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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-06 |
Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys
2024-Aug-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.25.609595
PMID:39253466
|
研究论文 | 本文通过全球机器学习竞赛分析顶级解决方案,开发用于人肾3D血管分割的深度学习方法 | 组织全球1401名参与者的大规模机器学习竞赛,在分层相衬断层扫描数据上建立血管分割新基准 | 仅针对人肾相衬断层扫描数据,方法在其他成像模态的通用性未验证 | 开发用于3D医学图像血管分割的高效深度学习算法 | 人肾血管系统 | 计算机视觉 | 肾脏疾病 | 分层相衬断层扫描 | 深度学习 | 3D医学图像 | 手动标注的3D人肾数据集 | NA | NA | 分割准确度, 形态学分析 | NA |
| 42 | 2025-10-06 |
PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications
2024-Aug-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.02.24311385
PMID:39211887
|
研究论文 | 本文提出一种名为PixelPrint的3D打印方法,用于制造患者特异性可变形CT肺部体模以模拟呼吸运动 | 开发了能够精确复制患者肺部结构、纹理和衰减特征的可变形体模,相比现有模型更具真实性 | NA | 为呼吸运动补偿技术提供更真实的测试环境 | 呼吸运动体模(RMPs)和CT成像技术 | 医学影像 | 肺部疾病 | 3D打印技术 | NA | CT影像数据 | NA | NA | NA | 结构复制精度、变形准确性、体积变化和衰减变化 | NA |
| 43 | 2025-10-06 |
Deep Learning-Assisted Automatic Diagnosis of Anterior Cruciate Ligament Tear in Knee Magnetic Resonance Images
2024-08-13, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10080094
PMID:39195729
|
研究论文 | 开发用于膝关节磁共振图像中前交叉韧带撕裂自动诊断的深度学习模型 | 提出包含双尺度数据增强模块、选择性组注意力模块和融合模块的SGNET模型,能同时从空间和层级尺度增强数据并捕获跨层、通道和空间尺度的关系 | 仅使用单一公共数据集进行验证,未在更多临床场景中测试 | 提高前交叉韧带撕裂的诊断准确性和效率 | 膝关节磁共振图像 | 医学影像分析 | 前交叉韧带撕裂 | 磁共振成像 | 深度学习 | 医学图像 | 1250例膝关节MRI检查 | NA | SGNET | 准确率,敏感度,特异度,AUC | NA |
| 44 | 2025-10-06 |
Machine Learning and Deep Learning Approaches in Lifespan Brain Age Prediction: A Comprehensive Review
2024-08-12, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography10080093
PMID:39195728
|
综述 | 本文对2020-2024年间52项研究进行全面回顾,系统分析机器学习和深度学习在寿命跨度脑年龄预测中的应用进展 | 首次系统比较机器学习和深度学习在寿命跨度脑年龄预测中的效能差异,揭示不同模型架构的优缺点 | 仅纳入2020-2024年间的52项研究,可能未覆盖该领域所有相关文献 | 评估机器学习和深度学习在脑年龄预测领域的技术进展,指导神经退行性疾病早期干预策略 | 神经影像数据驱动的脑年龄预测研究 | 机器学习 | 神经退行性疾病 | 神经影像技术 | 机器学习,深度学习 | 神经影像数据 | 52项研究 | NA | NA | NA | NA |
| 45 | 2025-10-06 |
Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging
2024-Aug-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.31.605907
PMID:39131321
|
研究论文 | 本文提出使用长轴向范围双螺旋点扩散函数实现哺乳动物细胞的三维超分辨率成像,无需图像拼接 | 开发长轴向范围双螺旋点扩散函数,结合深度学习算法实现稠密发射体定位,简化三维超分辨率成像流程 | 未明确说明该方法在其他细胞类型或组织样本中的适用性 | 开发简化三维超分辨率成像的实验和分析流程 | 荧光珠和U-2 OS细胞中的核纤层蛋白lamin B1 | 计算显微成像 | NA | 单分子定位显微镜(SMLM)、DNA-PAINT成像 | 深度学习 | 荧光显微图像 | 荧光珠和U-2 OS细胞 | NA | NA | 定位精度、分辨率、成像速度 | NA |
| 46 | 2025-10-06 |
Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease
2024-Aug-27, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.05.062
PMID:39168568
|
研究论文 | 开发并验证基于深度学习的AI-ECG模型,用于预测先天性心脏病患者的双心室功能障碍和扩张 | 首次在先天性心脏病领域开发AI-ECG模型预测双心室病理生理变化,并进行外部验证 | 功能性单心室患者模型性能最低,存在特定患者群体的预测局限性 | 开发能够预测先天性心脏病患者双心室功能障碍和扩张的人工智能心电图分析模型 | 先天性心脏病患者的心电图-心血管磁共振配对数据 | 医疗人工智能 | 先天性心脏病 | 心电图分析,心血管磁共振 | CNN | 心电图信号,医学影像数据 | 内部队列8,584个ECG-CMR配对(4,941名患者),外部验证队列909个ECG-CMR配对(746名患者) | NA | 卷积神经网络 | AUROC, 精确召回曲线下面积 | NA |
| 47 | 2025-10-06 |
Deep learning-based fully automatic screening of carotid artery plaques in computed tomography angiography: a multicenter study
2024-08, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.04.015
PMID:38789330
|
研究论文 | 开发并验证基于深度学习的全自动算法,用于CT血管造影图像中颈动脉斑块的检测与分类 | 首次提出基于改进3D-UNet和ResUNet架构的两步深度学习系统,实现颈动脉斑块的自动检测和三分类(非钙化、混合型、钙化) | 回顾性研究设计,样本量相对有限(400例患者),需要进一步前瞻性验证 | 开发自动化颈动脉斑块筛查工具以减轻放射科医生工作负担 | 颈动脉斑块 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN | 医学影像 | 400例患者(中心Ⅰ300例,中心Ⅱ100例) | NA | 3D-UNet, ResUNet | 灵敏度, F1-score, fROC曲线下面积, Cohen's kappa, ROC曲线 | NA |
| 48 | 2025-10-06 |
Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification
2024-08, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.04.017
PMID:38796378
|
研究论文 | 基于T1WI图像开发放射组学和深度学习模型用于急性淋巴细胞白血病的准确识别 | 同时构建放射组学模型和深度学习模型进行急性淋巴细胞白血病识别,并比较两种方法的诊断效能 | 样本量相对有限,仅包含604例数据;两种模型在Delong检验中无统计学差异 | 开发高精度的模型用于急性淋巴细胞白血病的准确检测 | 急性淋巴细胞白血病患者和正常儿童的脑部磁共振数据 | 医学影像分析 | 急性淋巴细胞白血病 | 磁共振成像 | 支持向量机, CNN | 医学图像 | 604例脑部磁共振数据(ALL组和正常儿童组) | NA | EfficientNet-B3 | AUC, 敏感性, 特异性, 准确率, 阴性预测值, 阳性预测值 | NA |
| 49 | 2025-10-06 |
A survey of brain functional network extraction methods using fMRI data
2024-08, Trends in neurosciences
IF:14.6Q1
DOI:10.1016/j.tins.2024.05.011
PMID:38906797
|
综述 | 本文系统综述了基于功能磁共振成像数据提取脑功能网络的经典与先进方法 | 全面涵盖静态与动态功能网络提取方法,系统比较各类方法的原理、优缺点及相互关系 | NA | 探讨脑功能网络分析方法及其在脑功能研究和脑疾病病理生理机制理解中的应用 | 功能磁共振成像数据 | 医学影像分析 | 脑部疾病 | 功能磁共振成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 50 | 2025-10-06 |
An early warning indicator trained on stochastic disease-spreading models with different noises
2024-Aug, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2024.0199
PMID:39118548
|
研究论文 | 本研究开发了一种基于深度学习算法的疾病暴发早期预警指标,通过在不同噪声条件下的疾病传播模型上进行训练 | 将加性白噪声、乘性环境噪声和人口统计噪声整合到标准流行病数学模型,并利用深度学习算法处理这些噪声源带来的复杂性 | 研究主要基于模拟时间序列和有限的实际COVID-19数据,在更广泛疾病类型和地区的适用性需要进一步验证 | 开发可靠的疾病暴发早期预警信号以支持公共卫生缓解策略 | 传染病暴发时间序列,特别是受噪声影响的疾病传播动态 | 机器学习 | 传染病 | 深度学习 | 深度学习算法 | 时间序列数据 | 埃德蒙顿真实COVID-19病例数据和模拟疾病传播时间序列 | NA | NA | 过渡点捕捉能力,与现有指标的性能比较 | NA |
