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 | 2026-02-27 |
Machine Learning on Dynamic Functional Connectivity: Promise, Pitfalls, and Interpretations
2026-Jun-05, Information sciences
DOI:10.1016/j.ins.2026.123184
PMID:41737630
|
研究论文 | 本文通过大规模功能磁共振成像数据评估深度学习模型在认知任务识别和疾病诊断中的性能,并提出了模型选择指南 | 利用大规模现有神经影像数据(39,784个fMRI样本)建立深度学习模型设计的经验指南,并引入基于注意力的可解释性方法揭示大脑激活的空间模式 | 模型性能在不同任务、数据集和评估设置中仍存在不一致性,且没有通用模型在所有场景中占主导地位 | 评估深度学习模型在功能神经影像学中的性能,并建立模型选择指南 | 功能磁共振成像数据中的认知状态和疾病诊断 | 机器学习 | NA | 功能磁共振成像 | 深度学习模型 | 图像 | 39,784个fMRI样本来自七个数据库 | NA | NA | NA | NA |
| 2 | 2026-02-27 |
LDM-Morph: Latent diffusion model guided deformable image registration
2026-Jun, Pattern recognition
IF:7.5Q1
DOI:10.1016/j.patcog.2025.112925
PMID:41736822
|
研究论文 | 提出了一种名为LDM-Morph的无监督可变形图像配准算法,通过整合潜在扩散模型的特征来增强语义信息,以提高医学图像配准的精度和拓扑保持能力 | 首次将潜在扩散模型(LDM)的特征整合到可变形图像配准中,设计了基于潜在和全局特征的交叉注意力模块(LGCA),并提出了在原始像素空间和潜在特征空间评估相似性的分层度量方法 | NA | 提高医学图像可变形配准的精度和拓扑保持能力 | 医学图像(包括2D心脏图像和3D图像) | 数字病理 | 心血管疾病 | NA | CNN, Transformer | 图像 | 四个公开的2D心脏图像数据集和两个3D图像数据集 | NA | 潜在扩散模型(LDM) | 精度, 拓扑保持能力, 计算效率 | NA |
| 3 | 2026-02-27 |
Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108451
PMID:41420941
|
研究论文 | 提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络(TCNs) | 通过理论基础的乘性和成对交互机制显式组合输入特征子集,以捕获传统卷积方法忽略的高阶特征交互 | 未明确讨论计算复杂度相对于传统方法的增加程度 | 开发适用于特征顺序任意且空间关系最小的一维数据的分类方法 | 一维非空间数据 | 机器学习 | NA | 深度学习 | CNN | 一维数据 | 五个基准数据集(医学诊断、政治学、合成数据、化学计量学、医疗保健) | NA | 扭曲卷积网络(TCNs) | 统计显著性检验 | NA |
| 4 | 2026-02-27 |
MMC-CS: Multi-branch multi-stage contrastive learning for self-supervised compressed sensing
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108475
PMID:41422622
|
研究论文 | 提出一种用于图像压缩感知的自监督深度学习框架MMC-CS,通过多分支多阶段对比学习解决无真实数据下的逆问题 | 提出多分支多阶段渐进交叉对比结构,在无真实数据情况下有效学习图像先验;设计端到端深度神经网络,展开近端梯度下降算法;在重建过程中实现多尺度协同优化,结合图像路径和卷积特征路径 | 未明确说明计算复杂度与实时性表现,未与其他自监督方法进行广泛的计算效率对比 | 解决图像压缩感知中真实数据难以获取和测量数据利用不足的问题 | 图像压缩感知的逆问题求解 | 计算机视觉 | NA | 自监督学习,对比学习 | 深度神经网络 | 图像 | NA | NA | 基于近端梯度下降展开的网络,多分支多阶段结构 | PSNR | NA |
