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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2026-06-05 |
CBCT assisted diagnosis system for temporomandibular joint disc displacement based on deep learning
2026-Feb-09, Progress in orthodontics
IF:3.5Q1
DOI:10.1186/s40510-026-00606-5
PMID:41661510
|
研究论文 | 基于深度学习的CBCT辅助诊断系统用于颞下颌关节盘移位 | 首次利用深度学习技术从锥形束CT图像中预测颞下颌关节盘移位风险,结合YOLOv11目标检测和FastViT-t8分类的两阶段模型,克服了传统依赖MRI诊断的复杂性、高成本和耗时问题 | 当前性能尚不能独立用于诊断,仅可作为分诊工具,辅助早期识别需转诊MRI的患者 | 利用深度学习技术,基于CBCT图像预测颞下颌关节盘移位风险 | 330例患者的CBCT图像,共识别5,238个颞下颌关节感兴趣区域 | 计算机视觉 | 颞下颌关节疾病 | 锥形束CT成像 | YOLOv11目标检测模型、FastViT-t8二分类模型 | 图像 | 330例患者,5,238个感兴趣区域(其中2,260个显示关节盘移位迹象) | PyTorch | YOLOv11, FastViT-t8 | 精确度, 召回率, mAP50, mAP50-95, AUC, AUPR, 准确率 | 未提及 |
| 942 | 2026-06-05 |
Association of epicardial adipose tissue with markers of cardiac remodelling and clinical outcomes in asymptomatic aortic stenosis
2026-Feb-09, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003804
PMID:41663151
|
研究论文 | 评估心外膜脂肪组织体积和密度与无症状主动脉瓣狭窄患者心脏重构及临床结局的关联 | 首次在无症状主动脉瓣狭窄队列中系统评估EAT体积和CT衰减与心脏MRI重构指标及预后的关系,并提出EAT可能具有保护作用 | 事后分析设计、样本量较小、中位随访时间仅370天,未考虑EAT功能或分子机制 | 探究EAT体积和密度与无症状主动脉瓣狭窄患者心脏重构及临床结局的关联 | 无症状中度至重度主动脉瓣狭窄患者(n=136)及健康对照组(n=39) | 机器学习 | 主动脉瓣狭窄 | 心脏CT、心脏MRI、超声心动图 | 深度学习 | 医学图像 | 136例患者和39例对照 | NA | NA | NA | 自动化深度学习软件 |
| 943 | 2026-06-05 |
Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes
2026-Feb-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69295-2
PMID:41663377
|
研究论文 | 利用可解释AI分析人胰腺切片图像,识别2型糖尿病的组织特征 | 首次通过可解释AI从全景胰腺切片图像中量化与2型糖尿病相关的多种组织学标志物,包括胰岛α细胞和δ细胞、神经元轴突以及脂肪细胞簇等 | 未提及具体限制,但可能包括样本量有限或数据偏倚等问题 | 探索并识别胰腺组织形态变化与2型糖尿病状态之间的关联 | 活体捐赠者的胰腺全切片图像,包含多种显色和多重免疫荧光染色 | 数字病理学 | 2型糖尿病 | 全景显微镜成像,多重免疫荧光染色 | CNN(卷积神经网络) | 图像 | 未提及具体数字,但包含来自活体捐赠者的胰腺全切片图像 | NA | 深度学习模型(具体架构未指定) | 预测性能(具体指标未指定,如准确率、AUC等) | NA |
| 944 | 2026-06-05 |
SPCNNet: spiking point cloud neural network for morphological neuron classification
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38839-3
PMID:41663568
|
研究论文 | 提出了一种尖峰点云神经网络(SPCNNet)模型,用于直接处理3D点云并进行神经元形态分类 | 首次将尖峰神经网络与点云处理相结合,直接在3D点云上使用脉冲信号表示形态特征,避免了传统方法中信息丢失的问题 | 未提及模型在大规模数据集上的泛化能力及计算效率方面的限制 | 提高神经元形态分类性能,揭示神经系统的功能特性和信息传递机制 | 神经元形态数据(SWC格式)转化为3D点云 | 机器学习 | NA | 点云转换、尖峰编码 | SPCNNet(尖峰神经网络) | 3D点云数据 | 两个NeuroMorpho数据集 | PyTorch | SPCNNet | 准确率 | NA |
