深度学习在生物医药领域的应用
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！
添加微信请说明来意
微信赞赏
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。
当前共找到 48922 篇文献，本页显示第 1861 - 1880 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1861 | 2026-08-18 |
Simulation of cell-size systems at long timescales with flexible protein structures
2026-Jun-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.06.20.733545
PMID:42395490
|
研究论文 | 本文提出了一种结合AlphaFold3预测模型与刚性对接的模拟方法，用于在拥挤细胞环境中对蛋白质系统进行长时程模拟，以克服刚性体近似的局限性 | 创新性地将AlphaFold3预测的蛋白质复合物模型整合到分子间能量景观的映射中，以代表低能构象，同时结合刚性对接预测覆盖多种瞬时相互作用，直接解决了蛋白质结合时的构象灵活性及拥挤环境中多态瞬时相遇的问题 | 刚性体近似方法不适用于涉及柔性区域的低能蛋白质-蛋白质复合物，且AlphaFold预测模型可能无法完全涵盖所有动态构象变化 | 开发一种能够在原子分辨率下模拟拥挤细胞内环境中蛋白质系统长时间动态行为的方法，同时兼顾构象灵活性和瞬时相互作用的多样性 | 细胞内拥挤环境中的蛋白质及蛋白质复合物，特别是涉及柔性区域和瞬时相互作用的结构 | 结构生物学, 分子动力学模拟 | 不适用 | 马尔可夫链蒙特卡洛采样, AlphaFold3结构预测, 分子对接 | AlphaFold3, 马尔可夫链蒙特卡洛 | 三维蛋白质结构数据 | 信息不足 | 未指定 | AlphaFold3 | 不适用 | 信息不足 |
| 1862 | 2026-08-18 |
A computational theory of short-term synaptic plasticity: synapses learn to tell time
2026-Jun-19, Research square
DOI:10.21203/rs.3.rs-9916271/v1
PMID:42370245
|
研究论文 | 提出一种计算理论，表明突触具有多个可学习参数，能够调整短期突触动力学以优化时间信息处理，并在小鼠和人类新皮层中验证了相关预测 | 提出突触不仅是单一可学习参数的简单元素，而是具有多个可学习参数，能够学习时间信息处理；通过计算和实验数据验证了突触动力学并非由前或后神经元身份决定 | 文中未提及具体局限性，可能依赖计算模型和特定皮层区域数据，未涉及完整生物机制验证 | 探索突触短期可塑性在时间信息处理中的作用，并缩小大脑与人工神经网络处理时间信息的差距 | 小鼠和人类新皮层的突触动力学 | 计算神经科学, 机器学习 | NA | 计算建模 | 前馈网络 | 神经突触动力学数据 | NA | NA | 前馈网络 | 性能提升（具体指标未提及） | NA |
| 1863 | 2026-08-18 |
Geometric Deep Learning Reveals Ligandable and Cryptic RNA Binding Small Molecule Pockets (SMARTPocket)
2026-Jun-19, bioRxiv : the preprint server for biology
DOI:10.64898/2026.06.18.732920
PMID:42368017
|
研究论文 | 介绍SMARTPocket，一种基于原子级几何深度学习的框架，用于直接从三维结构预测RNA小分子结合口袋 | 利用超过110,000个蛋白质结合界面结构的迁移学习，克服了实验解析RNA-配体复合物数量有限的限制 | 当构象变化较大时，模型对脱辅基RNA结构的泛化能力有限 | 建立一种可推广的结构性框架，用于识别可配体化的RNA口袋，并加速RNA靶向小分子药物的发现 | RNA小分子结合口袋，包括SARS-CoV-2移码元件和RNA适体 | 几何深度学习 | NA | NA | 几何深度学习模型 | 三维结构数据（原子点云） | 超过110,000个蛋白质结合界面结构用于迁移学习；多个基准数据集 | NA | NA | 性能优于现有预测器，具体指标如准确率、AUC等未详细列出 | NA |