| 5 | 2026-02-27 |
Adversarial incomplete multi-view clustering with adaptive contrastive learning
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108484
PMID:41435732
|
研究论文 | 本文提出了一种名为ACLN的新型不完整多视图聚类方法,通过结合自适应对比学习和对抗学习网络来解决多视图数据中视图缺失的问题 | 创新点在于设计了一个自适应对比学习模块,能根据每个视图中共享信息的重要性动态调整对比学习参数,并整合生成对抗网络以提升潜在特征表示质量 | 未在摘要中明确说明 | 研究目标是不完整多视图数据的聚类问题,旨在提高聚类性能 | 研究对象是不完整多视图数据,即某些视图因传感器故障或数据损坏而不可用的场景 | 机器学习 | NA | 自适应对比学习, 对抗学习 | GAN | 多视图数据 | 六个多视图数据集 | NA | 生成对抗网络 | 聚类性能指标(未具体说明) | NA |
| 6 | 2026-02-27 |
Decoupling time and space: An adaptive shared graph convolutional network for dynamic market price forecasting
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108489
PMID:41455244
|
研究论文 | 提出了一种用于产品价格预测的时空解耦自适应共享图卷积网络(STDAsh-GCN) | 引入了全局共享参数机制以实现时空表示的深度解耦,并设计了自适应特征聚合模块和共享注意力机制来动态评估节点贡献并平衡输入特征与邻接关系的影响 | NA | 准确预测产品价格以帮助企业预测市场趋势并主动调整销售策略 | 产品市场价格 | 机器学习 | NA | NA | 图神经网络 | 时空数据 | 三个真实工业数据集(包括一个硫酸钾生产企业的数据) | NA | STDAsh-GCN | NA | NA |
| 7 | 2026-02-27 |
Dynamic comprehensive difficulty knowledge cells based on KAN network and stable learning for knowledge tracing
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108514
PMID:41478142
|
研究论文 | 提出一种基于KAN网络和稳定学习的动态综合难度知识单元模型(DDKC),用于知识追踪任务 | 首次将动态变化的综合难度概念引入知识追踪,并采用KAN网络动态更新难度;提出基于稳定学习的训练策略以消除学生侥幸猜测带来的虚假相关性 | 未明确说明模型在跨学科或大规模在线教育平台中的泛化能力 | 提升知识追踪任务中对学生知识状态动态变化的建模精度 | 学生在教育场景中的学习行为与知识掌握状态 | 自然语言处理 | NA | 深度学习 | KAN网络 | 教育行为数据 | 多个公共教育数据集(未指定具体数量) | NA | 动态综合难度知识单元(DDKC) | 预测性能指标(未具体说明) | NA |
| 8 | 2026-02-27 |
ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108535
PMID:41494492
|
研究论文 | 提出一种名为ClinReadNet的深度学习框架,用于低剂量腹部CT图像的无参考质量评估,其设计灵感来源于放射科医生的临床阅片逻辑 | 提出了一个与临床阅片逻辑对齐的深度学习框架,包含三个创新模块:Sobel序数质量网络(SOQN)模块同时关注边缘细节和整体质量分布;(S)W-MTMSA模块模拟医生从整体扫描到局部聚焦的阅片过程;分层排序概率得分(HRPS)损失函数结合粗分类和细分类逻辑并关注分级标签间的距离信息 | NA | 开发一个模仿医生阅片习惯的低剂量无参考图像质量评估模型,以优化腹部CT成像中辐射剂量与图像质量之间的平衡 | 低剂量腹部CT图像 | 计算机视觉 | NA | CT成像 | 深度学习 | 医学图像 | LDCTIQAG2023数据集 | NA | ClinReadNet | PLCC, SROCC, KROCC | NA |
