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 | 2026-11-18 |
Robustness of Nomogram Versus Deep Learning Models for Hepatocarcinoma Grading: Insights From a Bilateral Cross-Center Validation
2027-Jan, Ultrasound in medicine & biology
|
研究论文 | 比较列线图与深度学习模型在预测肝细胞癌病理分级中的鲁棒性和泛化能力 | 采用双边跨中心验证策略,系统比较列线图与深度学习模型在不同机构数据分布下的表现 | 数据多样性有限,深度学习模型的泛化能力受限,未评估更多中心或更大样本 | 比较列线图和深度学习模型在术前预测肝细胞癌病理分级中的鲁棒性和泛化性 | 601例经病理确诊的肝细胞癌患者的2404张术前超声图像 | 医学图像分析 | 肝癌 | 超声成像(B模式和超声造影) | 列线图, 深度学习模型 | 图像, 临床数据 | 601例患者,2404张超声图像 | NA | 列线图, 深度学习模型(未指定具体架构) | AUC, 校准曲线, 决策曲线分析 | NA |
| 2 | 2026-11-18 |
Artificial Intelligence in Aortic Disease: From Imaging to Personalized Medicine
2027-Jan, Heart failure clinics
IF:2.5Q2
DOI:10.1016/j.hfc.2026.08.002
PMID:43039579
|
综述 | 本文综述了人工智能在主动脉疾病管理中的应用,涵盖从影像分析到个性化医疗的转变 | 强调从被动直径评估转向主动个性化医疗,整合多模态数据(基因组学、分子生物标志物、纵向影像)预测疾病进展和术后结局,并采用可解释AI促进临床整合 | 存在黑箱透明性问题,可解释AI的采用正在缓解但尚未完全解决 | 探讨人工智能在主动脉疾病管理中的应用,包括自动化影像分析和个性化医疗 | 主动脉疾病患者及相关影像、基因组、分子生物标志物数据 | 医学影像分析, 个性化医疗 | 主动脉疾病 | 机器学习, 深度学习, 多模态数据整合 | 机器学习, 深度学习 | 影像, 基因组数据, 分子生物标志物, 纵向数据 | NA | NA | NA | NA | NA |
| 3 | 2026-11-18 |
An interpretable physics-informed graph neural network for forecasting longitudinal tau progression in Alzheimer's disease
2026-Dec-31, Machine learning. Health
DOI:10.1088/3049-477X/aebb31
PMID:43041692
|
研究论文 | 本文提出了一种物理信息图神经网络框架,用于预测阿尔茨海默病中tau病理的纵向进展 | 将FKPP方程和流行病传播模型作为正则化项融入图神经网络的潜在空间,提高了预测性能和可解释性 | 未明确提及 | 预测阿尔茨海默病中tau病理的纵向进展,并提高模型的可解释性 | 淀粉样蛋白阳性的受试者 | 医学图像分析 | 阿尔茨海默病 | PET, DTI | 图神经网络 | 图像 | NA | NA | 图神经网络 | 平均预测性能 | NA |
| 4 | 2026-11-18 |
The visual nature of social interaction and its impact on overall mood judgments
2026-Dec, Cognition & emotion
IF:2.6Q2
DOI:10.1080/02699931.2026.2644244
PMID:41855466
|
研究论文 | 该研究通过系列实验考察了社交互动的视觉线索(如场景、朝向和相互注视)如何影响对人群整体情绪的判断,并利用深度学习算法估计图像的情绪强度 | 系统性地操纵多种社交视觉线索(场景、朝向、相互注视)来研究其对人群整体情绪判断的影响,并结合深度学习算法进行情绪强度估计 | 研究使用自然照片,可能存在未控制的因素;样本可能限于特定人群;深度学习算法的情绪估计可能存在偏差;未明确说明样本量和计算资源 | 探究社交互动的视觉本质及其在人群整体情绪评估中的作用 | 包含五人以上群体的自然照片,照片中人物存在或不存在社交互动 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 5 | 2026-11-18 |
Deep-Learning Based Contrast Boosting: A Multi-Center Multi-Reader Study on Clinical Performance With Standard Contrast Enhanced Brain MRI
2026-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70460
PMID:42608386
|
研究论文 | 评估基于深度学习的对比增强提升算法在标准脑MRI中的临床表现 | 使用FDA批准的深度学习对比增强提升算法,在不增加对比剂剂量的情况下改善病灶可视化和图像质量 | 回顾性研究,样本量有限,证据等级为4 | 评估深度学习对比增强提升算法在常规临床脑MRI检查中的临床性能 | 110名接受临床对比增强脑MRI检查的患者 | 医学图像处理 | 脑部疾病 | 脑MRI | 深度学习 | 图像 | 110名患者 | NA | NA | 对比噪声比, 病灶与脑比率, 对比增强百分比, Likert量表评分 | NA |