| 1864 | 2026-08-18 |
Decoding Occult Cervical Lymph Node Metastasis in Head and Neck Squamous Cell Carcinoma: From AI-Driven Multimodal Fusion to Clinical Translation
2026-06-04, Current oncology reports
IF:4.7Q1
DOI:10.1007/s11912-026-01802-6
PMID:42240903
|
综述 | 本文综述了传统宏观方法在检测头颈部鳞状细胞癌隐匿性颈淋巴结转移中的局限性，并探讨了多组学技术和人工智能驱动的跨尺度多模态融合如何重塑cN0患者的精准诊断 | 提出基于AI与多组学数据整合的非侵入性“全景虚拟活检”框架，结合栖息地影像组学和跨模态融合网络，以表征空间肿瘤异质性和微环境演变，改善微观疾病检测和生存风险分层 | 文中未详细说明具体验证数据和临床转化中的挑战，可能缺乏大规模前瞻性验证 | 探索AI和多模态融合技术在提高隐匿性颈淋巴结转移检测和改善cN0头颈癌患者治疗决策方面的潜力 | 隐匿性颈淋巴结转移和临床淋巴结阴性（cN0）的头颈部鳞状细胞癌患者 | 多模态融合、人工智能、影像组学、多组学 | 头颈部鳞状细胞癌 | DNA甲基化测序、空间转录组学、影像组学 | 深度学习模型 | 基因组、转录组、影像数据 | NA | NA | 跨模态融合网络 | NA | NA |
| 1865 | 2026-08-18 |
TMD Diagnosis Using a Masked Self-Supervised Tabular Transformer
2026-06, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251376974
PMID:41133777
|
研究论文 | 本文介绍了一种名为GATT的掩码自监督表格Transformer模型，用于基于DC/TMD标准对颞下颌关节紊乱病亚型进行分类，并取得了优于传统机器学习方法的表现。 | 提出了一个结合掩码自监督学习和门控注意力机制的新型深度学习模型GATT，专门用于表格数据，无需影像学资料即可对TMD亚型进行准确分类。 | 研究基于单一大学注册中心的数据，可能影响模型的泛化性；尽管采用可解释性分析，但模型的临床适用性仍需进一步验证。 | 开发并验证一种基于结构化临床数据的深度学习模型，以准确分类TMD亚型，提高诊断的一致性和可扩展性。 | 来自大学注册中心的4644份结构化临床记录，涵盖12种核心TMD亚型。 | 机器学习 | 颞下颌关节紊乱病 | NA | Transformer | 结构化表格数据 | 4,644份临床记录，包括3,524名女性和1,120名男性患者（平均年龄36.9±14.7岁） | NA | GATT（门控注意力表格Transformer） | AUC, 敏感性, 特异性 | NA |
| 1866 | 2026-08-18 |
CEUS-Based Microvascular Invasion Predictor in HCC: Improving Prognostic Stratification Following Thermal Ablation
2026-06, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70661
PMID:42047408
|
研究论文 | 开发并验证了整合超声造影和临床特征的深度学习模型，用于术前评估肝细胞癌的微血管侵犯风险，并探讨其在热消融队列中的预后关联 | 首次将视觉transformer应用于CEUS动态序列特征提取并结合临床特征进行MVI预测，并在热消融队列中探索模型分层的预后价值 | 回顾性单中心研究，需前瞻性验证 | 术前预测HCC的MVI风险，并评估其在热消融患者中的预后分层价值 | 接受手术切除或热消融治疗的孤立性肝细胞癌（≤5 cm）患者 | 医学影像分析 | 肝细胞癌 | 对比增强超声（CEUS） | 视觉Transformer、深度学习模型 | 超声影像及临床特征数据 | 688例患者 | NA | 视觉Transformer | AUC、决策曲线、复发-free生存率、风险比（HR）、Cox回归 | NA |
| 1867 | 2026-08-18 |
An image dataset of Chinese hickory in natural orchards