| 9 | 2026-02-27 |
A physics informed neural network architecture for moving boundary problems in science and engineering
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108500
PMID:41500169
|
研究论文 | 本文提出了一种专门用于解决移动边界问题的物理信息神经网络架构 | 设计了一种新颖且通用的物理信息神经网络架构,使用两个独立的神经网络分别预测自由边界和系统变量,以处理空间域随时间演化的移动边界问题 | NA | 开发一种用于科学和工程中移动边界问题的数值模拟方法 | 移动边界问题中的自由边界和系统变量 | 机器学习 | NA | 物理信息神经网络 | 神经网络 | NA | NA | NA | 物理信息神经网络 | NA | NA |
| 10 | 2026-02-27 |
Leveraging hemispheric asymmetry in structural MRI with an attention-guided 3D CNN for early prediction of Alzheimer's conversion
2026-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108534
PMID:41512495
|
研究论文 | 本文提出了一种名为HemiNet的轻量级3D卷积神经网络,通过分析大脑半球不对称性,利用单次结构MRI扫描预测轻度认知障碍向阿尔茨海默病的转化 | 首次将大脑半球不对称性作为关键生物标志物引入深度学习模型,设计了不对称差异挖掘、对侧半球融合和病理焦点注意力三个核心模块,实现了从单时间点扫描进行早期预测 | 研究依赖于ADNI单一数据集,临床可行性受限于单次扫描的预测能力,未在更广泛或多样化的队列中进行验证 | 早期预测轻度认知障碍向阿尔茨海默病的转化 | 轻度认知障碍患者 | 数字病理学 | 阿尔茨海默病 | 结构MRI | CNN | 图像 | ADNI数据集 | NA | 3D CNN | AUC, 准确率 | NA |
| 11 | 2026-02-27 |
Artificial intelligence in trauma care: applications, ethical challenges, and pathways toward responsible integration
2026-Apr-01, Current opinion in anaesthesiology
DOI:10.1097/ACO.0000000000001615
PMID:41669936
|
综述 | 本文综述了人工智能在创伤护理中的应用、伦理挑战及负责任整合的路径 | 及时综合了人工智能在创伤护理中的新兴应用、伦理挑战及监管框架,强调了负责任、以人为中心的整合 | 大多数系统仍处于概念验证阶段,外部验证有限,伦理和治理挑战是临床转化的主要障碍 | 探讨人工智能在创伤护理中的负责任整合,包括应用、伦理挑战及监管框架 | 创伤护理系统,涵盖院前分诊到院内决策 | 机器学习 | 创伤 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | 准确性 | NA |
| 12 | 2026-02-27 |
Artificial intelligence-driven triage and decision-making in trauma systems/settings
2026-Apr-01, Current opinion in anaesthesiology
DOI:10.1097/ACO.0000000000001619
PMID:41744264
|
综述 | 本文综述了人工智能在创伤系统/场景中用于分诊和决策支持的最新进展 | 探讨了人工智能如何通过处理复杂生理信号、预测临床轨迹和增强跨护理阶段的共享心智模型,来增强临床判断,特别是在院前、急诊科和群体伤亡场景中的应用 | 前瞻性评估显示,人工智能向可测量的临床效益的转化存在差异,需要关注可用性、工作流整合和持续校准监测 | 回顾人工智能在创伤护理分诊和决策支持方面的最新发展 | 创伤系统/场景,包括院前、急诊科和群体伤亡环境 | 机器学习 | 创伤 | NA | 机器学习模型, 深度学习系统 | 生理信号, 影像数据, 传感器数据 | NA | NA | NA | NA | NA |