| 6 | 2026-11-18 |
Image Quality of 1.5 T MRI Using Dual-Type Deep Learning Reconstruction for Pancreatic Cystic Lesions: An Exploratory Comparison With Conventional 3 T MRI Without Deep Learning Reconstruction
2026-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70493
PMID:42627715
|
研究论文 | 评估1.5 T MRI使用双类型深度学习重建(DLR)对胰腺囊性病变的图像质量,并与未使用DLR的常规1.5 T和3 T MRI进行比较 | 首次探讨双类型DLR在1.5 T MRI上不同降噪强度对胰腺囊性病变图像质量的影响,并与3 T MRI无DLR进行对比 | 回顾性单中心研究,样本量有限,非同时期对比,纹理自然性在80% DLR下显著降低,存在图像增强与自然性的权衡 | 评估1.5 T MRI使用不同强度DLR重建对胰腺囊性病变的图像质量,并与常规1.5 T和3 T MRI无DLR进行比较 | 胰腺囊性病变患者 | 医学影像 | 胰腺囊性病变 | MRI,深度学习重建,压缩感知 | 深度学习重建 | 图像 | 99名患者(53男,46女;年龄29.2-93.8岁),其中54名在之前2年内接受过3 T MRI | NA | NA | 信噪比,对比噪声比,边缘上升距离,5点Likert量表定性评分 | NA |
| 7 | 2026-11-18 |
Impact of artificial intelligence in embryo selection to improve pregnancy rates per transfer in IVF cycles: a systematic review and meta-analysis
2026-Dec, European journal of obstetrics, gynecology, and reproductive biology
DOI:10.1016/j.ejogrb.2026.115495
PMID:42914619
|
系统综述与meta分析 | 该文通过系统综述与meta分析评估人工智能在IVF胚胎选择中对每次移植妊娠率的临床影响 | 整合2013年至2024年间AI辅助胚胎选择与传统形态学选择的对比研究,首次系统评估AI对每次移植临床结局的实际影响 | 仅两项研究报告可用于meta分析的组别水平结局,植入率和活产率报告不一致无法合并,缺乏累计活产率、流产率和妊娠时间等以患者为中心的结局,纳入研究数量少且异质性存在 | 确定AI辅助胚胎选择在IVF中是否较传统形态学方法具有可测量的临床优势 | 接受IVF且未进行PGT-A的胚胎选择周期 | 数字病理学, 生殖医学 | 不孕不育 | 深度学习胚胎评分平台(iDAScore、KIDScore)、time-lapse成像(TLI) | 深度学习 | 胚胎形态学图像, time-lapse影像 | 纳入10项研究,其中仅2项提供可用于meta分析的组别水平数据 | NA | NA | 风险比(RR)、95%置信区间(CI)、I2异质性、ROC曲线下面积(AUC 0.85-0.96)、临床妊娠率(CPR)、植入率(IR)、活产率(LBR) | NA |
| 8 | 2026-11-18 |
Deep learning-based structure modeling of the Treponema pallidum proteome: Insights into pathogenesis and syphilis vaccine development
2026-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70872
PMID:43006705
|
研究论文 | 该研究利用基于人工智能的结构建模工作流程,对梅毒螺旋体蛋白质组进行了结构和功能注释,并预测了B细胞表位,以促进梅毒疫苗的开发。 | 首次对梅毒螺旋体蛋白质组进行大规模高置信度结构建模,覆盖99%的蛋白质组;通过结构比较对大量未知功能蛋白进行功能注释;识别了新的潜在致病相关蛋白和外膜蛋白;预测了表面暴露的B细胞表位并优先排序。 | 摘要中未明确提及研究的局限性。 | 通过结构建模和功能注释,深入理解梅毒螺旋体的致病机制,并为梅毒疫苗设计提供信息。 | 梅毒螺旋体(Treponema pallidum ssp. pallidum)的蛋白质组。 | 计算生物学、结构生物信息学 | 梅毒 | 深度学习、结构建模、距离矩阵对齐(DALI)、生物信息学分析 | 人工智能模型(未具体说明) | 蛋白质序列和结构数据 | 976个梅毒螺旋体蛋白质 | NA | NA | NA | NA |
| 9 | 2026-11-18 |
Intraoperative Ultrasound-Based Displacement Mapping Through Deep Learning
2026-Dec-01, Operative neurosurgery (Hagerstown, Md.)