2026-May-08, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07407-9
PMID:42103770
|
研究论文 | 本文介绍了中国山核桃自然果园图像数据集CaryaData，包含果实成熟度标注，并验证了其用于深度学习成熟度评估的可行性 | 提供了一个针对中国山核桃果实成熟度的自然果园图像数据集，包含严格的质控流程、双盲交叉验证标注及物理 detachment 力验证 | 摘要未明确提及局限性 | 支持中国山核桃果园的成熟度评估、产量估计和智能采摘研究 | 中国山核桃果实 | 计算机视觉 | 不适用 | 图像采集 | 深度学习模型（未具体指定） | 图像 | 1,661幅树冠图像，含3,211个果实实例 | 未指定 | 未指定 | 未指定 | 未指定 |
| 1868 | 2026-08-18 |
Macro Habitat-Based T2-Weighted MRI Radiomics and Deep Learning Fusion for Predicting Treatment Response and Prognosis After Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer
2026-May, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71773
PMID:42071310
|
研究论文 | 本研究基于宏观生境MRI影像组学与深度学习融合模型，预测局部晚期直肠癌新辅助放化疗后的治疗反应和预后 | 首次将肿瘤内和肿瘤周围宏观生境结合，融合影像组学与3D深度学习特征，用于预测LARC患者对NACRT的反应，并以外部验证队列验证其鲁棒性 | 摘要未明确提及局限性 | 开发并验证一种基于治疗前T2加权MRI的非侵入性、可解释的生物标志物，用于预测局部晚期直肠癌新辅助放化疗的治疗反应和预后 | 434名II-III期局部晚期直肠癌患者，来自三个三级医院的多中心回顾性队列 | 影像组学、深度学习 | 局部晚期直肠癌 | T2加权MRI | 机器学习分类器（支持向量机、逻辑回归、多层感知机） | 磁共振图像 | 434名II-III期LARC患者 | NA | 3D深度学习特征提取架构（具体未指定），K-means聚类，LASSO选择 | AUC、ROC分析、决策曲线分析、Kaplan-Meier分析（PFS） | NA |
| 1869 | 2026-08-18 |
Artificial Intelligence in Lung Cancer: From Early Detection to Personalized Therapy
2026-04-29, Current oncology reports
IF:4.7Q1
DOI:10.1007/s11912-026-01782-7
PMID:42050113
|
综述 | 本综述重点介绍了人工智能在肺癌筛查、风险分层、预后判断和治疗选择方面的最新进展，尤其关注新兴的多模态机器学习方法 | 强调多模态机器学习方法整合影像、临床和分子特征，以提高肺结节分类和治疗反应预测的准确性，并提出结合临床医生输入的人工智能决策支持系统作为可行路径 | 人工智能在现实世界部署仍有限，回顾性研究以外的临床评估显示性能下降，并面临泛化性、可解释性和实施方面的挑战 | 探讨人工智能在肺癌早期检测、个体化预后评估和个性化治疗中的应用，并分析其临床整合的潜在路径 | 肺癌患者及相关的影像数据、液体活检数据和临床数据 | 医学影像分析、机器学习、数字病理 | 肺癌 | 液体活检、影像分析 | 深度学习模型 | 影像数据、临床数据、分子数据 | 无具体样本量信息 | NA | NA | 准确率 | NA |
| 1870 | 2026-08-18 |
The Role of Artificial Intelligence in Diagnosing Acute Ischemic Stroke Using Diffusion MRI: A Multicenter External Validation Study
2026-Apr-21, Journal of integrative neuroscience
IF:2.5Q3
DOI:10.31083/JIN48811
PMID:42052764
|