| 13 | 2026-02-27 |
Deep Learning-Based Motion-Compensated Reconstruction for Accelerating 4-Dimensional Magnetic Resonance Fingerprinting
2026-Mar-15, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.10.001
PMID:41138788
|
研究论文 | 本文提出并验证了一种基于深度学习的运动补偿4D磁共振指纹成像重建方法DeepMocor,旨在加速传统4D-MRF重建,以提升临床治疗规划的效能 | 提出了一种名为DeepMocor的深度学习新方法,用于运动补偿的4D-MRF重建,实现了相对于传统参考方法24倍的加速 | 研究样本量较小,仅包含19名肝细胞癌患者 | 开发并验证一种加速4D磁共振指纹成像重建的深度学习方法,以支持更高效的临床治疗规划 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 4D磁共振指纹成像 | 深度学习模型 | 腹部自由呼吸原始k空间数据 | 19名肝细胞癌患者 | NA | DeepMocor | 峰值信噪比, 结构相似性指数, 平均绝对百分比误差, 对比噪声比, 平均运动差异, 皮尔逊相关系数 | 3T磁共振成像扫描仪 |
| 14 | 2026-02-27 |
Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review
2026-Mar, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2673-4339
PMID:40962128
|
综述 | 本文是一篇关于评估颅骨和脊柱骨形态的先进3D MRI序列的叙述性综述 | 系统性地回顾和比较了近年来用于骨成像的先进MRI序列(如ZTE、UTE、VIBE),并探讨了其在不同病理和临床应用中的表现,同时指出了与深度学习结合的未来潜力 | 这是一篇叙述性综述,而非原始研究,其结论基于对现有文献的分析;研究范围主要聚焦于颅骨和脊柱,时间框架限定在近五年(应用)和近十年(技术) | 回顾和总结用于评估骨形态(尤其是颅骨和脊柱)的先进3D MRI序列的技术原理、应用现状和未来发展 | 用于骨成像的先进MRI序列,包括ZTE、UTE、VIBE、FRACTURE等 | 数字病理 | NA | MRI序列技术,包括ZTE、UTE、VIBE、FRACTURE、Dixon重建 | NA | 医学影像(MRI) | 从约250项(近五年应用)和约868项(近十年技术)文献中筛选出69项研究进行重点分析 | NA | NA | NA | NA |
| 15 | 2026-02-27 |
The application of artificial intelligence in blind ultrasound sweep diagnostics for prenatal medicine: A systematic literature review
2026-Mar, Acta obstetricia et gynecologica Scandinavica
IF:3.5Q1
DOI:10.1111/aogs.70147
PMID:41574472
|
系统综述 | 本文系统综述了人工智能在产前医学盲超声扫描诊断中的应用 | 聚焦于人工智能应用于由非专业人员操作的标准化“盲”超声扫描这一新兴领域,以改善产前超声诊断的可及性 | 在妊娠晚期准确性降低,且在妊娠早期或异常检测方面的验证有限 | 评估人工智能模型在产前诊断盲超声扫描中的应用效果 | 产前超声扫描数据,用于孕龄估计、胎儿监测和并发症筛查 | 医学影像分析 | 产前医学 | 盲超声扫描 | 深度学习 | 超声图像 | 14项研究(12项原始研究,2项综述/荟萃分析) | NA | NA | 平均绝对误差,AUC,Dice系数,准确率 | NA |
| 16 | 2026-02-27 |
Can atrial fibrillation ablation outcomes be properly predicted with electrocardiography and artificial intelligence?
