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 | 2026-05-07 |
Validation of SynthSeg segmentation performance on CT using paired MRI from radiotherapy patients
2024-12-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120922
PMID:39557139
|
研究论文 | 本研究利用来自放射治疗患者的配对CT和MRI数据集,验证了深度学习模型SynthSeg在CT图像上进行脑部分割的性能 | 首次在多中心临床数据上系统评估SynthSeg用于CT脑部分割的可行性,并引入质量评分阈值以提升分割准确性 | SynthSeg在CT上分割精度低于MRI,仅适用于对精度要求不高的应用场景 | 验证SynthSeg模型在CT图像上的脑部分割性能,并探讨其与MRI分割的一致性 | 来自5个医疗中心的260名放射治疗患者的配对CT和MRI图像 | 计算机视觉 | NA | CT成像, MRI成像 | 深度学习模型 (SynthSeg) | 医学图像 (CT和MRI) | 260对CT和MRI图像 | Freesurfer | SynthSeg | Dice系数, Hausdorff 95距离 (HD95) | NA |
| 2 | 2026-05-07 |
INSPIRE: interpretable, flexible and spatially-aware integration of multiple spatial transcriptomics datasets from diverse sources
2024-Sep-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.23.614539
PMID:39386646
|
研究论文 | 提出INSPIRE,一种用于整合多个空间转录组数据集的可解释、灵活且具有空间意识的深度学习方法 | 结合图神经网络和对抗学习机制,实现不同来源数据的空间感知整合,并通过非负矩阵分解揭示可解释的空间因子及对应基因程序 | 未明确提及局限性,可能包括对计算资源的高需求或对大数据的扩展性挑战 | 解决多个空间转录组数据集的有效整合与解释问题,以探索组织结构和功能 | 人类皮层切片、小鼠脑切片、不同技术生成的小鼠海马和胚胎切片、包含50万个空间点的时空器官发生图谱 | 数字病理学 | NA | 空间转录组学 | 图神经网络、对抗学习 | 空间转录组数据 | 多个样本,包括人类皮层、小鼠脑、海马、胚胎切片及50万个空间点的器官发生图谱 | PyTorch | 图神经网络、非负矩阵分解 | 识别详细生物信号的性能、跨技术信息借用效率、胚胎发育动态变化揭示能力 | NA |
| 3 | 2026-05-07 |
Delineating yeast cleavage and polyadenylation signals using deep learning
2024-08-20, Genome research
IF:6.2Q1
DOI:10.1101/gr.278606.123
PMID:38914436
|
research paper | 利用深度学习模型解析酵母裂解与聚腺苷酸化信号的退化解码机制 | 首次通过深度学习量化退化调控元件的位置重要性,揭示裂解异质性与位点强度的关联机制,以及远缘物种中聚腺苷酸信号的差异 | 未明确提及模型在不同酵母菌株或环境条件下的泛化能力评估 | 解析酵母裂解与聚腺苷酸化信号的退化解码机制及其在替代聚腺苷酸化调控中的作用 | 酵母(包括酿酒酵母等物种)的mRNA 3'端裂解与聚腺苷酸化位点 | machine learning | NA | 深度学习模型 | 深度学习模型(未指定具体类型,可能包含卷积神经网络或循环神经网络) | 基因组序列数据 | NA | NA | NA | NA | NA |
| 4 | 2026-05-07 |
The scope of artificial intelligence in retinopathy of prematurity (ROP) management
2024-07-01, Indian journal of ophthalmology
IF:2.1Q2
DOI:10.4103/IJO.IJO_2544_23
PMID:38454859
|
综述 | 探讨人工智能在早产儿视网膜病变管理中的应用范围 | 聚焦印度背景下AI在ROP筛查中的应用潜力,并讨论其作为流行病学工具的客观优势 | AI实施存在医法律问题,可能遗漏视网母细胞瘤等致命疾病 | 评估AI在ROP管理中的角色与未来方向 | AI系统在ROP筛查、风险预测及流行病学分析中的性能 | 机器学习 | 早产儿视网膜病变 | NA | 卷积神经网络 | 图像 | NA | NA | CNN | NA | NA |
| 5 | 2026-05-07 |
Tailored Intraoperative MRI Strategies in High-Grade Glioma Surgery: A Machine Learning-Based Radiomics Model Highlights Selective Benefits
2024-06-01, Operative neurosurgery (Hagerstown, Md.)