研究论文 | 本研究评估并外部验证了一种基于弥散加权MRI的深度学习模型用于自动检测急性缺血性卒中，并与专家放射科医生的诊断性能进行比较。 | 通过多中心外部验证，证明深度学习模型在急性缺血性卒中诊断中的泛化能力和临床应用潜力，并利用Grad-CAM可视化确认模型关注正确的病理区域。 | 未提及具体的局限性。 | 评估和外部验证基于DWI-MRI的深度学习模型在急性缺血性卒中检测中的性能，并与专家放射科医生比较，以确定其泛化性和临床实用性。 | 急性缺血性卒中患者和非卒中对照病例。 | 医学影像分析 | 急性缺血性卒中 | 弥散加权成像（DWI） | 深度卷积神经网络（CNN） | 磁共振成像（MRI）图像 | 共732例病例：中心1用于训练（n=452）和内部验证（n=80），中心2外部验证（n=100），中心3外部验证（n=100）。 | NA | 深度卷积神经网络（CNN） | 敏感性、特异性、准确性、AUC | NA |
| 1871 | 2026-08-18 |
Cell-MICS: Detecting Immune Cells With Label-Free Two-Photon Autofluorescence and Deep Learning
2026-04, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70260
PMID:41923530
|
研究论文 | 本研究探讨利用无标记双光子自发荧光和深度学习实现免疫细胞的计算特异性检测 | 首次将深度学习与无标记双光子自发荧光结合，为免疫细胞分类提供计算特异性，无需传统抗体标记 | 分类任务为离体细胞，未在体内环境中验证，且多分类准确率有限 | 开发基于深度学习的无标记免疫细胞分类方法，以支持体内无标记成像 | 六种分离的免疫细胞类型，包括T细胞和中性粒细胞 | 计算机视觉 | NA | 双光子显微镜（2P-AF）、卷积神经网络 | CNN | 图像 | 六种免疫细胞类型，具体样本数量未提供 | NA | SqueezeNet | ROC-AUC, PR-AUC, F1分数, 精确率, 召回率 | NA |
| 1872 | 2026-08-18 |
Advancing air pollution forecasting: a review of physical, statistical, and machine learning methods
2026-Apr, Environmental science and pollution research international
DOI:10.1007/s11356-026-37789-7
PMID:42070218
|
综述 | 本文回顾了用于空气污染预测的物理模型、统计方法和机器学习技术，并重点探讨了混合与集成模型及新兴方向。 | 强调物理驱动与数据驱动相结合的混合和集成模型，并讨论了物理信息机器学习和边缘计算模型等新兴方向。 | 未提及具体局限性。 | 综述空气污染预测的建模工具和方法，以提升预测精度和稳健性，促进全球空气质量公平管理。 | 空气污染物浓度数据及其预测模型。 | 机器学习 | NA | NA | 机器学习模型、深度学习模型、混合模型、集成模型、物理信息机器学习 | 空气污染浓度数据 | NA | NA | NA | 预测精度、稳健性 | 边缘计算 |
| 1873 | 2026-08-18 |
Deep Learning-Based Super-Resolution for Vessel Enhancement in Photoacoustic Microscopy Imaging
2026-03, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70221
PMID:41780538
|
研究论文 | 本文引入GDSU-Net，一种基于U-Net架构的微调神经网络，用于光声显微镜成像的超分辨率重建，以增强血管细节并提高图像质量。 | GDSU-Net整合了组归一化、深度可分离卷积、挤压激励块和像素混排解码器，在保持解剖保真度的同时实现高效超分辨率重建。 | 未提及具体限制。 | 提高光声显微镜成像的空间分辨率和图像质量，增强血管网络的可视化。 | 光声显微镜成像中的血管网络。 | 计算机视觉 | NA | 光声成像 | 卷积神经网络 | 图像 | 未提及具体样本数量。 | PyTorch（根据深度学习惯例推测，未明确说明） | U-Net | 结构相似性指数、峰值信噪比、均方根误差、平均绝对误差 | 未提及具体计算资源。 |
| 1874 | 2026-08-18 |
PET Imaging in Head and Neck Squamous Cell Carcinoma: from Staging to Response Assessment
