深度学习在生物医药领域的应用

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	2026-11-02	A novel microscopic hyperspectral imaging detection method for quantitative powdered food adulteration assessment: A comparative study of CNN-RNN attention models 2027-Mar-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130490 PMID:42800161	研究论文	该研究利用显微高光谱成像获取颗粒级高光谱信息，结合CNN-RNN注意力混合模型对莲藕粉中掺假玉米淀粉和木薯淀粉进行定量分析	提出三种CNN-RNN注意力混合深度序列模型（CNN-LSTM-Attention、CNN-GRU-Attention、CNN-BiLSTM-Attention），系统比较六种光谱预处理技术和四种波长选择方法，建立最优分析流程，并结合伪彩色可视化实现像素级掺假浓度映射	研究仅以莲藕粉掺假玉米淀粉和木薯淀粉为模型体系，未验证其他粉状食品的通用性；仅在成像质量稳定的区域进行伪彩色分析	实现粉状食品掺假的定量检测，建立显微高光谱成像结合深度学习的分析策略	掺入玉米淀粉和木薯淀粉的莲藕粉	高光谱成像、食品质量检测、深度学习	NA	显微高光谱成像（MHSI）、光谱预处理、波长选择	CNN-LSTM-Attention、CNN-GRU-Attention、CNN-BiLSTM-Attention	高光谱图像数据	NA	NA	CNN、LSTM、GRU、BiLSTM、Attention	R值、RMSE	NA
2	2026-11-02	Using artificial intelligence for food identification and dietary assessment within restaurant and institutional settings: A scoping review 2027-Jan-01, Appetite IF:4.6Q1 DOI:10.1016/j.appet.2026.108771 PMID:42680002	综述	本文通过范围综述探讨了在餐厅和机构（如医院、学校、工作食堂）环境中使用人工智能方法进行食物识别和膳食评估的现有研究	首次针对餐厅和机构环境中用于评估食物选择和膳食摄入的人工智能方法进行全面的范围综述，总结了新兴应用和主要挑战	综述仅纳入23项研究，可能存在发表偏倚；未进行定量荟萃分析；主要挑战包括数据集变异性、食物重叠和光线反射等问题	探索当前在机构环境中用于评估食物选择和膳食摄入的人工智能方法，并总结人工智能方法的新兴应用	在餐厅和机构环境（医院、学校、工作食堂）中收集的人类食物选择或膳食摄入数据	计算机视觉	NA	机器学习和深度学习	NA	图像，可穿戴传感器数据	23项研究	NA	NA	NA	NA
3	2026-11-02	Comparing deep learning and classical regression approaches for predicting healthcare expenditure and spending: a systematic review 2026-Dec, Journal of medical economics IF:2.9Q1 DOI:10.1080/13696998.2026.2630598 PMID:41779998	系统综述	该研究通过系统综述比较了深度学习架构与传统回归及树模型在个体级医疗费用预测中的性能差异	提出了复杂性-性能假说，认为深度学习的预测优势主要在模型容量与数据复杂性良好匹配时显现，并按数据背景（纵向序列 vs 低维横截面）系统比较深度学习与经典方法	证据仅基于8项异质性较高的研究，外部验证或时间验证有限，预测时间跨度较短，对校准、经济可解释性和公平性的评估稀疏，需谨慎解读	比较深度学习架构与传统回归和树模型在个体级医疗费用/支出预测中的表现，并分析不同数据情境下的性能差异	使用真实世界个体级数据（理赔、电子健康记录或登记数据库）预测费用相关结局的研究	医疗费用预测/健康服务研究	NA	系统综述（PROSPERO CRD420251129440），检索Web of Science、PubMed、Embase和Scopus至2025年8月	LSTM、CNN-LSTM混合模型、CNN、广义线性模型、树模型	结构化表格数据、理赔数据、电子健康记录、登记数据、时间序列数据	纳入8项研究（来自美国、欧洲和亚洲）	NA	LSTM、CNN-LSTM、CNN、广义线性模型、树模型	RMSE、MAE、R2、AUROC	NA