| 945 | 2026-06-05 |
MM-GradCAM: an improved multimodal GradCAM method with 1D and 2D ECG data for detection of cardiac arrhythmia
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38654-w
PMID:41663616
|
研究论文 | 提出一种改进的多模态GradCAM方法,结合一维和二维心电图数据用于心律失常检测的解释性分析 | 首次提出结合一维ECG信号和二维ECG图像两种数据格式的多模态GradCAM方法,为医学诊断中的可解释性提供创新方案 | 未明确提及 | 提高深度学习模型在心电图分析中的可解释性,以增强临床信任度和透明度 | 心律失常检测 | 计算机视觉, 机器学习 | 心律失常 | 心电图分析 | CNN | 一维信号和二维图像 | 超过10,000名患者的数据集 | NA | 17层CNN | 准确率 | NA |
| 946 | 2026-06-05 |
Deep learning for synthetic PET imaging: a systematic mapping review of techniques, metrics, and clinical relevance
2026-Feb-09, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00651-5
PMID:41663871
|
review | 系统性概述深度学习在合成PET成像中的技术、评估指标和临床应用现状 | 首次系统性梳理2019-2024年深度学习合成PET研究,涵盖方法框架、性能指标和临床相关性分析 | 缺乏大型多中心数据集限制结果泛化性;方法论异质性高且未正式评估偏倚风险;临床验证不足 | 评估深度学习合成PET成像的方法学框架和临床相关性 | 2019-2024年发表的34篇深度学习合成PET同行评审研究 | 计算机视觉、机器学习 | 脑部/神经系统疾病、肿瘤 | PET成像 | 卷积神经网络、生成对抗网络、U-Net | 医学影像(磁共振成像、计算机断层扫描、低剂量PET) | 34篇研究(其中73.5%涉及脑部/神经系统数据) | NA | 卷积神经网络、生成对抗网络、U-Net | 峰值信噪比、结构相似性指数、平均绝对误差 | NA |
| 947 | 2026-06-05 |
CMMSCL-DPI: cross-modal multi-structural contrastive learning for predicting drug-protein interactions
2026-Feb-09, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02533-7
PMID:41664132
|
研究论文 | 提出跨模态多结构对比学习模型CMMSCL-DPI用于预测药物与蛋白质相互作用 | 将对比学习应用于蛋白质和药物的多维结构特征,并整合异构图谱网络中的交互特征以进行跨模态对比学习,从而捕获关键差异与相似性,增强对新药物-靶标对的泛化能力 | 未提及 | 提高药物-蛋白质相互作用预测的准确性,并发现新型相互作用 | 药物与蛋白质之间的相互作用 | 机器学习 | NA | 对比学习、异构图谱网络、全原子分子动力学模拟 | 对比学习模型 | 多模态结构化数据(药物和蛋白质的多维结构特征) | 四个基准数据集 | NA | 跨模态多结构对比学习网络 | 性能优于五个最先进基线模型(具体指标未提及) | NA |
| 948 | 2026-06-05 |
Hybrid vision transformer and graph neural network model with region-adaptive attention for enhanced skin cancer prediction
2026-Feb-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32502-z
PMID:41654513
|
研究论文 | 提出一种结合视觉Transformer和圖神经网络并采用区域自适应注意力的混合模型,用于增强皮肤癌预测 | 首次将视觉Transformer与图神经网络结合,并引入区域自适应注意力机制,同时利用元学习方法提升模型在不同肤色和成像条件下的泛化能力 | 未提及具体局限性,可能需要进一步验证在不同临床场景和更大规模数据集上的表现 | 提高皮肤癌诊断的准确性和可解释性,开发可靠的临床辅助工具 | 皮肤病变图像,涵盖不同肤色和成像条件下的皮肤癌样本 | 计算机视觉 | 皮肤癌 | NA | 视觉Transformer-图神经网络混合模型 | 图像 | NA | NA | 视觉Transformer、图神经网络,基于区域自适应注意力的特征增强模块 | 分类准确率、可解释性指标 | NA |
| 949 | 2026-06-05 |
