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 | 2026-02-11 |
Methodological Considerations for Improving Deep Learning-Based Classification of Skin Lesions in High-Frequency Ultrasound Imaging
2026-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70201
PMID:41665130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2 | 2026-07-13 |
A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding
2026-Jul, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500267
PMID:41856938
|
研究论文 | 提出了一种轻量级双注意力神经网络DA-EEGNet,用于稳健高效的运动想象脑电解码 | 在EEGNet骨干网络中集成了通道注意力模块和深度注意力模块,以紧凑的参数量实现了优于或匹敌现有深度学习方法的性能 | 未明确说明局限性 | 实现运动想象脑电信号的高效空间-时间特征建模,同时保持紧凑的模型参数量 | 运动想象脑电信号及其解码 | 机器学习 | NA | 脑电图 | 注意力神经网络 | 脑电信号 | 两个广泛使用的运动想象基准数据集 | NA | DA-EEGNet | 分类准确率 | NA |
| 3 | 2026-07-13 |
MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs
2026-Jun, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2026.01.012
PMID:41856821
|
研究论文 | 提出一种基于Transformer的深度学习模型MorphMaskFormer,用于从全景X光片中自动估计第三磨牙发育的Demirjian阶段 | 将轻量级Transformer注意力模块(受Mask2Former启发)集成到UNet架构中,同时实现二值分割(牙齿/背景)和多类分割(A-H阶段),实现高精度和快速推理 | NA | 开发先进的深度学习模型,利用Demirjian分类从全景X光片中自动确定第三磨牙发育阶段,提高牙齿年龄估计的准确性和客观性 | 888张7至30岁个体的全景X光片及对应的Demirjian A-H阶段标注 | 计算机视觉, 数字病理学 | NA | 全景X光片 | CNN-Transformer混合模型 | 图像 | 888张全景X光片 | PyTorch | UNet, Mask2Former, MorphMaskFormer | IoU, Dice系数, 精确率, 召回率, 推理时间 | NA |
| 4 | 2026-07-13 |
Redesigning myoglobin via functional site scaffolding for enhanced catalytic functions
2026-May-14, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2026.153642
PMID:41855859
|
研究论文 | 通过深度学习的功能位点支架策略重新设计肌红蛋白,获得更小、更稳定的变体bitMb,并展示了其增强的催化功能 | 采用基于扩散的结构模型生成骨架结构,结合ProteinMPNN反向折叠和AlphaFold/OmegaFold结构预测,从肌红蛋白的血红素结合口袋和二级配位残基出发进行功能位点支架设计 | 未提及具体局限性 | 利用功能位点支架策略生成稳定且多功能的小型蛋白骨架,增强肌红蛋白的催化功能 | 肌红蛋白及其重新设计变体bitMb | 机器学习 | 无 | 深度学习、蛋白质设计 | 扩散模型 | 序列数据 | 超过100,000个序列 | PyTorch | ProteinMPNN, AlphaFold, OmegaFold | 熔化温度、酶活性 | NA |
| 5 | 2026-07-13 |
zERExtractor: An Automated Platform for Enzyme-Catalyzed Reaction Data Extraction from Scientific Literature
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00090
PMID:41844379
|
研究论文 | 提出一个自动化平台zERExtractor,用于从科学文献中提取酶催化反应数据 | 采用多模态信息提取框架(覆盖分子反应图、表格和文本),结合微调大型语言模型与深度学习的人机协同管道,通过专家数据保真验证和主动学习实现持续进化 | 未明确说明限制 | 解决数据库管理中酶反应数据的非结构化问题,为深度学习驱动的酶活性预测模型提供高质量数据 | 科学文献中的酶催化反应数据(分子反应图、表格和文本) | 自然语言处理 | NA | NA | 大型语言模型 | 文本, 图像, 表格 | 合成数据集和现实基准数据集(未明确数量) | NA | NA | 准确率 | NA |
| 6 | 2026-07-13 |
Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT
2026-03, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07655-8
PMID:41247514
|
研究论文 | 应用深度学习技术从无创心肌灌注SPECT影像预测阻塞性冠状动脉疾病 | 提出了深度学习衰减校正(DLAC)方法,并结合临床因素(性别、年龄、高血压诊断)显著提升预测性能 | NA | 利用深度学习从心肌灌注SPECT影像预测冠状动脉疾病 | 来自3个临床中心的515名匿名患者 | 计算机视觉,医疗影像分析 | 冠状动脉疾病 | 心肌灌注SPECT,深度学习衰减校正 | 深度学习 | 医学影像 | 515名患者(主要队列212名,外部验证集1:108名,外部验证集2:195名) | NA | NA | AUC,准确率 | NA |
| 7 | 2026-07-13 |
Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network
2026-03, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07660-x
PMID:41261210
|
研究论文 | 提出一种基于深度学习的自动运动校正框架,用于18F-flurpiridaz PET心肌灌注成像 | 首次将3D-ResNet深度学习框架应用于18F-flurpiridaz PET的逐帧自动运动校正,并通过三期临床试验数据验证,诊断性能与手动校正相当且速度更快 | 依赖手动校正作为金标准,且研究对象仅限单种示踪剂,可能需要进一步验证泛化性 | 开发自动运动校正方法以提高心肌血流量和血流储备定量分析的效率与一致性 | 18F-flurpiridaz PET心肌灌注成像患者数据 | 计算机视觉 | 心血管疾病 | PET | 3D-ResNet | 三维PET图像 | 来自32个三期临床试验站点的患者数据 | NA | 3D-ResNet | AUC, 95%一致性界限, 均值差异 | NA |
| 8 | 2026-07-13 |
Development of a Deep Learning Algorithm for Posterior Fossa Abnormality Recognition on First-Trimester US Screening Scans: AIRFRAME Study Part 1
2026-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.250394
PMID:41563074
|
研究论文 | 开发深度学习算法,用于自动评估早孕期超声筛查中的后颅窝,识别开放性脊柱裂和后颅窝囊肿异常 | 首次将深度学习算法应用于早孕期超声筛查中自动识别胎儿后颅窝异常,并利用集成学习提高模型性能 | 样本量较小,仅包含251例胎儿;模型在区分开放性脊柱裂和后颅窝囊肿异常时,后颅窝囊肿的召回率较低(75%) | 开发一种深度学习算法,用于自动评估早孕期超声筛查中的后颅窝,并识别开放性脊柱裂和后颅窝囊肿异常 | 早期妊娠(11-14周)胎儿大脑超声图像 | 计算机视觉 | 胎儿脑部异常(开放性脊柱裂、后颅窝囊肿) | 超声 | 卷积神经网络(CNN) | 图像 | 251例胎儿(150例正常,101例异常,其中43例开放性脊柱裂,58例后颅窝囊肿) | 未提及 | MobileNetV3 Large Weights | 受试者工作特征曲线下面积、准确率、召回率、特异度、精确率、阴性预测值、F1分数 | 未提及 |
| 9 | 2026-07-13 |
How I Do It: Fast MRI of the Joints
2026-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251430
PMID:41842665
|
研究论文 | 本文提供了关于中枢和外周关节快速肌肉骨骼MRI的实践导向概述,重点关注回波链优化和现代加速技术的应用 | 系统总结了并行成像、同时多层采集和压缩感知欠采样等加速技术在关节MRI中的独立或联合应用,并探讨了深度学习图像重建在高度加速采集中的有效性 | 需要进一步的研究和数据来验证深度学习方法在10倍加速肌肉骨骼MRI中的临床可行性 | 为临床医生提供关节快速MRI方案的实用指导,并评估当前加速技术的性能和潜力 | 中枢和外周关节的MRI扫描方案及其优化 | 数字病理学 | NA | MRI | 深度学习 | 图像 | NA | NA | 深度学习重建网络(未指明具体架构,如ResNet等) | 诊断图像质量 | NA |
| 10 | 2026-07-13 |
A physics-driven neural network with parameter embedding for generating quantitative MR maps from weighted images
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70394
PMID:41854958
|
研究论文 | 提出一种物理驱动且嵌入参数的神经网络,从加权MRI图像生成定量MR图谱 | 通过参数嵌入将MRI序列参数(TR、TE、TI)直接整合到网络中,使模型学习MR信号形成的物理原理,提高了定量图像合成的精度和泛化能力 | 未明确提及局限性 | 开发一种基于深度学习的方法,整合MRI序列参数,以提升从临床加权MRI图像合成定量图像的准确性和泛化性 | 健康脑部MRI图像 | 数字病理学 | 不适用 | MRI | 物理驱动神经网络 | MRI图像 | 健康和病理脑部MRI图像(内部和外部测试集) | 不适用 | 物理驱动神经网络(含参数嵌入) | 平均百分比误差(MPE)、全局体素级平均绝对误差(MAE) | 不适用 |