2026-02-09, Current oncology reports
IF:4.7Q1
DOI:10.1007/s11912-026-01745-y
PMID:41661435
|
综述 | 本综述旨在综合当前关于PET成像在头颈部鳞状细胞癌中作用的研究证据，涵盖分期、预后、治疗反应评估及新兴放射性示踪剂和人工智能分析方法的应用。 | 整合了定量生物标志物、新型放射性示踪剂和基于人工智能的分析方法在头颈部鳞状细胞癌PET成像中的最新研究进展。 | 治疗后早期因炎症或骨放射性坏死导致的假阳性结果，以及人工智能方法在临床验证方面的局限性。 | 综合评估PET成像在头颈部鳞状细胞癌管理中的作用，从分期到治疗反应评估，并探讨其个性化管理的潜力。 | 头颈部鳞状细胞癌患者的PET成像研究。 | 医学影像 | 头颈部鳞状细胞癌 | PET/CT、PET/MRI、放射性示踪剂（如¹⁸F-FDG, ¹⁸F-FMISO, ¹⁸F-FLT, ⁶⁸Ga-RGD, ⁶⁸Ga-FAPI） | 深度学习模型 | 医学影像数据 | 未指定 | 未指定 | 未指定 | 未指定 | 未指定 |
| 1875 | 2026-08-18 |
Enhancing Fluorescence Lifetime Imaging With Differential Transformer
2026-02, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70231
PMID:41622407
|
research paper | 提出了一种基于差分Transformer的深度学习框架MFliNet，用于荧光寿命成像中多指数衰减参数的高精度估计，能够校正地形畸变并实现实时宏观成像 | 提出MFliNet，该框架根据光子飞行时间解卷积的物理原理，采用差分Transformer编码器-解码器架构，同时处理时间荧光衰减和对应的仪器响应函数输入，以校正光子到达分布中的地形畸变，在复杂生物和活体成像中表现出卓越的鲁棒性和精度 | 文中未明确提及局限性，但可推断其依赖训练数据的质量和多样性，且主要验证了组织模拟体模和临床前肿瘤模型，可能未覆盖所有生物场景 | 开发一种能够准确估计多指数荧光寿命参数的深度学习方法，以克服传统方法在介观和宏观尺度上面临的IRF空间和时间变异问题，并实现复杂生物和术中应用的实时宏观成像 | 荧光寿命成像数据，包括组织模拟体模和临床前肿瘤模型 | 计算机视觉 | 肿瘤 | 荧光寿命成像 | Transformer | 图像 | NA | NA | 差分Transformer编码器-解码器架构 | 精确度、鲁棒性 | NA |
| 1876 | 2026-08-18 |
Alternative Conformation Prediction Using Deep Learning With Multi-MSA Strategy and Structural Clustering in CASP16
2026-Jan, Proteins
IF:3.2Q2
DOI:10.1002/prot.70059
PMID:41014267
|
研究论文 | 本文报告了CASP16中采用EnsembleFold流程进行结构集合预测的结果，通过多MSA策略和结构聚类改进构象预测 | 提出集成多种新深度学习方法和多MSA策略的EnsembleFold流程，并结合结构聚类工具MolClust识别不同构象状态 | 未明确提及局限性，但讨论中指出QA评分方法需进一步改进以提升集合预测的可靠性 | 改进蛋白质和RNA结构集合预测，以识别替代构象 | 蛋白质、RNA、蛋白质-核酸复合物的三维结构 | 结构预测 | 不适用 | 多序列比对（DeepMSA2）、深度学习、REMC模拟、结构聚类 | 深度学习模型 | 结构数据 | CASP16中的19个集合预测目标 | 不适用 | D-I-TASSER2、DMFold2、ExFold、DeepProtNA | 平均TM-score 0.657 | 未明确提供 |
| 1877 | 2026-08-18 |
Multi-Parameter Deep Learning Combined With Fluorescence Lifetime Imaging Microscopy for Non-Invasive and Label-Free Endometrial Cancer Screening