DOI:10.1227/ons.0000000000001937
PMID:41705928
|
研究论文 | 该研究提出了一种深度学习框架,直接从术中超声扫描对中预测体素级脑变形,实现无需术前MRI的局部脑移位补偿 | 首次证明直接从iUS到iUS扫描估计空间分辨的脑移位是可行的,而非依赖MRI到iUS或MRI到MRI的变形建模 | 数据集规模小(13名患者)且多样性有限,对具有非典型解剖结构的患者泛化能力不足,无法区分变形与实质塌陷 | 开发一种基于深度学习的框架,直接从配对术中超声扫描中预测体素级脑变形,实现实时局部脑移位补偿 | 13名脑肿瘤患者的术前和切除后三维术中超声图像及标志点标注 | 医学图像分析 | 脑肿瘤 | 术中超声成像 | 三维神经网络 | 三维超声图像 | 13名患者 | NA | 3D神经网络 | 均方根中位误差、方向精度、中位绝对误差 | NA |
| 10 | 2026-11-18 |
From ACR O-RADS 2022 to Explainable Deep Learning: Comparative Performance of Expert Radiologists, Convolutional Neural Networks, Vision Transformers, and Fusion Models for Ultrasound-Based Risk Stratification of Ovarian Masses
2026-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70401
PMID:42572015
|
研究论文 | 本研究比较了放射科专家应用O-RADS v2022、卷积神经网络、视觉Transformer及混合人-AI框架在卵巢肿块超声风险分层中的性能 | 构建了整合放射科医生O-RADS评分与深度学习预测恶性概率的混合人-AI框架,并系统比较了多种CNN和ViT模型与专家评估的性能 | 回顾性研究设计,样本量有限(227例患者),仅使用超声图像,未进行外部验证 | 评估放射科医生应用O-RADS v2022的性能,比较其与CNN和ViT模型的诊断表现,并探究混合人-AI框架的诊断增益 | 227例患者的512张卵巢肿块超声图像,其中110例至少有一个恶性病变 | 医学图像分析 | 卵巢癌 | 超声成像 | CNN, ViT | 图像 | 512张超声图像来自227例患者(110例恶性) | NA | DenseNet, EfficientNet, ResNet, VGG, Xception, ViT | AUC, 准确率 | NA |
| 11 | 2026-11-18 |
Multiscale Multiparametric MRI Deep Learning for Short-Term Survival Assessment in Glioblastoma
2026-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70497
PMID:42603108
|
研究论文 | 开发并外部验证基于多尺度MRI的深度学习模型,用于胶质母细胞瘤短期生存评估,并探索转录组学相关性 | 整合全脑、三维肿瘤和2.5维肿瘤多尺度MRI输入构建深度学习模型,并探索其与转录组通路的关联 | 回顾性研究;外部验证中仅队列1在FDR校正后显著优于临床-MRI基线;证据水平为3 | 术前识别胶质母细胞瘤短期生存,指导临床管理 | 病理确诊的新诊断胶质母细胞瘤成人患者(n=728) | 数字病理学, 医学影像分析 | 胶质母细胞瘤, 脑肿瘤 | 多参数MRI(T1加权、T2加权、FLAIR、增强T1加权) | 深度学习 | 图像, 转录组数据 | 728例患者(训练队列290例,外部验证队列1-3分别为225/182/31例) | NA | 多尺度深度学习模型 | AUC, 95% CI, 校准, 决策曲线, FDR校正p值 | NA |
| 12 | 2026-11-18 |
Robotic Ultrasound Imaging: A Comprehensive Review of Historical Evolution, Current State-of-the-Art, and Future Perspectives
2026-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70417
PMID:42638373
|
综述 | 本文全面回顾了机器人超声系统的历史演变、当前技术现状和未来发展方向 | 系统梳理了机器人自主性分类体系,深入分析了AI(深度学习、物理启发神经网络、强化学习)驱动的全自主超声系统,并探讨了软体机器人、可穿戴超声贴片和LLM图规划器等新兴前沿方向 | 作为综述文章,未提供原始实验数据;未对现有系统进行定量性能比较;对监管和伦理框架的讨论仍处于概念层面 | 全面回顾机器人超声成像领域的历史演进、最新技术进展和未来发展趋势,为智能机器人超声医师的临床转化提供参考 | 机器人超声系统(RUSS),包括遥操作超声系统、自主超声采集系统及相关AI算法 | 医学影像、机器人技术 | NA | 超声成像、机器人控制、深度学习、物理启发神经网络、强化学习、5G网络 | 深度学习、物理启发神经网络、强化学习、大语言模型 | 超声图像 | NA | NA | NA | NA | NA |
| 13 | 2026-11-18 |