| 11 | 2026-07-13 |
Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance
2026-02-01, European thyroid journal
IF:3.5Q2
DOI:10.1530/ETJ-25-0268
PMID:41553093
|
研究论文 | 评估人工智能模型对意义不明确细胞学的甲状腺结节进行风险分层 | 首次评估专门针对AUS细胞学甲状腺结节的深度学习AI模型AI-Thyroid的临床适用性 | 样本量较小、回顾性设计、仅纳入韩国医疗机构的患者 | 评估AI模型对AUS细胞学甲状腺结节进行风险分层的临床适用性 | 2019年1月至2020年12月来自韩国五家医疗机构的甲状腺结节患者,共165个结节 | 机器学习 | 甲状腺结节 | 超声 | 深度学习模型 | 图像 | 165个甲状腺结节 | NA | AI-Thyroid | 敏感性、阴性预测值、AUC | NA |
| 12 | 2026-07-13 |
Interpretable multi-scale deep learning to detect malignancy in cell blocks and cytological smears of pleural effusion and identify aggressive endometrial cancer
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103742
PMID:40779831
|
研究论文 | 提出一个可解释的多尺度深度学习框架IMA-SSL,利用胸腔积液细胞块和细胞学涂片的全切片图像检测恶性肿瘤,并识别侵袭性子宫内膜癌 | 结合自监督学习特征编码器和多尺度注意力机制,实现可解释的胸腔积液恶性预测,在两个独立数据集(细胞块和细胞学涂片)上均优于五种现有方法,并成功应用于公共TCGA数据集的侵袭性子宫内膜癌识别 | NA | 开发深度学习框架提高胸腔积液恶性诊断的准确性和可靠性,减少误诊率 | 胸腔积液细胞块和细胞学涂片的全切片图像,以及TCGA子宫内膜癌数据集 | 数字病理学 | 肺癌、乳腺癌、子宫内膜癌、结核病、心力衰竭、肺炎 | 全切片成像 | 深度学习、多尺度注意力网络、自监督学习 | 全切片图像 | 194张细胞学涂片WSI和188张细胞块WSI | PyTorch | 多尺度注意力网络、自监督学习特征编码器 | 准确性、Fisher精确检验p值 | NA |
| 13 | 2026-07-13 |
Recurrent inference machine for medical image registration
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103748
PMID:40779833
|
研究论文 | 提出一种名为递归推理图像配准(RIIR)网络的新型医学图像配准方法,通过元学习求解器迭代优化配准过程 | 将递归推理引入图像配准,作为元学习求解器,结合隐式正则化和显式梯度输入,学习优化的更新规则,显著提高数据效率和配准精度 | NA | 提高医学图像配准的准确性和数据效率,解决深度学习方法在大训练数据需求上的不足 | 配准方法 | 计算机视觉 | NA | MRI, CT | 递归神经网络 | 图像 | 脑MRI、肺部CT和定量心脏MRI数据集 | PyTorch | RIIR网络 | 配准精度,数据效率 | NA |
| 14 | 2026-07-13 |
MedCLIP-SAMv2: Towards universal text-driven medical image segmentation
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103749
PMID:40779830
|
研究论文 | 介绍MedCLIP-SAMv2框架,利用文本提示实现医学图像分割,支持零样本和弱监督学习 | 将CLIP和SAM模型集成到统一框架中,引入解耦硬负例噪声对比估计损失和多模态信息瓶颈技术,实现文本驱动的零样本和弱监督医学图像分割 | NA | 开发一种数据高效、通用性强且可交互的医学图像分割方法 | 医疗影像中的解剖结构和病理区域分割 | 机器视觉 | 乳腺癌、脑肿瘤、肺部疾病 | NA | CLIP, SAM | 图像 | 四种医学影像模态数据集(乳腺肿瘤超声、脑肿瘤MRI、肺X光、肺CT) | PyTorch | BiomedCLIP, Segment-Anything-Model (SAM) | 准确率 | NA |
| 15 | 2026-07-13 |
OCELOT 2023: Cell detection from cell-tissue interaction challenge
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103751
PMID:40782597
|
研究论文 | 介绍OCELOT 2023挑战赛,旨在通过细胞与组织交互关系提升细胞检测性能 | 首次利用包含多尺度重叠细胞和组织注释的数据集,验证细胞-组织交互对提升细胞检测性能的重要性 | 未明确提及局限性,但挑战赛数据仅涵盖特定器官和染色类型,可能限制模型泛化性 | 验证理解细胞-组织交互对实现人类级细胞检测性能的关键作用,并推动该领域研究 | 细胞检测与组织分割的交互关系 | 计算机视觉, 数字病理学 | 癌症(涵盖多种器官) | H&E染色全玻片图像 | 深度学习模型 | 图像(全玻片图像) | 来自306个TCGA全玻片图像的673对样本,涵盖六个器官 | NA | NA | F1分数 | NA |
