本数据库通过收集和整理最新科研文献信息而得,供了解领域前沿进展之用。数据源自 PubMed Data ,每日自动更新(使用关键词“['deep learning']”过滤),已收录文献数量参见 统计表格。表格内容由 GPT 自动整理,可能存在错误或遗漏,请使用时务必注意核实!
如有建议或合作意向,欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布,欢迎下载 源码 自行修改使用。如觉得不错,还请不吝 给我打赏,你的支持是我继续创新的重要动力!


除通过在线浏览外,为方便用户离线查阅,本站也提供 付费下载(定价19.9元)。之所以考虑收费,是因为批量扫描这些文献并整理也是有一定成本的,还请理解并多多支持。本站数据会持续更新,而仅需一次付费,未来就可以随时重新下载到最新版本数据。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-11-20 |
Advanced microstructure imaging at high b-values and high resolution combining ultra-high performance gradient diffusion imaging and model-based deep learning demonstrated using 3D multi-slab acquisition
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70046
PMID:40851334
|
研究论文 | 本研究结合超高性能梯度扩散成像和模型驱动深度学习,展示了3D多片层采集在高b值和高分辨率下进行高级微结构成像的能力 | 利用高性能梯度系统缩短回波时间,结合优化的3D k空间欠采样方法显著减少采集时间,实现全脑高分辨率微结构成像 | 需要高性能梯度硬件支持(>200 mT/m,>300 T/m/s),研究主要关注大脑白质区域 | 开发加速的3D多片层扩散加权成像方法,支持活体人脑高级微结构建模 | 人脑白质微结构 | 医学影像 | 神经系统疾病 | 3D多片层扩散加权成像,扩散加权MRI,室模型分析 | 三室扩散模型 | 扩散加权MRI图像 | 多受试者人脑数据(具体数量未明确说明) | 基于模型的迭代重建算法 | 基于导航的运动补偿正则化迭代算法 | 变异系数 | 高性能梯度MRI系统(>200 mT/m,>300 T/m/s) |
| 2 | 2025-11-20 |
Comparative evaluation of supervised and unsupervised deep learning strategies for denoising hyperpolarized 129Xe lung MRI
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70033
PMID:40810302
|
研究论文 | 本研究比较了监督和非监督深度学习策略在超极化129Xe肺部MRI去噪中的应用效果 | 首次系统比较了传统监督学习、Noise2Noise和Noise2Void三种深度学习策略在129Xe MRI去噪中的性能 | 某些去噪方法在特定指标上存在偏差,如Tradvent低估VDP,N2Nvent高估VDP | 提高超极化129Xe肺部MRI图像质量以改善临床诊断准确性 | 952个129Xe MRI数据集,包括健康受试者和心肺疾病患者 | 医学影像处理 | 心肺疾病 | 超极化129Xe MRI | 深度学习 | 医学影像 | 952个129Xe MRI数据集(421个通气成像,125个弥散加权成像,406个气体交换成像) | NA | NA | 信噪比, 噪声标准差, 锐度, 通气缺损百分比, 表观扩散系数, 膜摄取, 红细胞转移, 红细胞:膜比值 | NA |
| 3 | 2025-11-20 |
Motion-robust T 2 ∗ $$ {\mathrm{T}}_2^{\ast } $$ quantification from low-resolution gradient echo brain MRI with physics-informed deep learning
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70050
PMID:40843481
|
研究论文 | 提出PHIMO+方法,通过物理信息深度学习实现运动鲁棒的低分辨率梯度回波脑MRI T2*定量分析 | 扩展了原有的PHIMO方法,利用采集知识增强对挑战性运动模式的重建性能,提高对脑内不同强度磁场不均匀性的鲁棒性 | NA | 开发运动鲁棒的T2*定量方法,解决梯度回波磁共振成像中因运动导致的信号丢失问题 | 脑部梯度回波磁共振成像数据 | 医学影像分析 | NA | 梯度回波磁共振成像 | 深度学习 | 磁共振图像 | 模拟和真实运动数据 | NA | 物理信息深度学习 | 线检测精度, 图像质量 | NA |