4	2026-11-02	Artificial intelligence augmented imaging of pancreatic fluid collections in acute pancreatitis 2026-Dec, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-026-01979-5 PMID:41957213	综述	本文综述了人工智能在急性胰腺炎胰腺液体积聚影像中的应用，涵盖分割与体积测量、图像生成、结局预测和工作流程优化	系统整合了AI在胰腺液体积聚影像中的多方面应用，包括自动化分割、客观量化坏死碎片、加速MRI采集和生成合成图像以减少对扫描仪的依赖	作为综述文章，未提供原始实验数据；AI临床整合仍面临挑战，如数据标准化、泛化能力、临床验证等	总结AI在增强胰腺液体积聚影像方面的作用，并讨论其临床整合的挑战与未来方向	急性胰腺炎患者的胰腺液体积聚（包括假性囊肿和包裹性坏死）	医学影像人工智能	急性胰腺炎	深度学习、影像组学、对比增强计算机断层扫描、磁共振成像、内镜超声	深度学习、影像组学	医学图像	NA	NA	NA	NA	NA
5	2026-11-02	Revealing spatiotemporal NOx emission dynamics in the Yangtze River Delta using physics-informed neural networks and TROPOMI observations 2026-Dec-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125952 PMID:42887762	研究论文	该文章提出了一种基于物理信息神经网络（PINN）的反演框架，利用TROPOMI卫星观测数据估算长三角地区NOx排放的时空动态	将大气质量连续性方程的物理约束直接嵌入模型训练过程，避免了对化学传输模型（CTMs）的依赖和计算负担，无需CTM模拟作为监督信号，结合了传统数据同化与深度学习的高效性，并使用蒙特卡洛dropout量化排放不确定性	未明确说明模型在不同区域或季节的泛化能力，不确定性量化可能依赖于dropout超参数设置，未与多种独立排放清单进行广泛对比验证	准确估算氮氧化物（NOx）排放，表征其对大气环境的影响并支持空气污染管理	中国长三角地区（2018-2023年）的NOx排放	机器学习	NA	TROPOMI卫星观测	PINN	卫星观测数据	长三角地区2018-2023年的TROPOMI卫星观测数据（具体样本量未提及）	NA	物理信息神经网络（PINN）	蒙特卡洛dropout不确定性量化（未提及其他具体指标）	NA
6	2026-11-02	Rapid estimation of photon measurement density functions using a deep convolutional neural network for functional near-infrared spectroscopy 2026-Dec, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100425 PMID:42964375	研究论文	本文提出一种基于深度卷积神经网络的方法，直接从MR图像和通道配置快速估计功能性近红外光谱中的光子测量密度函数	提出深度学习框架直接从MR图像和通道配置估计PMDF，支持灵活的源-探测器距离，无需显式组织分割和重复光子模拟，通过预测光子通量分布并利用伴随公式导出PMDF	仅在常见源-探测器距离和部分头皮区域进行了评估，未明确讨论模型在不同人群或病理条件下的泛化能力	快速估计功能性近红外光谱中的光子测量密度函数，以降低计算成本并促进基于PMDF的方法的广泛应用	MR图像和fNIRS通道配置	医学图像分析	NA	功能性近红外光谱(fNIRS)、光子传播建模(PPM)、深度学习	CNN	MR图像	NA	NA	卷积神经网络	与PPM的PMDF估计结果可比性	NA
7	2026-11-02	NOTIFY-DISCUSS: Patient and clinician perspectives on opportunistic screening for coronary artery calcification using artificial intelligence 2026-Dec, American heart journal plus : cardiology research and practice DOI:10.1016/j.ahjo.2026.100989 PMID:42965008	研究论文	探讨患者和临床医生对使用人工智能进行机会性冠状动脉钙化筛查的看法	评估了已实施的AI驱动机会性心血管筛查工具的患者和临床医生感知	样本量较小（n=20），仅涉及单一研究 participants	探索患者和临床医生对AI工具在真实临床应用中用于机会性冠状动脉钙化筛查的感知	NOTIFY-1研究的参与者（11名患者和9名临床医生）	数字病理学	心血管疾病	深度学习算法	深度学习	文本	20名参与者（11名患者和9名临床医生）	NA	NA	NA	NA