2026-Mar, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag029
PMID:41743189
|
研究论文 | 本研究探讨了基于心电图和深度学习算法预测心房颤动消融术后重复消融需求的能力 | 首次使用原始12导联心电图数据和深度神经网络来预测心房颤动消融的重复手术需求 | 模型预测性能有限(AUC仅0.61),可能受限于非心电图参数的影响、数据集规模不足或需要长期心电图监测数据 | 评估心电图结合人工智能在预测心房颤动消融结果中的有效性 | 接受心房颤动消融手术的患者 | 机器学习 | 心血管疾病 | 心电图 | 深度神经网络,随机森林 | 心电图原始数据 | 865名患者(其中163名需要重复消融) | NA | NA | AUC,准确率 | NA |
| 17 | 2026-02-27 |
Simultaneous synthesis of perfusion and ventilation images from CT using a dual-decoder residual attention network for lung disease diagnosis
2026-Mar, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70498
PMID:41746161
|
研究论文 | 本研究开发了一种基于深度学习的双解码器残差注意力网络,用于从三维CT图像中同时合成肺灌注和通气图像,以支持肺部疾病的诊断 | 首次提出同时从三维CT合成肺灌注和通气图像的双解码器残差注意力网络,实现了对肺功能的整体评估 | 研究样本量较小(98例),且仅基于特定成像技术(SPECT),可能限制模型的泛化能力 | 开发一种深度学习框架,从三维CT图像中同时生成肺灌注和通气图像,以辅助肺部疾病的精确诊断和功能导向的放射治疗 | 肺部疾病患者的三维CT、单光子发射CT灌注图像和通气图像 | 数字病理学 | 肺部疾病 | 单光子发射CT(SPECT)灌注成像、通气成像、三维CT成像 | CNN | 图像 | 98例病例 | NA | 双解码器残差注意力网络(DDRAN)、单解码器残差注意力网络(RAN) | 结构相似性指数(SSIM)、Spearman等级相关系数(Rs)、Dice相似系数(DSC) | NA |
| 18 | 2026-02-27 |
Diverse database and machine learning model to narrow the generalization gap in RNA structure prediction
2026-02-27, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adz4967
PMID:41739924
|
研究论文 | 本文提出了一种结合多样化数据库和深度学习模型的方法,以缩小RNA二级结构预测中的泛化差距 | 开发了eFold模型,该模型受AlphaFold的Evoformer启发,并整合了超过30万个RNA二级结构数据,通过增加数据多样性和复杂性来提升预测性能,而非单纯扩大数据库规模 | RNA结构预测仍受限于结构数据的稀缺性,且模型在跨家族泛化方面可能存在不足 | 提高RNA二级结构预测的准确性和泛化能力 | 1098个初级microRNA和1456个人类信使RNA区域的二级结构 | 自然语言处理 | NA | 化学探测 | 深度学习 | RNA序列和二级结构数据 | 1098个初级microRNA和1456个人类信使RNA区域,加上超过30万个来自多源的二级结构 | NA | Evoformer(受AlphaFold启发) | NA | NA |
| 19 | 2026-02-27 |
Enhanced Visualization of Intracranial Cortical Arteries Using Deep Learning Reconstruction in Vessel Wall MR Imaging
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.tn.2025-0091
PMID:41285511
|
研究论文 | 本研究评估了深度学习重建在血管壁成像中用于可视化包括皮质动脉在内的整个脑动脉系统的效用 | 首次将深度学习重建技术应用于高分辨率血管壁成像,以改善颅内皮质动脉的可视化 | 样本量较小(仅17名患者),且研究未涉及长期临床结果验证 | 评估深度学习重建在血管壁磁共振成像中对脑动脉系统可视化质量的提升效果 | 颅内动脉系统,包括颈内动脉、椎动脉、基底动脉及主要脑动脉的第1至4段皮质动脉 | 数字病理学 | 心血管疾病 | 3D T1加权CUBE血管壁成像 | 深度学习重建模型 | 磁共振图像 | 17名患者 | NA | NA | 信噪比, 对比噪声比, 定性图像质量评分(4分制) | NA |
| 20 | 2026-02-27 |
Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0139
PMID:41535020
|
研究论文 | 本研究开发并评估了一种结合短TR采集和深度学习重建的磁共振血管成像技术,用于烟雾病患者的颅内动脉可视化 | 结合优化的短TR采集与深度学习重建,实现了扫描时间减少约50%的同时保持或提升图像质量 | 患者样本量较小(仅3例烟雾病患者),需要更大规模研究验证临床适用性 | 开发一种扫描时间更短、图像质量相当的磁共振血管成像技术,用于颅内动脉评估 | 健康志愿者(10名)和烟雾病患者(3名)的颅内动脉 | 医学影像 | 烟雾病 | 3D TOF磁共振血管成像,短TR采集,变密度泊松圆盘采样 | 深度学习 | 磁共振图像 | 10名健康志愿者和3名烟雾病患者 | NA | 展开式深度学习重建 | 信噪比,对比噪声比,图像质量评分(3分制) | NA |