| 4 | 2025-11-20 |
Liver fat quantification at 0.55 T enabled by locally low-rank enforced deep learning reconstruction
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70057
PMID:40883956
|
研究论文 | 开发了一种基于局部低秩深度学习重建的方法,用于在0.55T低场MRI中实现肝脏脂肪定量 | 提出了一种结合局部低秩约束和深度学习的新型重建方法(LLR-DL),能够在低场MRI中显著提升信噪比和图像质量 | 研究样本量较小(10名志愿者),需要在更大规模人群中验证方法的普适性 | 提高低场MRI中质子密度脂肪分数(PDFF)定量的准确性和可靠性 | 铁脂肪体模和人类志愿者 | 医学影像分析 | 脂肪肝 | MRI质子密度脂肪分数定量,多回波Dixon算法 | 深度学习 | MRI图像,复杂值数据 | 1个体模和10名志愿者 | NA | U-Net | 峰值信噪比,结构相似性指数,线性回归,t检验,Bland-Altman分析 | NA |
| 5 | 2025-11-20 |
Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches
2026-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70031
PMID:40891397
|
研究论文 | 本研究提出并验证了两种快速去除MRS光谱中水残留信号的新方法 | 提出了基于深度学习的DeepWatR和基于拟合的WaterFit两种新型水残留去除方法,显著提高了处理速度 | 研究主要针对1H脑数据集,在其他类型数据上的性能需要进一步验证 | 开发快速高效的水残留信号去除方法以提高MRS的临床适用性 | MRS光谱中的水残留信号 | 医学影像分析 | NA | 磁共振波谱(MRS) | 深度学习, 参数拟合 | 光谱数据 | 模拟和体内1H脑数据集,包含10000个体素 | PyTorch | U-Net with attention mechanism | 量化误差百分比, 处理速度 | 低端GPU |
| 6 | 2025-11-20 |
Deep Learning for Detecting Dental Plaque and Gingivitis From Oral Photographs: A Systematic Review
2025-Dec, Community dentistry and oral epidemiology
IF:1.8Q3
DOI:10.1111/cdoe.70001
PMID:40571994
|
系统综述 | 评估深度学习模型在口腔RGB照片中检测牙菌斑和牙龈炎性能的系统综述 | 首次系统评估深度学习在牙菌斑和牙龈炎检测中的性能,发现DL模型在未使用显色剂时优于牙医识别牙菌斑的能力 | 缺乏外部测试和多中心研究,报告一致性不足,影响实际应用可行性 | 评估深度学习模型在口腔照片中检测牙菌斑和牙龈炎的诊断性能 | 牙菌斑和牙龈炎 | 计算机视觉 | 牙周病 | RGB口腔摄影 | 深度学习 | 图像 | 23项符合纳入标准的研究(10项牙菌斑,11项牙龈炎,2项两者) | NA | NA | IoU | NA |
| 7 | 2025-11-20 |
Novel deep learning framework for simultaneous assessment of left ventricular mass and longitudinal strain: clinical feasibility and validation in patients with hypertrophic cardiomyopathy
2025-Dec, Journal of echocardiography
IF:1.4Q3
DOI:10.1007/s12574-025-00694-y
PMID:40650815
|
研究论文 | 提出一种基于人工智能的超声心动图分析框架SMART,用于自动评估左心室质量和纵向应变 | 首次结合运动追踪和心肌分割技术实现左心室质量和纵向应变的同步自动评估 | 仅在肥厚型心肌病患者中验证,样本量有限(111例) | 开发并验证用于心脏功能评估的自动化人工智能系统 | 肥厚型心肌病患者 | 医学影像分析 | 心血管疾病 | 经胸超声心动图(TTE), 心脏磁共振成像(CMR) | 深度学习 | 医学影像 | 111例肥厚型心肌病患者(中位年龄58岁,69%男性) | NA | NA | Pearson相关系数, 平均差异, AUC | NA |