8	2026-11-02	Intratumoral distribution of anisokaryosis in canine cutaneous mast cell tumors 2026-Nov, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858261465447 PMID:42438334	研究论文	该研究利用深度学习分割算法对96例犬皮肤肥大细胞瘤的全切片图像进行核面积标准差量化，分析核大小不等的瘤内分布及其预后价值	首次系统评估犬皮肤肥大细胞瘤中核大小不等（anisokaryosis）的瘤内空间分布，发现热点区域比例可作为预后指标，且全切片分析比病理学家选择的区域提供更多预后信息	样本量有限（96例），仅针对犬皮肤肥大细胞瘤，病理学家选择的区域与热点匹配率较低（32%），需在更广泛人群中验证	探究犬皮肤肥大细胞瘤中核大小不等的瘤内分布模式，并评估全切片热点分析对生存预测的价值	96例犬皮肤肥大细胞瘤的全切片图像	数字病理学	犬皮肤肥大细胞瘤	全切片图像分析、深度学习分割算法	深度学习分割模型	全切片病理图像	96例犬皮肤肥大细胞瘤全切片图像	NA	NA	AUC	NA
9	2026-11-02	Deep learning reconstruction-applied PROPELLER diffusion-weighted imaging in uterine malignancies: a comparison study with MUSE 2026-Nov, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-02048-9 PMID:42412308	研究论文	比较深度学习重建（DLR）应用于PROPELLER与MUSE序列在子宫恶性肿瘤MRI扩散加权成像中的图像质量	首次在子宫恶性肿瘤MRI中比较DLR-PROPELLER-DWI与MUSE-DWI的图像质量，涵盖不同临床场景（初始分期、治疗后、复发）	回顾性研究、样本量较小（66次检查/48例患者）、读者间一致性仅为轻至中度、DLR-PROPELLER-DWI的ADC值显著偏高可能影响定量分析	比较DLR-PROPELLER-DWI与MUSE-DWI在子宫恶性肿瘤MRI中的图像质量和定量参数	子宫恶性肿瘤患者（宫颈癌50例、子宫内膜癌15例、子宫内膜间质肉瘤1例）	医学影像	宫颈癌、子宫内膜癌、子宫内膜间质肉瘤	MRI扩散加权成像（DWI）、深度学习重建、PROPELLER、MUSE	深度学习重建模型	MRI图像	48例患者共66次MRI检查	NA	NA	5分Likert量表主观评分（整体图像质量、伪影、锐利度、病灶可见性）、ADC、aSNR、aCNR、读者间一致性（κ值）	NA
10	2026-11-02	Green MRI for neuroimaging: monitoring brain tumors using non-contrast sequences 2026-Nov, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-02045-y PMID:42429897	综述	本文综述了在神经影像中减少钆基对比剂使用的“绿色MRI”概念，探讨其在脑肿瘤随访中的临床与环境意义及无对比剂替代技术	提出“绿色神经放射学”概念，系统整合减少钆对比剂使用的临床与环境理由，并强调深度学习虚拟对比剂合成等前沿技术在可持续影像实践中的潜力	为综述性文章，未提供原始实验数据或定量验证；对深度学习虚拟对比剂和剂量降低算法的讨论仍停留在前景展望层面	探讨在脑肿瘤纵向随访中最小化钆基对比剂使用的临床可行性与意义，推动可持续神经影像实践	脑肿瘤患者，包括轴外肿瘤（脑膜瘤、神经鞘瘤、大垂体神经内分泌肿瘤）和轴内肿瘤（高级别胶质瘤、转移瘤）	医学影像	脑肿瘤	MRI，包括非对比序列、动脉自旋标记（ASL）、化学交换饱和转移（CEST）成像、扩散加权成像（DWI）、深度学习	深度学习	图像	NA	NA	NA	NA	NA
11	2026-11-02	Interpretable Drug-Target Prediction via Geometric Alignment: A Linear Alternative to Deep Architectural Complexity 2026-Nov, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.70060 PMID:42958709	研究论文	提出一种基于几何流形对齐的线性方法（MVLM），将小分子和蛋白质的预训练表示对齐到共享空间进行药物-靶点预测，在大规模数据上预训练并在基准上取得最优性能。	采用线性多视图流形对齐替代复杂深度网络架构；将结合亲和力表示为药物与靶点嵌入的几何邻近度（余弦相似度）；无需监督即可恢复激酶系统发育关系，具有几何可解释性。	摘要未明确说明具体局限性，仅指出传统深度学习方法在小数据集上训练复杂网络且难以泛化到新化学骨架，本文方法本身的局限未提及。	设计选择性激酶抑制剂的计算药物发现，提升药物-靶点相互作用预测的泛化性与可解释性	小分子药物（SMILES）与蛋白质序列（激酶）	机器学习	癌症（激酶相关）	预训练语言模型嵌入（ChemBERTa、ESM-2）、几何流形对齐	线性流形对齐模型（MVLM）	文本（SMILES字符串、蛋白质氨基酸序列）	473923个高置信度相互作用（通用基础集），并在KIBA和Davis基准数据集上评估	NA	ChemBERTa, ESM-2, 多视图线性流形（MVLM）	AUROC	NA