| 51 | 2025-10-06 |
Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification
2024-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104673
PMID:38862083
|
研究论文 | 提出一种基于临床知识模板的方法来改进气胸分类中AI模型的事后解释 | 将气胸临床知识转化为模板,用于过滤XAI方法生成的多余解释区域 | 需要放射科医生手动勾画病变区域来生成模板 | 提高气胸分类中AI模型解释的准确性和临床相关性 | 气胸病变区域 | 计算机视觉 | 气胸 | 深度学习 | CNN | 胸部X光图像 | 两个真实世界数据集(SIIM-ACR和ChestX-Det) | NA | VGG-19, ResNet-50 | IoU, Dice Similarity Coefficient | NA |
| 52 | 2025-10-06 |
Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging
2024-Aug-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001065
PMID:38329824
|
研究论文 | 评估深度学习加速的非对比FLAIR序列在膝关节炎症滑膜炎诊断中的价值与准确性 | 首次将深度学习加速的非对比FLAIR序列应用于膝关节滑膜炎评估,并与标准对比增强成像进行对比验证 | 回顾性研究设计,样本量相对较小(55例患者) | 评估深度学习加速FLAIR序列在膝关节炎症滑膜炎诊断中的临床价值 | 疑似膝关节滑膜炎患者 | 医学影像 | 关节炎 | 磁共振成像,深度学习加速序列 | 深度学习 | 医学影像 | 55例患者(28名女性,平均年龄52±17岁) | NA | NA | Cohen κ,Wilcoxon符号秩检验 | NA |
| 53 | 2025-10-06 |
FHIR-GPT Enhances Health Interoperability with Large Language Models
2024-Aug, NEJM AI
DOI:10.1056/aics2300301
PMID:40746832
|
研究论文 | 本研究开发了FHIR-GPT模型,用于将临床叙述文本转换为FHIR标准的药物声明资源 | 首次利用大语言模型直接完成临床文本到FHIR资源的转换,避免了传统方法需要多个NLP工具复杂集成的缺点 | 研究主要针对FHIR药物声明转换,未涵盖其他类型的FHIR资源 | 提升医疗数据互操作性,支持表型分析、临床试验和公共卫生监测 | 临床叙述文本中的药物相关信息 | 自然语言处理 | NA | 大语言模型 | GPT | 文本 | 3671个临床文本片段 | NA | GPT | 精确匹配率 | NA |
| 54 | 2025-10-06 |
A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke
2024-Aug-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8272
PMID:38871371
|
研究论文 | 本研究开发了一种基于深度学习的全自动方法,利用治疗前CT和MR影像预测急性缺血性卒中患者机械取栓后的首次再通效应 | 首次实现了仅基于MR影像的首次再通效应分类,以及首个完全自动化的CT首次再通效应分类方法,无需耗时的手动分割 | 研究样本仅来自单一医疗中心(UCLA Ronald Reagan Medical Center),样本量相对有限 | 预测急性缺血性卒中患者机械取栓后的首次再通效应 | 接受血管内取栓治疗的大血管闭塞性卒中患者 | 医学影像分析 | 急性缺血性卒中 | CT成像, MR成像 | 深度学习, 混合Transformer模型 | 医学影像 | 326名患者 | NA | 混合Transformer模型(包含非局部和交叉注意力模块) | ROC-AUC, 敏感性, 特异性 | NA |
| 55 | 2025-10-06 |
Deciphering the Feature Representation of Deep Neural Networks for High-Performance AI
2024-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3363642
PMID:38373137
|
研究论文 | 开发了一种名为对比特征分析(CFA)的计算框架,用于探索深度神经网络特征空间并提升AI性能 | 提出利用特征间交互关系并结合数据驱动的核形成策略,克服传统方法在分析高维复杂特征数据时的局限性 | NA | 解决深度神经网络特征表示难以解释的问题,提升AI系统性能 | 深度神经网络的特征空间数据 | 机器学习 | NA | 对比特征分析(CFA) | 深度神经网络(DNN) | 特征空间数据 | 多个先进网络和标注数据集 | NA | NA | NA | NA |
| 56 | 2025-10-06 |
Deep survival analysis for interpretable time-varying prediction of preeclampsia risk