DOI:10.1227/ons.0000000000001023
PMID:38289331
|
研究论文 | 通过机器学习放射组学模型预测高级别胶质瘤手术中5-ALA单独使用的效果,识别需要联合术中MRI的复杂病例 | 首次利用基于U2-Net深度学习的放射组学预测模型,鉴别在HGG手术中5-ALA效果欠佳而需联合iMRI的特定场景,提出选择性使用iMRI的策略 | 样本量较小(73例),且未达到统计学显著性差异,需进一步外部验证 | 评估5-ALA联合iMRI在HGG手术中的效果,并开发预测模型识别需要iMRI的病例 | 高级别胶质瘤(HGG)患者 | 机器学习 | 高级别胶质瘤 | MRI, 5-氨基乙酰丙酸(5-ALA)荧光引导手术 | U2-Net, 二元逻辑回归 | 图像(术前MRI影像) | 73例HGG患者 | PyTorch | U2-Net | Nagelkerke R², 受试者工作特征曲线下面积 | NA |
| 6 | 2026-05-07 |
Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study
2024-06, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30014
PMID:38247050
|
研究论文 | 提出了一种基于无监督深度学习与卷积神经网络的静态并行发射设计方法,用于减轻7T磁场下的B1+不均匀性 | 首次将CNN用于多通道B1+图的无监督训练,通过物理驱动的损失函数避免参考RF权重的计算 | 该研究为回顾性研究,未提及在临床数据集上的验证或实时应用中的计算效率 | 利用无监督深度学习方法改善7T磁共振成像中多通道发射阵列的B1+均匀性 | 健康人脑的B1+映射数据 | 机器学习 | NA | 7T磁共振成像 | 卷积神经网络 | 磁共振B1+映射图像 | 包含143名受试者的3824张二维矢状面多通道B1+图 | NA | CNN | 均方根误差、变异系数、能耗 | NA |
| 7 | 2026-05-07 |
Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability
2024 May-Jun, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2024.01.005
PMID:38296108
|
研究论文 | 开发并评估深度学习模型在预测低视野变异性患者中的应用,并研究其对青光眼神经保护临床试验样本量的影响 | 首次使用基线临床数据通过深度学习预测低视野变异性,并量化其对降低临床试验样本量的贡献 | 未提及模型在不同人群或不同设备上的泛化能力验证;仅依赖单中心回顾性数据 | 降低青光眼神经保护临床试验的样本量需求 | 青光眼患者的视野变异性预测及临床试验模拟 | machine learning | 青光眼 | 深度学习模型 | CNN | 文本(临床数据)与图像(OCT) | 2817只眼(来自2817名患者) | NA | NA(未明确指定具体架构) | AUC(受试者工作特征曲线下面积) | NA |
| 8 | 2026-05-07 |
Applications of artificial intelligence in the utilisation of imaging modalities in dentistry: A systematic review and meta-analysis of in-vitro studies
2024-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e24221
PMID:38317889
|
系统综述与荟萃分析 | 系统评价人工智能在牙科影像模态应用中的体外研究,并分析其准确性 | 首次通过荟萃分析综合评估AI在牙科影像多项任务中的准确性,包括牙齿分割分类、龋齿检测、颌骨分割及三维模型创建 | 仅纳入体外研究,缺乏临床试验验证,且现有研究存在异质性 | 全面评估AI在牙科影像模态中的应用效果与潜力 | 牙科影像数据(包括X光片、三维扫描图像等) | 计算机视觉 | 牙科疾病 | 卷积神经网络、深度学习 | CNN | 图像 | 9项研究 | NA | 卷积神经网络 | 真阳性率、真阴性率、阳性预测值、阴性预测值 | NA |
| 9 | 2026-05-07 |
3D CNN for neuropsychiatry: Predicting Autism with interpretable Deep Learning applied to minimally preprocessed structural MRI data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0276832
PMID:39432512
|
研究论文 | 利用3D深度学习对最小预处理的结构性MRI数据预测自闭症诊断,并提高模型可解释性 | 直接在原始空间(而非模板空间)训练3D CNN模型,减少偏差且提升对结构变化的敏感性,同时实现模型可解释性以识别关键脑区 | 受限于自闭症的临床异质性和数据站点效应,模型预测准确率仍需提升 | 开发一种可解释的3D深度学习流程,用于从结构MRI推断自闭症诊断 | 自闭症患者与健康对照组的脑结构MRI扫描数据 | 计算机视觉 | 自闭症 | MRI | 3D CNN | 影像 | 1329例(ABIDE I和II数据集,分为训练集、验证集和测试集) | NA | 3D CNN | 准确率 | NA |
| 10 | 2026-05-07 |
W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0276155
PMID:38442101
|