Slice-Wise Quality Assessment of High b Value Breast DWI via Deep Learning-Based Artifact Detection
2026-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70572
PMID:42831280
|
研究论文 | 该研究利用深度学习在乳腺高b值DWI图像上进行逐层伪影检测,采用二分类和多分类方法识别高信号和低信号伪影。 | 首次在逐层乳腺高b值DWI数据上使用CNN进行高信号和低信号伪影的检测与分类,并结合Grad-CAM热图进行放射科医生评估。 | 需要进一步验证,且研究为回顾性设计。 | 利用深度学习检测乳腺高b值DWI(b=1500 s/mm²)中的高信号和低信号伪影,评估二分类和多分类方法的性能。 | 女性患者乳腺高b值DWI图像切片 | 医学图像分析 | 乳腺癌 | 扩散加权成像(DWI) | 卷积神经网络(CNN) | 图像 | 来自156次检查的11,806个DWI切片;高信号伪影分类中训练/验证/保留测试集分别为8164/1806/1836个切片,低信号伪影分类中分别为8164/1820/1822个切片 | NA | DenseNet121, ResNet18, SEResNet50 | 准确率, 精确率, 召回率, AUROC, AUPRC | NA |
| 14 | 2026-11-18 |
The Landmark Series: Mutation-Based Therapy of Pancreatic Cancer
2026-Dec, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-20366-0
PMID:42732021
|
综述 | 本文综述了胰腺导管腺癌中基于基因突变的靶向治疗、分子亚型分类及精准肿瘤学的最新进展 | 系统整合了基于同源重组修复缺陷、错配修复缺陷和KRAS突变等可靶向遗传变异的治疗策略,并探讨了转录组分子亚型及深度学习模型、多组学平台在患者筛选和治疗个体化中的新兴作用 | 作为叙述性综述,未进行系统检索和定量合成,缺乏对纳入研究的偏倚评估,且未提供原始数据或荟萃分析结果 | 总结胰腺导管腺癌精准肿瘤学领域的靶向治疗进展、分子亚型研究动态及精准医学在改善患者预后中的作用 | 具有可靶向分子改变的胰腺导管腺癌患者及具有生物学差异的转录组亚型患者群体 | 精准肿瘤学 | 胰腺癌 | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 15 | 2026-11-18 |
A deep learning model for flood forecasting based on dynamic lag encoding and multi-head attention
2026-Nov-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.118177
PMID:43041868
|
研究论文 | 本文基于动态滞后编码和多头注意力机制开发了一种深度学习洪水预报模型(D-TMA-LSTM),并使用黄河皇甫川流域的降雨和径流数据进行验证 | 提出动态滞后编码与多头注意力机制相结合的深度学习模型,有效捕获降雨-径流响应的时滞特征并提高模型可解释性 | 仅使用黄河流域皇甫川流域的数据进行验证,模型在其他流域的泛化能力有待进一步研究 | 改进传统洪水预报模型对时滞特征的捕捉能力并增强决策过程的可解释性 | 黄河皇甫川流域的多站降雨和出口流量数据 | 机器学习 | NA | NA | LSTM, 注意力机制 | 时间序列数据 | 19年(1979-1997)的多站降雨和出口流量数据,包含53场代表性洪水事件 | NA | D-TMA-LSTM(动态滞后编码与多头注意力LSTM) | NSE, KGE, R, RMSE | NA |
| 16 | 2026-11-18 |
Potential clinical utility of a KDIGO 2021-based clinical decision support system for glomerular diseases: a retrospective two-center pilot study
2026-Nov-17, Postgraduate medical journal
IF:3.6Q1
DOI:10.1093/postmj/qgag133
PMID:42758597
|
研究论文 | 该研究开发了基于KDIGO 2021指南的临床决策支持系统,利用机器学习算法对肾小球疾病进行诊断和风险分层,并通过回顾性双中心数据比较算法推荐与医生决策 | 首次基于KDIGO 2021指南构建模块化专家系统,整合XGBoost、随机森林和自然语言处理技术,实现肾小球疾病的精准诊断和风险分类,并发现临床实践中的决策差距 | 回顾性研究设计,样本量相对有限,仅涉及两个中心,需要前瞻性多中心验证 | 评估基于人工智能的临床决策支持系统在肾小球疾病管理中的潜在临床效用 | 肾小球疾病患者,包括特发性膜性肾病、局灶节段性肾小球硬化、狼疮性肾炎和微小病变肾病 | 数字病理学 | 肾脏疾病 | 机器学习,自然语言处理,组织病理学,临床和分子数据整合 | XGBoost,随机森林 | 文本,图像,临床数据 | 401例患者(iMN n=56,FSGS n=127,LN n=31,MCD n=187) | NA | XGBoost,随机森林 | 准确率 | NA |