2024-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104688
PMID:39002866
|
研究论文 | 本研究开发了一种基于深度生存分析的子痫前期风险预测模型,能够捕捉时间变化的疾病风险轨迹 | 首次将DeepHit深度生存模型应用于子痫前期风险预测,能够处理非比例风险和复杂时间动态关系 | 研究基于回顾性数据,需要在更多样化人群中验证模型泛化能力 | 开发能够准确预测子痫前期时间变化风险的深度学习模型 | 66,425名在两个三级医疗中心分娩的孕妇个体 | 机器学习 | 子痫前期 | 生存分析,深度学习 | DeepHit | 临床医疗数据 | 66,425名孕妇 | NA | 神经网络 | AUC | NA |
| 57 | 2025-10-06 |
Enhancing Chicago Classification diagnoses with functional lumen imaging probe-mechanics (FLIP-MECH)
2024-Aug, Neurogastroenterology and motility
IF:3.5Q2
DOI:10.1111/nmo.14841
PMID:38852150
|
研究论文 | 本研究开发了一种结合功能腔成像探头测量和深度学习的力学分析方法,用于改进食管动力障碍的芝加哥分类诊断 | 首次提出将功能腔成像探头测量与深度学习相结合,通过变分自编码器生成虚拟疾病景观,系统性地整合高分辨率测压和FLIP测量数据 | 研究样本量为740名受试者,需要更大规模的多中心验证来确认方法的普适性 | 开发一种正式方法来弥合高分辨率测压和功能腔成像探头测量在诊断推断上的差距 | 740名受试者,包括一系列动力障碍患者和正常受试者 | 医学影像分析 | 食管动力障碍 | 功能腔成像探头,高分辨率测压 | 变分自编码器,线性判别分析 | 生物力学参数数据 | 740名受试者 | NA | 变分自编码器 | 聚类分析,相关性分析 | NA |
| 58 | 2025-10-06 |
A review on 4D cone-beam CT (4D-CBCT) in radiation therapy: Technical advances and clinical applications
2024-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17269
PMID:38922912
|
综述 | 本文全面回顾了4D锥形束CT在放射治疗中的技术进展与临床应用 | 系统总结了4D-CBCT的技术发展,包括传统算法和新兴的深度学习方法,并探讨了其临床潜力 | 4D-CBCT存在扫描时间长、成像剂量高、图像质量受损等问题 | 回顾4D-CBCT的技术发展并探讨其临床应用前景 | 放射治疗中的4D锥形束CT成像技术 | 医学影像 | 胸部肿瘤,腹部肿瘤 | 锥形束CT, 呼吸相关4D成像 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 59 | 2025-10-06 |
TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction
2024-Aug, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103190
PMID:38820677
|
研究论文 | 提出一种时空感知生成对抗网络(TAI-GAN),用于动态心脏PET早期到晚期帧转换以实现帧间运动校正 | 首次将时间信息和带有局部位移的粗略心脏分割掩码作为解剖信息整合到生成对抗网络中,通过全对一映射实现早期帧转换 | 方法在临床Rb PET数据集上验证,但未提及在其他类型PET数据或更大规模数据集上的泛化能力 | 改善动态心脏PET帧间运动校正,提高心肌血流量量化准确性 | 动态心脏PET图像帧,特别是早期帧与参考帧之间的转换 | 医学影像分析 | 心血管疾病 | PET成像,铷-82心肌灌注成像 | GAN | 医学影像 | 临床Rb PET数据集(未提供具体样本数量) | NA | TAI-GAN,包含特征线性调制层 | 图像质量,运动估计精度,心肌血流量量化准确性 | NA |
| 60 | 2025-10-06 |
Comparison of model-based versus deep learning-based image reconstruction for thin-slice T2-weighted spin-echo prostate MRI
2024-08, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04256-1
PMID:38520510
|
研究论文 | 比较基于模型的图像重建与深度学习图像重建在前列腺薄层T2加权自旋回波MRI中的性能差异 | 首次系统比较传统模型重建与多级别深度学习重建在前列腺薄层MRI中的应用效果 | 样本量较小(17例),仅评估单一MRI序列(T2SE) | 评估不同图像重建方法在前列腺MRI中的信噪比和图像质量表现 | 前列腺MRI图像 | 医学影像分析 | 前列腺癌 | T2加权自旋回波MRI | 深度学习重建 | MRI图像 | 17例临床患者 | NA | NA | 信噪比, 锐度, 对比度保真度, 评审者偏好 | 3.0 Tesla MRI扫描仪 |