研究论文 | 提出一种结合自适应图卷积和CNN-LSTM的多站点水质预测模型W-WaveNet | 首次处理多站点水质数据中的非对齐空间相关性,并通过交错堆叠集成时间和空间模型 | 未提及模型的局限性,如计算复杂度或应用范围限制 | 提高多站点水质预测的准确性,考虑时空相关性 | 两个真实河流断面上的多个站点水质数据 | 机器学习 | NA | 自适应图卷积 | CNN-LSTM | 水质数据 | 两个真实河流断面多站点数据 | NA | 自适应图卷积网络, CNN-LSTM | 平均绝对误差 | NA |
| 11 | 2026-05-07 |
Deep Learning Classification of Angle Closure based on Anterior Segment OCT
2024 Jan-Feb, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2023.06.011
PMID:37437884
|
研究论文 | 评估卷积神经网络模型基于前段OCT图像对原发性房角关闭疾病进行分类的性能和泛化能力 | 跨地区验证CNN模型在PACD分类中的泛化能力,使用来自中国和新加坡的独立数据集进行测试 | 模型在区分PACS与PAC+PACG时表现中等,AUC仅达0.64-0.83 | 实现原发性房角关闭疾病的高通量自动分类和分期鉴别 | 来自中国和新加坡3个眼科中心的1141只眼睛 | 计算机视觉 | 原发性房角关闭疾病 | 扫频源光学相干断层扫描 | 卷积神经网络 | 前段OCT图像 | 841只眼睛(中国)+ 300只眼睛(新加坡),共1141只眼睛 | NA | CNN | AUC, 精确率, 召回率 | NA |
| 12 | 2026-05-07 |
Delineating yeast cleavage and polyadenylation signals using deep learning
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561764
PMID:37873420
|
研究论文 | 利用深度学习模型解析酵母的切割和聚腺苷酸化信号 | 首次利用深度学习对酵母中退化的顺式调控元件进行解卷积,并量化其在介导酵母多聚A位点形成、切割异质性及强度中的位置重要性 | 未明确提及 | 阐明酵母中多聚腺苷酸化信号如何形成及其对mRNA成熟的作用机制 | 酵母物种中的多聚A位点及其调控元件 | 机器学习 | NA | 深度测序 | 深度学习模型 | DNA序列 | 未明确提及 | NA | 深度学习模型(未明确具体架构) | NA | NA |
| 13 | 2026-05-06 |
A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109467
PMID:41764935
|
研究论文 | 开发了一种基于深度学习的自动化系统,用于在全景X光片上检测和分类与阻生第三磨牙相关的第二磨牙病变 | 提出增强型SMM-YOLOv8n模型,融合了Slim-Neck优化和多维注意力机制,显著优于基线YOLOv8模型 | 未在外部数据集上验证,且仅评估了内部测试集性能 | 开发自动化深度学习系统,提高第二磨牙病变诊断准确性并辅助临床决策 | 全景X光片中的第二磨牙与阻生第三磨牙 | 数字病理学 | 口腔疾病 | 全景X光成像 | CNN(卷积神经网络) | 图像 | 1170张全景X光片 | PyTorch | YOLOv8, SMM-YOLOv8n | mAP@50, precision, recall, F1-score | NA |
| 14 | 2026-05-06 |
Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109456
PMID:41775013
|
综述 | 通过文献计量分析绘制口腔颌面外科中人工智能研究的现状、热点和新兴趋势 | 首次系统运用文献计量学方法对口腔颌面外科中人工智能研究进行全景分析,揭示从传统机器学习到深度学习与Transformer模型的范式转移,以及非影像应用(如路径分析和预后分析)作为新兴方向 | 仅基于Web of Science和Scopus数据库,可能遗漏其他来源文献;文献计量分析本身的局限性,无法深入评估每项研究的临床实用性 | 映射口腔颌面外科中人工智能研究的当前状态、热点和新兴趋势 | Web of Science核心合集和Scopus中关于人工智能和口腔颌面外科的出版物 | 自然语言处理, 机器翻译 | 头颈癌 | 文献计量分析 | Transformer | 文本 | 5267篇文献 | NA | Transformer | NA | NA |
| 15 | 2026-05-06 |
Automated Segmentation of Augmented Bone After Transalveolar Sinus Floor Elevation Using Deep Learning
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109468
PMID:41795243
|
研究论文 | 评估深度学习模型在经牙槽嵴上颌窦底提升术后增强骨分割中的性能 | 首次使用多种深度学习模型(UNETR++、Swin Transformer、U-Net、3D-VNet)对经牙槽嵴上颌窦底提升术后的增强骨进行自动化分割,并揭示UNETR++在精度和效率上的显著优势 | 样本量较小(103例患者),且仅基于锥形束CT数据,可能限制模型泛化性 | 探索深度学习在口腔颌面外科术后影像分割中的应用,以提升增强骨分析的准确性和效率 | 经牙槽嵴上颌窦底提升术患者的锥形束CT影像数据 | 计算机视觉 | 口腔颌面疾病 | 锥形束CT | UNETR++、Swin Transformer、U-Net、3D-VNet | 图像(锥形束CT扫描) | 103例患者,每个患者包含术前(T0)和术后即刻(T1)两组影像 | NA | UNETR++、Swin Transformer、U-Net、3D-VNet | Dice相似系数、交并比、灵敏度、精确率、95% Hausdorff距离、准确率 | NA |
