PET和CT）	60对PET/CT图像	NA	3D-UNet（双耦合编码器-解码器架构）	加权平均灵敏度与阳性预测值（Scores）、Dice相似系数（DSC）、平均对称表面距离	NA