| 8 | 2025-11-20 |
Dose reduction in radiotherapy treatment planning CT via deep learning-based reconstruction: a single‑institution study
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00967-2
PMID:40987935
|
研究论文 | 本研究评估深度学习重建算法在放疗计划CT中的剂量降低效果 | 首次在放疗计划CT中系统比较深度学习重建算法与传统迭代重建算法的剂量降低效果 | 单中心回顾性研究,样本量有限 | 量化深度学习重建算法在放疗计划CT中的剂量降低效果 | 放疗计划CT扫描(头部、头颈部、肺部和盆腔) | 医学影像 | 肿瘤放疗 | CT扫描,深度学习重建 | 深度学习 | CT影像 | IR重建820例,DLR重建854例 | AiCE | NA | CTDI, DLP, 剂量降低率 | NA |
| 9 | 2025-11-20 |
Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm
2025-Dec-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00265.2025
PMID:41134685
|
研究论文 | 本研究通过空间多重免疫染色技术和深度学习算法对慢性肾脏病进行表征和分类 | 首次将空间多重免疫染色信号标记技术应用于人类肾脏组织标本,结合图神经网络分类器识别纤维化等级的关键预测标志物 | 样本量相对有限,研究结果需要在更大规模队列中验证 | 开发基于空间蛋白质组学特征的慢性肾脏病分类和生物标志物发现方法 | 人类肾脏活检组织标本,包括对照组/低级别纤维化和高级别纤维化样本 | 数字病理学 | 慢性肾脏病 | 空间多重免疫染色信号标记,蛋白质表达定量分析 | 图神经网络 | 空间蛋白质组学数据,组织图像数据 | 未明确具体样本数量,包括对照组/低级别纤维化和高级别纤维化肾脏活检样本 | 未明确指定 | 图神经网络分类器 | 分类准确性,特征重要性分析 | NA |
| 10 | 2025-11-20 |
Machine Learning-Based Identification of Natural History Studies in Rare Diseases: A Step toward Understanding Disease Development and Outcome
2025-Dec, Journal of rare diseases (Berlin, Germany)
DOI:10.1007/s44162-025-00115-9
PMID:41245678
|
研究论文 | 本研究开发了一种基于机器学习的自然史研究自动识别方法,用于从PubMed中系统识别罕见疾病的自然史研究 | 首次提出使用深度学习方法自动识别自然史研究,特别展示了二元分类在此任务中的优越性能 | 仅针对罕见疾病的自然史研究进行识别,模型在四分类任务中性能相对较低 | 开发自动化工具以加速自然史研究数据收集,支持罕见疾病药物开发 | PubMed数据库中的科学文献 | 自然语言处理 | 罕见疾病 | 文本挖掘 | BERT | 文本 | 手动整理的自然史研究语料库 | PyTorch, Transformers | PubMedBERT-base-uncased-abstract | 精确率, 召回率, F1分数, AUCPR | NA |
| 11 | 2025-11-20 |
GAN-MRI enhanced multi-organ MRI segmentation: a deep learning perspective
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00938-7
PMID:40779148
|
研究论文 | 提出一种集成GAN的MRI图像增强与多器官分割的端到端深度学习框架 | 结合GAN-MRI图像增强与注意力残差U-Net分割模型,能处理多扫描仪数据并显著提升图像质量与分割精度 | 脑部分割指标提升不明显,样本量相对有限(共117例扫描) | 通过深度学习缩短MRI扫描时间并提升多器官分割精度 | 脑部、腹部和大腿的MRI图像 | 医学影像分析 | 多器官解剖分析 | 磁共振成像 | GAN, CNN, U-Net | 医学影像 | 30例脑部扫描(5400切片)、32例腹部扫描(1920切片)、55例大腿扫描(2200切片) | NA | GAN-MRI, AssemblyNet, 注意力残差U-Net | SNR, CNR, 肌肉分割提升21%, IMAT分割提升9%, SSAT分割提升1%, DSAT分割提升2%, VAT分割提升12% | NA |