The potential of optical coherence tomography angiography in progressive multiple sclerosis
2026-Feb-07, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-026-13659-7
PMID:41654639
|
研究论文 | 探讨光学相干断层扫描血管成像(OCTA)在进展型多发性硬化症中检测视网膜血管变化的应用潜力 | 首次在进展型多发性硬化症(PMS)中系统评估OCTA作为补充检测方法的可行性,并利用深度学习分割算法分析血管密度与疾病持续时间、临床残疾评分之间的相关性 | 单中心、回顾性、横断面研究设计,样本量有限;需外部验证和纵向研究来进一步阐明OCTA在监测PMS患者中的潜力 | 评估OCTA作为进展型多发性硬化症补充检测方法的价值 | 进展型多发性硬化症患者及年龄性别匹配的健康对照者的视网膜血管结构 | 数字病理学 | 多发性硬化症 | OCTA | 基于深度学习的分割算法 | 视网膜血管图像 | 62名进展型多发性硬化症患者的85只眼,以及43名健康对照者的64只眼 | NA | NA | 血管密度(VD)、p值、Johnson-Neyman分析、β系数 | NA |
| 950 | 2026-06-05 |
CMC-WDTK: CpG methylation change prediction by a weight-sharing dual-branch Transformer-Kolmogorov-Arnold network model
2026-Feb-07, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-026-12627-9
PMID:41654764
|
研究论文 | 提出CMC-WDTK框架,结合权重共享双分支Transformer与Kolmogorov-Arnold网络,整合CpG位点侧翼序列及相邻SNV信息,预测DNA序列间的甲基化变化 | 首个用于预测序列间甲基化变化的计算工具,通过双分支结构同时捕获全局和局部特征,并使用KAN建模高维关系 | 未提及 | 开发可预测个体遗传变异导致的CpG甲基化变化的深度学习模型 | CpG位点侧翼序列及相邻单核苷酸变异信息 | 机器学习 | 癌症 | 甲基化测序, SNV检测 | Transformer, Kolmogorov-Arnold网络 | DNA序列 | 8个真实数据集 | PyTorch | Transformer, Kolmogorov-Arnold Network (KAN) | AUC | NA |
| 951 | 2026-06-05 |
Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images
2026-Feb-07, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07727-7
PMID:41654817
|
研究论文 | 评估多种深度学习方法在口腔全景X光图像中自动分类牙齿状况的性能,包括定制CNN、混合CNN-机器学习模型和微调预训练架构 | 首次系统比较混合CNN-随机森林模型与多种预训练架构(VGG16、Xception、ResNet50)在口腔全景X光图像分类中的性能,发现混合模型准确率比定制CNN提升11% | 分类错误模式表明该系统应作为临床辅助工具,需前瞻性验证研究;数据通过手动标注区域提取,可能引入标注偏差 | 评估多种深度学习方法在口腔全景X光图像中自动检测填充物、龋洞、种植体和阻生齿四种牙齿状况的性能 | 口腔全景X光图像中的四种牙齿状况(填充物、龋洞、种植体和阻生齿) | 计算机视觉 | 口腔疾病 | 口腔全景X光成像 | CNN、混合模型(CNN+传统分类器)、预训练网络 | 图像 | 1,512张口腔全景X光图像,包含11,137个手动标注边界框,每类牙齿状况894个样本 | NA | VGG16, Xception, ResNet50, 随机森林, 支持向量机, 决策树 | 准确率, 精确率, 召回率, F1分数 | NA |
| 952 | 2026-06-05 |
Performance of machine learning algorithms in diffusion tensor imaging of movement disorders: an exploratory meta-analysis
2026-Feb-07, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01528-3
PMID:41654900
|
meta分析 | 应用机器学习算法于弥散张量成像诊断运动障碍的性能趋势与方法学多样性的探索性meta分析 | 首次系统探索ML-DTI在运动障碍分类中的性能分布与方法学模式,而非推断单一诊断效果 | 研究间异质性极高,样本量小,方法碎片化,缺乏标准化成像流程,限制了结果的泛化性 | 描述ML模型在DTI数据上分类运动障碍的性能趋势与方法学变异性来源 | 运动障碍患者(包括帕金森病、图雷特综合征、特发性震颤)的DTI数据 | 机器学习 | 帕金森病, 图雷特综合征, 特发性震颤 | 弥散张量成像 | 深度学习, 放射组学模型 | 图像(弥散张量成像数据) | 46项研究(2016-2024年),单中心队列样本量37-139名参与者 | NA | NA | 准确率, 灵敏度, 特异性, AUC | NA |