| 17 | 2026-11-18 |
Development and technical validation of a standardised CT image preprocessing workflow for reproducible AI for forensic anthropological applications
2026-Nov-17, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-026-04076-6
PMID:43039990
|
研究论文 | 开发并技术验证了一套标准化的CT图像预处理工作流程,以支持法医人类学中可重复的人工智能应用 | 提出了一个自动化预处理工作流程,解决了法医人类学中大规模医学图像准备过程中的标准化和数据隐私挑战 | 摘要中未明确说明 | 开发自动化的CT图像预处理工作流程,以支持法医人类学研究与教育中的机器学习和深度学习应用 | CT扫描图像 | 医学图像分析 | NA | CT成像 | NA | 图像 | NA | NA | NA | NA | NA |
| 18 | 2026-11-18 |
Bidirectional multi-scale implicit neural representation network for topology-aware lung 4D-CT registration
2026-Nov-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/aebd5e
PMID:43040887
|
研究论文 | 提出一种双向多尺度隐式神经表示网络,用于拓扑感知的肺部4D-CT配准,以解决大呼吸运动下的精确配准问题 | 引入广义条件隐式神经表示框架实现无需重训练的连续形变建模;基于Swin Transformer的双向特征反馈机制将高层语义先验注入低分辨率流,通过自顶向下交互校正粗层偏差;结合解剖感知结构约束促进解剖一致性和局部边界对齐 | 未明确说明计算资源的具体配置;仅在DIR-Lab和POPI两个数据集上验证,样本量有限;未讨论对极端呼吸运动或严重病变病例的适用性 | 解决肺部4D-CT大形变配准中单向粗到细级联策略的误差传播问题,实现大形变建模与局部结构保真度的联合优化 | 肺部4D-CT图像 | 计算机视觉, 医学图像配准 | 肺癌, 呼吸系统疾病 | 4D-CT成像 | 隐式神经表示网络, Swin Transformer | 3D医学图像(4D-CT) | DIR-Lab数据集(受试者内相位留出协议)和POPI独立数据集,具体样本数未在摘要中明确 | NA | 双向多尺度隐式神经表示网络, Swin Transformer | 平均TRE, 折叠率, 推理时间 | NA |
| 19 | 2026-11-18 |
A deep learning framework for oligopeptide candidate discovery across metabolism-related contexts
2026-Nov-16, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2026.101577
PMID:42697196
|
研究论文 | 提出了一种基于深度学习的流程Deepeptide,用于在代谢相关背景下发现候选寡肽 | 利用疾病适应症、生物过程和分子功能之间的内在关系,识别与疾病相关过程相关的寡肽作为先导候选物,并在五个代表性背景下应用 | 需要进一步验证其在更广泛背景下的通用性 | 在代谢相关背景下发现寡肽先导候选物 | 寡肽候选物,涉及血管生成、脂质代谢、骨生成、葡萄糖代谢和抗血管生成等疾病背景 | 机器学习 | 代谢相关疾病 | 深度学习 | 深度学习 | 生物序列和功能数据 | NA | NA | NA | 生物活性显著性 | NA |
| 20 | 2026-11-18 |
Deep learning MGMT promoter methylation status prediction in IDH-wildtype glioblastoma using multiparametric MRI: Benchmark vs. real‑world performance
2026-Nov-16, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-026-04566-6
PMID:43037703
|
研究论文 | 本研究探讨了基于多参数MRI的深度学习策略预测IDH野生型胶质母细胞瘤中MGMT启动子甲基化状态,并重点评估了在异构多中心条件下的鲁棒性和泛化能力 | 整合了公共基准数据(BraTS)与多机构私人队列,设计了四种互补实验设置进行对比,强调了肿瘤分割和ROI定义在上游方法选择中对MRI放射基因组建模性能的关键影响 | 在独立的多中心测试集上性能显著下降,需要在训练中未包含的外部机构队列中进一步验证 | 研究基于深度学习的多参数MRI预测MGMT启动子甲基化状态的策略,并评估其在异构多中心条件下的鲁棒性和泛化能力 | IDH野生型胶质母细胞瘤病例 | 医学影像分析 | 胶质母细胞瘤 | 多参数MRI | CNN | 图像 | 949例胶质母细胞瘤病例 | NA | nnU-Net, DenseNet121, 三维卷积神经网络 | AUC | NA |