| 12 | 2025-11-20 |
Automatic segmentation of cone beam CT images using treatment planning CT images in patients with prostate cancer
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00946-7
PMID:40813534
|
研究论文 | 本研究提出一种结合高斯噪声和傅里叶域适应的混合方法,用于提升基于治疗计划CT的锥形束CT图像自动分割精度 | 通过生成人工伪CBCT数据集桥接tpCT与CBCT图像质量差异,无需改变原始tpCT图像或其轮廓 | 仅使用80例tpCT数据集,样本量有限;未与其他深度学习方法进行对比 | 改进前列腺癌患者锥形束CT图像的分割精度 | 男性骨盆区域的临床靶区、膀胱和直肠 | 数字病理 | 前列腺癌 | 锥形束CT,治疗计划CT,傅里叶域适应 | 深度学习分割模型 | 医学影像 | 80例治疗计划CT数据集 | NA | NA | Dice相似系数 | NA |
| 13 | 2025-11-20 |
Artificial intelligence in echocardiography: current applications and future perspectives
2025-Dec, Journal of echocardiography
IF:1.4Q3
DOI:10.1007/s12574-025-00703-0
PMID:40839151
|
综述 | 本文综述人工智能在超声心动图领域的当前应用与未来展望 | 系统阐述AI如何解决超声心动图操作者依赖性和观察者间变异性的长期局限 | 存在数据偏见、跨人群和设备泛化能力有限、AI模型黑箱问题等临床采纳障碍 | 探讨人工智能在超声心动图领域的技术应用与发展前景 | 超声心动图检查流程与临床诊断 | 医学影像分析 | 心血管疾病 | 深度学习 | NA | 超声图像 | NA | NA | NA | 诊断准确性 | NA |
| 14 | 2025-11-20 |
Generative AI and foundation models in medical image
2025-Dec, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00968-1
PMID:41051729
|
综述 | 本文概述了生成式AI和基础模型在医学影像领域的应用与发展趋势 | 系统性地探讨了生成式AI和基础模型如何根本性改变医疗AI开发框架,并提出利用国家数据和计算资源开发医疗基础模型的路径 | NA | 概述生成式AI和基础模型在医学影像处理中的应用,探讨医疗AI发展新范式 | 扩散模型、大语言模型和基础模型在医疗支持任务中的应用 | 医学影像 | NA | 扩散模型、大语言模型 | 生成式AI、基础模型 | 医学影像、文本数据 | NA | NA | DALL·E 3, Stable Diffusion, ChatGPT, Gemini | NA | 基于扩展定律的大规模计算资源、国家数据与计算资源 |
| 15 | 2025-11-20 |
Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis
2025-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70356
PMID:41253687
|
研究论文 | 评估宫颈癌患者基于计划库的自适应放疗中每日计划选择的几何和剂量学影响 | 首次在多中心研究中比较手动选择与基于深度学习靶区覆盖最大化选择的计划选择策略,并开发决策树识别最能从自适应放疗中获益的患者亚群 | 样本量相对有限(49例患者),研究结果需要更大规模验证 | 评估宫颈癌自适应放疗中每日计划选择的准确性和剂量学效益 | 49例局部晚期宫颈癌患者 | 数字病理 | 宫颈癌 | 锥形束CT, 自适应放疗, 深度学习分割 | 深度学习模型 | CT图像, CBCT图像 | 49例宫颈癌患者 | NA | NA | D95%-CTV, 几何覆盖率, 剂量学覆盖率 | NA |
| 16 | 2025-11-20 |
OrnAsia: A dataset of asian ornaments for image classification and cultural identification
2025-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112195