| 953 | 2026-06-05 |
A Large-Scale Peripheral Blood Cell Dataset for Automated Hematological Analysis
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06761-y
PMID:41651863
|
research paper | 提出一个包含13类细胞、31,489张高分辨率显微图像的外周血细胞数据集,用于自动化血液分析 | 构建了目前公开可用的最大规模外周血细胞数据集,涵盖13个类别,包括罕见但诊断关键的细胞亚型,且由资深血液学专家标注,具有高一致性 | NA | 解决现有血液细胞数据集规模小、类别多样性不足的问题,支持自动化血液分析系统的开发 | 外周血细胞,包括常见细胞类型(如分叶中性粒细胞、淋巴细胞)和罕见亚型(如髓细胞、原始细胞、反应性淋巴细胞) | machine learning, digital pathology | hematological disease | 光学显微镜成像 | CNN | 图像 | 31,489张高分辨率显微图像,涵盖13类细胞 | PyTorch | DenseNet-121, ResNet, VGG, EfficientNet等14种架构 | 准确率 | NA |
| 954 | 2026-06-05 |
A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06736-z
PMID:41651871
|
研究论文 | 提出了一个用于口腔鳞状细胞癌诊断和预后的高倍率组织病理学图像数据集Multi-OSCC | 首次构建包含1325名患者的大规模口腔鳞状细胞癌组织病理学数据集,并整合诊断与预后信息,涵盖三个放大倍率和六个关键临床任务 | 未明确提及具体局限性,但可能受限于单一癌种和固定图像倍率设置 | 构建并公开一个用于口腔鳞状细胞癌计算机辅助诊断和预后的综合性组织病理学图像数据集 | 1325名口腔鳞状细胞癌患者的组织病理学图像 | 数字病理学 | 口腔鳞状细胞癌 | 组织病理学图像采集(200×、400×、1000×放大倍率) | 视觉编码器 | 图像 | 1325名患者,每名患者6张高分辨率组织病理学图像 | NA | 视觉编码器 | NA | NA |
| 955 | 2026-06-05 |
Hyperparameter optimization to enhance the performance of deep learning models for the early detection of invasive turtles in Korea
2026-Feb-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37636-2
PMID:41651916
|
研究论文 | 通过超参数优化提升深度学习模型在韩国入侵龟早期检测中的性能 | 首次系统性地在入侵龟检测中应用超参数优化,包括优化器选择和调参,以提升目标检测模型的性能 | 研究仅针对图像数据,未涉及其他检测模式或实际部署中的计算资源限制 | 开发优化的深度学习模型用于早期检测和分类韩国六种入侵龟类,并评估超参数优化的效果 | 六种入侵龟种的图像 | 计算机视觉 | NA | 深度学习 | 目标检测模型(如YOLO或类似) | 图像 | 未明确说明 | PyTorch, TensorFlow | YOLO, Faster R-CNN | 平均精度均值(mAP),分类准确率 | NA |
| 956 | 2026-06-05 |
Improving prediction accuracy of radiation-induced temporal lobe injury in nasopharyngeal carcinoma using ADC-based deep learning and dosiomics
2026-Feb-06, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15599-x
PMID:41652361
|
研究论文 | 利用基于ADC图的深度学习和剂量组学预测鼻咽癌放疗后颞叶损伤 | 首次将ADC图深度学习特征与剂量分布剂量组学特征融合,建立预测模型,显著提升预测准确性 | NA | 探索基于ADC图的深度学习和剂量组学在预测鼻咽癌放疗后颞叶损伤中的潜力 | 接受调强放疗的鼻咽癌患者 | 医学影像分析, 机器学习 | 鼻咽癌 | ADC图, 剂量分布 | 支持向量机, K近邻, 随机森林, 极端随机树, XGBoost, LightGBM, AdaBoost, 多层感知机 | 图像, 剂量数据 | 3578名鼻咽癌患者中筛选出191名(94名RTLI,97名对照),分为训练集135例和验证集59例 | NA | WideResNet 101 | 曲线下面积 | NA |