| 16 | 2026-03-21 |
Corrigendum to 'Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population': [International Dental Journal Volume 76, Issue 2, April 2026, 109381]
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109504
PMID:41855705
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2026-05-06 |
Automated Tooth Detection and Caries Identification in CBCT With Deep Learning
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109508
PMID:41850174
|
研究论文 | 开发了一种用于锥形束CT图像中牙齿检测、编号和龋齿识别的两阶段深度学习框架 | 首次提出了一种两阶段深度学习框架,用于自动化定位和编号龋齿,并结合多个分类网络进行龋齿识别,填补了CBCT图像中自动化龋齿分析的空白 | 样本量较小(65名患者),类别不平衡,需要外部多中心前瞻性验证以确认临床实用性 | 开发自动化工具,支持机会性龋齿筛查,优先处理疑似龋齿病变的CBCT扫描 | 65名患者的CBCT图像中的牙齿和龋齿 | 计算机视觉, 医学影像分析 | 龋齿(蛀牙) | 锥形束计算机断层扫描(CBCT) | 卷积神经网络(CNN) | 医学图像(CBCT轴向切片) | 65名患者 | PyTorch | YOLOv3, Cascade R-CNN, DenseNet169, MobileNet_V2, ResNet50 | 平均精度均值(mAP)、平均精度(AP)、平衡准确率、敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)、马修斯相关系数(MCC)、精确率-召回率曲线下面积(AUC-PR) | NA |
| 18 | 2026-05-06 |
Artificial Intelligence-Driven Segmentation of Three Oral Diseases: Enabling Precision Diagnosis and Decision Support
2026-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109486
PMID:41880827
|
研究论文 | 介绍了一个包含三种口腔黏膜疾病的高质量数据集,并评估了五种深度学习模型在病变分割和分类中的表现 | 提出了一个精心整理的数据集,涵盖三种常见口腔黏膜疾病,并对五种深度学习模型进行了全面评估,聚焦于同步病灶分割和分类 | NA | 推动AI辅助口腔疾病诊断的发展,提供标准化基准和可重复的框架 | 三种口腔黏膜疾病:口腔扁平苔藓、口腔白斑和口腔良性溃疡 | 计算机视觉 | 口腔黏膜疾病 | NA | 深度学习 | 图像 | 808张高分辨率临床图像 | NA | 五种深度学习架构 | Dice系数, 准确率 | NA |
| 19 | 2026-05-06 |
Association of MRI-Visible Perivascular Spaces With Longitudinal Cognitive Decline Over a Decade
2026-May-12, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000214803
PMID:42030516
|
研究论文 | 探究MRI可见的血管周围间隙(PVS)与十年间纵向认知功能下降之间的关系 | 独立于其他小血管疾病标志物,证明基底节区PVS负荷对执行功能和视空间技能纵向下降的独立贡献 | 无法建立因果关系 | 明确PVS作为独立小血管疾病标志物在纵向认知下降中的临床意义 | 无卒中或痴呆的老年参与者 | 机器学习 | 脑血管疾病 | 3T MRI, 深度学习 | 深度学习算法 | 医学影像 | 750名参与者(平均年龄68岁,52%女性) | NA | NA | NA | NA |
| 20 | 2026-05-06 |
Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins
2026-May-05, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c07201
PMID:41844363
|
研究论文 | 通过建模内部不确定性,为深度学习加速的蛋白质多维核磁共振波谱重建提供无参考质量评估基准 | 首次将深度集成、蒙特卡洛丢弃和证据深度学习三种不确定性量化框架整合到核磁共振重建骨干网络中,实现无需参考即可评估全局和频率级细节的预测可靠性 | 未明确提及局限性,但可能依赖特定蛋白质的二维和三维核磁共振谱数据,泛化性需进一步验证 | 提高深度学习在核磁共振波谱中的可靠性,通过不确定性估计回答“是否、何处、为何信任”的关键问题 | 蛋白质的二维和三维核磁共振波谱数据 | 深度学习,核磁共振波谱 | 不适用 | 核磁共振波谱 | 深度集成,蒙特卡洛丢弃,证据深度学习 | 核磁共振波谱数据(2D和3D) | 不适用(文章中未明确样本数量) | NA | 深度重建骨干网络,具体架构未指定 | 重建精度,不确定性图与重建残差的一致性,与参考度量的相关性 | 不适用(文章中未明确) |