| 16 | 2026-07-13 |
PitVis-2023 challenge: Workflow recognition in videos of endoscopic pituitary surgery
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103716
PMID:40769094
|
研究论文 | PitVis-2023挑战赛针对内窥镜垂体手术视频中的工作流识别任务,包括手术步骤和手术器械的自动识别 | 将计算机视觉模型应用于内窥镜垂体手术视频,并针对该手术视野小、器械和步骤切换频繁的挑战进行模型优化,同时公开数据集以促进领域发展 | 数据集仅包含25个视频,样本量较小,可能限制模型的泛化能力 | 评估和推进内窥镜垂体手术视频中手术步骤和手术器械识别的计算机视觉技术 | 内窥镜垂体手术视频中的手术步骤和手术器械 | 计算机视觉 | 垂体疾病 | 视频分析 | 深度学习模型,包括基于Transformer的架构和时空编码器 | 视频 | 25个手术视频 | NA | Transformer, 自回归解码器, 位置编码, 空间编码器, 时间编码器 | NA | NA |
| 17 | 2026-07-13 |
SemiSAM+: Rethinking semi-supervised medical image segmentation in the era of foundation models
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103733
PMID:40769095
|
研究论文 | 提出SemiSAM+框架,利用基础模型驱动半监督学习,在有限标注数据下高效进行医学图像分割 | 利用可提示分割基础模型(如SAM)作为通用模型,通过与可训练专用模型的协作学习生成伪标签,实现低标注依赖的高效分割 | 未明确提及,但可能依赖于基础模型的泛化能力,在极端罕见病变类型或非标准图像上可能效果有限 | 解决半监督医学图像分割中标注成本高的问题,通过基础模型驱动的方法提升低标注场景下的分割性能 | 医学图像(包括多数据集评估) | 计算机视觉 | 未指定具体疾病 | 深度学习 | 分割模型(通用模型+专用模型协作) | 医学图像 | 三个公开数据集和一个内部临床数据集(数量未明确) | PyTorch(推测) | SAM(Segment Anything Model)及可训练专用分割模型 | 分割性能指标(精度、Dice系数等,具体未列明) | 未提及 |
| 18 | 2026-07-13 |
Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103715
PMID:40769097
|
研究论文 | 提出一种通过侧位头影测量片分析颈椎成熟度来评估儿童生长发育潜力的AI辅助方法 | 引入注意力-精炼网络(ARNet),结合用户交互引导的重新校准网络和形态感知损失函数,显著减少关键点标注的人工工作量并保持结构一致性 | NA | 通过颈椎形态分析预测儿童生长发育峰值,为正畸治疗提供最佳时机 | 颈椎骨成熟度特征及关键点标注 | 计算机视觉 | 儿科正畸 | 深度学习关键点估计 | 注意力-精炼网络(ARNet) | 医学图像(侧位头影测量片) | 多数据集验证 | NA | 交互引导重新校准网络 | NA | NA |
| 19 | 2026-07-13 |
Paired phase and magnitude reconstruction neural network for multi-shot diffusion magnetic resonance imaging
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103771
PMID:40857854
|
研究论文 | 提出一种用于多激发扩散磁共振成像的配对相位和幅度重建神经网络 | 设计了一种联合重建相位和幅度的神经网络,并利用高信噪比b0图像进一步优化网络,实现亚秒级快速重建 | 未明确提及局限性 | 实现多激发扩散磁共振成像的快速、高质量图像重建 | 多激发扩散加权成像数据 | 计算机视觉, 磁共振成像 | 肿瘤诊断 | 扩散加权成像 | 神经网络 | 图像 | 模拟数据和体内数据 | NA | 配对相位和幅度重建神经网络 | 客观评价指标, 图像质量评分(伪影抑制、整体质量、信噪比) | NA |
| 20 | 2026-07-13 |
Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint
2025-12, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103769
PMID:40865329
|
研究论文 | 提出一种基于部分独立生成模型和复差稀疏约束的无监督4D-flow MRI重建方法,利用深度图像先验框架实现图像恢复 | 设计了部分独立网络提高参数效率并减小模型规模;引入复差稀疏约束改善相位恢复精度;提出“预训练+ADMM微调”优化算法联合生成与稀疏优化目标 | 未明确提及局限性 | 解决有监督4D-flow MRI重建方法对高质量全采样数据依赖性强、泛化能力差的问题 | 4D-flow MRI图像重建算法 | 计算机视觉 | 血管疾病 | 4D-flow MRI | 卷积神经网络 | 4D-flow MRI图像 | 两个内部采集数据集:主动脉数据集和脑血管数据集 | NA | 部分独立网络 | 重建性能、泛化能力 | NA |