PMID:41255856
|
研究论文 | 本文介绍了一个包含1088张亚洲传统饰品高分辨率图像的数据集,用于图像分类和文化识别研究 | 填补了饰品相关数据集在文化背景和图像多样性方面的空白,提供了平衡的传统饰品类型和经过验证的标注 | 数据采集仅限于孟加拉国米尔普尔地区,可能无法完全代表整个亚洲地区的饰品多样性 | 支持计算机视觉和人工智能技术在文化饰品分类识别中的应用 | 六种亚洲传统饰品:手镯、戒指、耳环、头饰、项链和脚链 | 计算机视觉 | NA | 智能手机摄影 | 深度学习模型 | 图像 | 1088张高分辨率原始图像,分为6个类别 | NA | NA | NA | NA |
| 17 | 2025-11-20 |
Deep learning-based noise reduction method for the system matrix in magnetic particle imaging
2025-Nov-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae19c9
PMID:41166879
|
研究论文 | 提出一种基于深度学习的磁粒子成像系统矩阵噪声抑制方法 | 首次将残差块与Swin Transformer模块结合的混合编码器-解码器网络用于MPI系统矩阵去噪 | 仅在模拟数据集和有限真实数据集上验证,未在更广泛的临床场景中测试 | 开发高效的噪声抑制方法以提升磁粒子成像图像质量 | 磁粒子成像系统矩阵 | 医学影像处理 | NA | 磁粒子成像 | 深度学习 | 系统矩阵数据 | 模拟数据集、OpenMPI数据集和内部MPI系统采集数据集 | NA | 混合编码器-解码器网络,Res-Blocks,Swin Transformer | 信噪比,峰值信噪比,结构相似性指数 | NA |
| 18 | 2025-11-20 |
Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis
2025-Nov-19, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05078-y
PMID:41254255
|
系统评价与荟萃分析 | 评估基于X射线的深度学习模型在检测踝足骨折中的诊断性能 | 首次对深度学习模型在踝足骨折X射线检测中的诊断准确性进行系统性综述和荟萃分析 | 纳入研究数量有限(14项),需要更大样本量和外部验证的进一步研究 | 评估AI模型使用X射线图像检测踝足骨折的诊断准确性 | 踝部和足部骨折 | 医学影像分析 | 骨科创伤 | X射线成像 | 深度学习模型 | X射线图像 | 基于14项研究的汇总分析 | NA | NA | 灵敏度,特异性,F1分数,DOR | NA |
| 19 | 2025-11-20 |
Image Fusion for Super-Resolution Mass Spectrometry Imaging of Plant Tissue
2025-Nov-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512662
PMID:41255198
|
研究论文 | 本研究提出了一种专用于植物组织质谱成像数据超分辨率融合的损失控制残差网络工作流程 | 开发了边缘感知损失函数来评估复杂形态信息,实现了高达20倍放样的高质量超分辨率融合图像 | 未明确说明样本数量和数据规模 | 提升植物组织质谱成像数据的超分辨率融合效果 | 植物组织质谱成像数据 | 计算机视觉 | NA | 质谱成像 | CNN | 图像 | NA | NA | 残差网络 | 边缘感知损失 | NA |
| 20 | 2025-11-20 |
Modulus Matching and Interface Enhancement: A Synergistic Strategy for Antidelamination High-Performance Stretchable Triboelectric Nanogenerator
2025-Nov-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518027
PMID:41255257
|
研究论文 | 提出一种基于同源聚合物配对的抗分层高性能可拉伸摩擦纳米发电机构建策略 | 通过分子连续界面设计实现模量匹配和应变协调,结合超声空化处理将界面韧性提升至传统PDMS基界面的3.2倍 | NA | 开发具有抗分层特性的高性能可拉伸摩擦纳米发电机 | 摩擦纳米发电机的功能层界面 | 柔性电子 | NA | 超声空化处理 | 深度学习算法 | 字符识别数据 | NA | NA | NA | 准确率 | NA |