| 957 | 2026-06-05 |
An interpretable machine learning framework with data-informed imaging biomarkers for diagnosis and prediction of Alzheimer's disease
2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一个可解释的机器学习框架,结合基于数据驱动的成像生物标志物,用于阿尔茨海默病的诊断与预测 | 将卷积神经网络的数据驱动特征提取与可解释提升机(EBM)的内在透明性相结合,使得模型在组级别和个体级别上均可解释,并识别出贡献预测的成像生物标志物 | 外部验证时MCI转化的AUC仅为0.666,表明框架在预测转化方面的性能有限 | 开发一种兼具高性能和可解释性的机器学习方法,用于阿尔茨海默病的诊断和轻度认知障碍转化预测 | 阿尔茨海默病神经影像学倡议(ADNI)队列的数据,以及独立的验证队列 | 机器学习 | 阿尔茨海默病 | NA | CNN | 成像数据 | NA | NA | 卷积神经网络, 可解释提升机 | AUC | NA |
| 958 | 2026-06-05 |
Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India
2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2026.27.2.601
PMID:41660918
|
研究论文 | 开发并评估一个基于人工智能的系统,用于自动检测和分类来自安卓设备捕获的宫颈细胞形态学显微图像,以在印度主要农村或资源受限地区实现宫颈癌诊断 | 将深度学习与机器学习模型集成,利用安卓手机或平板拍摄的显微镜图像进行宫颈细胞自动分类,适合资源受限环境 | 样本量较小,仅292张医院内部图像,且未提及模型在不同设备或环境下的泛化能力 | 开发一种时间高效、成本低廉的宫颈细胞形态学诊断方法,通过人工智能处理来自安卓设备的显微图像 | 宫颈细胞形态学图像,来自医院内部样本和公开数据集(SipakMed, Herlev) | 医学影像分析,机器学习 | 宫颈癌 | 巴氏涂片显微成像 | 深度学习模型,机器学习模型 | 图像 | 292张医院内部巴氏涂片图像,加上SipakMed和Herlev公开数据集 | NA | NA | 交并比,准确率 | NA |
| 959 | 2026-06-05 |
FDA-Cleared Artificial Intelligence Medical Devices in Orthopaedic Surgery
2026-Feb-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
|
研究论文 | 对截至2025年2月美国FDA批准的70款骨科手术人工智能医疗器械进行回顾性分析,涵盖适应症、骨科亚专业、发展历程、AI架构及商业化路径 | 首次系统综述FDA批准的骨科AI医疗器械,揭示该领域从2017年首个器械获批到2024年间16.6件/年的高速增长趋势,并指出深度学习(57.3%获批率)成为主导技术,但仅8.6%通过前瞻性临床试验验证 | 仅分析已获批器械,未覆盖临床试验中或未被批准的AI医疗设备;依赖FDA公开数据,可能遗漏部分非公开的批准信息 | 评估骨科手术中AI医疗器械的监管现状、技术趋势和临床验证水平,提出改进监管保障和临床评估标准的建议 | 70款获得FDA批准的骨科手术AI医疗器械 | 医疗AI | 骨科疾病(脊柱、髋膝关节、创伤等亚专业) | 人工智能、机器学习、深度学习 | 深度学习模型(占主导) | 回顾性数据集 | 70款获批医疗器械 | NA | 深度神经网络(具体架构未详细说明) | NA(文中未提及具体性能指标) | NA |
| 960 | 2026-06-05 |
Super-Resolution Deep Learning Reconstruction for Coronary CT Angiography: Coronary Stenosis Assessment and CAD-RADS Reclassification
2026-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.252163
PMID:41665496
|
研究论文 | 比较超分辨率深度学习重建与混合迭代重建在冠脉CT血管成像中评估冠脉狭窄和重新分类CAD-RADS的表现 | 首次将超分辨率深度学习重建算法用于冠脉CT血管成像,以提高狭窄评估性能并影响患者层面的CAD-RADS分类 | 证据有限,样本量相对较小(204名参与者) | 评估SR-DLR相比HIR在冠脉狭窄检测中的表现,并探索其对CAD-RADS分类的影响 | 冠脉CT血管成像图像和侵入性冠脉造影作为参考标准 | 计算机视觉, 机器学习 | 心血管疾病 | CT血管成像 | 超分辨率深度学习重建 | 图像 | 204名参与者(平均年龄64.3岁,137名男性),605个斑块 | NA | NA | AUC | NA |