2026-01, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70228
PMID:41548887
|
研究论文 | 本研究提出一种结合荧光寿命成像显微镜和多参数深度学习算法的非侵入性、无标记子宫内膜癌筛查方法 | 创新性地将多参数深度学习模型与FLIM结合，利用NAD(P)H的自体荧光信号提取两个代谢参数，实现了对子宫内膜癌的高灵敏度和特异性筛查，优于单参数模型 | 未提及 | 开发一种非侵入性且无标记的子宫内膜癌筛查方法，提高预测性能并解决单参数模型的灵敏度-特异性不平衡问题 | 参与者的宫颈脱落细胞（共71例） | 数字病理学 | 子宫内膜癌 | 荧光寿命成像显微镜（FLIM） | 深度学习模型 | 图像 | 71名参与者的宫颈脱落细胞样本 | 未提及 | 未提及 | 灵敏度、特异性、AUC | 未提及 |
| 1878 | 2026-08-18 |
Feasibility of Depth-in-Color En Face Optical Coherence Tomography for Colorectal Polyp Classification Using Ensemble Learning and Score-Level Fusion
2026-01, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500292
PMID:41548988
|
研究论文 | 本研究探讨了结合深度编码彩色en face光学相干断层扫描与集成学习，用于结直肠息肉恶性潜能分类的可行性 | 首次将深度信息编码为颜色生成en face OCT投影，并采用集成学习与分数级融合策略进行息肉分类 | 研究基于离体样本，尚需在体内验证算法的有效性 | 利用深度敏感光学相干断层扫描与深度学习提高结直肠息肉分类的准确性 | 300名受试者的结直肠息肉 | 计算机视觉, 机器学习 | 结直肠癌 | 光学相干断层扫描（OCT） | 集成学习网络 | 图像 | 300名受试者的息肉样本 | NA | 集成网络 | AUC（曲线下面积） | NA |
| 1879 | 2026-08-18 |
Confocal Raman Microscopy to Study Silicone Breast Implant's Early-Stage Degradation in Reconstructive Surgery
2026-01, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500510
PMID:41549634
|
研究论文 | 本研究利用共聚焦拉曼显微镜技术，分析硅胶乳房假体在重建手术中的早期降解情况，并识别出能区分植入前后降解状态的标记物。 | 首次使用拉曼光谱技术识别出二苯基硅氧烷和CH振动两个标记，能区分硅胶乳房假体植入前后的降解状态，并发现指示凝胶变黄的拉曼波段，为评估假体老化提供了新方法。 | 未在摘要中提及具体局限性 | 阐明硅胶乳房假体膜的结构及其防凝胶渗漏功能，并确定其降解状态的关键标记。 | 硅胶乳房假体，特别是其膜和凝胶。 | 数字病理学 | 乳腺癌（相关重建手术） | 共聚焦拉曼光谱 | NA | 光谱数据 | 未提供样本量 | NA | NA | NA | NA |
| 1880 | 2026-08-18 |
Assessing CT-based volumetric analysis via deep learning for idiopathic normal pressure hydrocephalus
2026, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcag300
PMID:42603074
|
研究论文 | 本研究开发并评估了一种基于深度学习的CT容积分析技术，用于特发性正常压力脑积水的诊断和形态学量化。 | 提出了一种两阶段深度学习模型，利用MRI转移学习增强CT脑脊液分割，并验证了CTVMs在iNPH诊断中的高准确性。 | 未明确提及局限性。 | 增强CT扫描中脑室脑脊液的分割，并评估自动化脑CT容积测量在iNPH患者诊断中的性能。 | 特发性正常压力脑积水患者和健康对照者的脑CT扫描图像。 | 计算机视觉, 数字病理学 | 特发性正常压力脑积水 | CT成像, MRI成像 | U-Net | 图像 | 训练集包含734个健康对照的CT和MRI数据集以及62个iNPH患者的CT扫描；外部验证集包含11个和30个iNPH患者的CT扫描。 | NA | U-Net | 相关系数, AUC | NA |