12	2026-11-02	Explainable artificial intelligence in prostate and bladder cancer: A review of imaging, digital pathology, molecular profiling, and clinical data 2026-Nov, Current urology IF:0.9Q4 DOI:10.1097/CU9.0000000000000367 PMID:42960345	综述	本文综述了可解释人工智能在前列腺癌和膀胱癌的影像、数字病理、分子谱和临床数据中的应用，并评估了其部署准备情况	系统性地整合了两种癌症在四个数据域中的可解释AI证据，并对比了事后解释与设计即解释模型的证据权重	缺乏可解释AI影响临床决策的前瞻性证据，需要独立验证保真度、稳定性和可用性，以及前瞻性读者研究和标准化报告	综合评估可解释AI在前列腺癌和膀胱癌中的应用现状及部署准备度	前列腺癌和膀胱癌相关的临床或转化研究	数字病理, 医学影像, 机器学习	前列腺癌, 膀胱癌	NA	机器学习, 深度学习	影像, 数字病理图像, 分子数据, 液体活检数据, 临床数据, 电子病历	70项研究	NA	深度神经网络, 注意力机制模型	NA	NA
13	2026-11-02	WSI-Babel-Shark: A modular pipeline for robust metadata extraction from heterogeneous whole slide image labels in digital pathology 2026-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100722 PMID:42965064	研究论文	该论文介绍了一个模块化流程WSI-Babel-Shark，用于从数字病理学中异质全切片图像标签中稳健地提取元数据	在原有WSI-Babel-Fish框架基础上，引入了基于ResNet-18的标签布局分类器，结合手工描述符和基于原型的开集识别，实现异质标签布局的分类，并支持开集识别以拒绝未见过的布局，同时提供标准化ROI标注和完全容器化实现	未明确提及	开发一个更可扩展的流程，在异质切片标签布局中可靠地提取元数据，解决条形码标识缺失、损坏或不一致的问题	270张全切片图像（.svs和.ndpi格式）以及来自WSI-Babel-Fish数据集的110张切片用于交叉验证	数字病理学	NA	数据矩阵码解码、基于感兴趣区域的光学字符识别、基于规则的元数据解析、深度学习	CNN	图像	270张全切片图像（.svs和.ndpi格式）用于性能评估，110张来自先前WSI-Babel-Fish数据集的切片用于交叉验证，其中267张可评估切片用于端到端流程评估，236张切片用于OCR与数据矩阵解码的独立比较	PyTorch, Docker	ResNet-18	准确率、宏平均精确率、宏平均召回率、宏平均F1分数、字段级一致性	NA
14	2026-11-02	Computation or Weight Adaptation? Rethinking the Role of Plasticity in Learning 2026-Nov, Cognitive science IF:2.3Q2 DOI:10.1111/cogs.70271 PMID:42965894	研究论文	本文利用大型语言模型（LLMs）挑战传统观点，证明经过充分训练的学习系统可以仅通过计算而非权重适应（神经可塑性）来适应新任务和环境。	首次使用LLMs证明统计学习范式（如识别任意词序列的规律）无需权重适应即可实现，挑战了神经可塑性必要性的传统观点。	研究仅基于统计学习范式，未涵盖其他认知任务；使用人工神经网络作为模型，与生物大脑存在差异；未直接验证生物学机制。	探究学习系统的适应性是否必须依赖结构可塑性（权重适应），还是仅通过计算即可实现。	大型语言模型（LLMs）及其在统计学习任务中的表现。	机器学习	NA	NA	大型语言模型（LLMs）	文本	NA	NA	Transformer	NA	NA
15	2026-11-02	Multiparametric Quantitative MRI With 2.5D Deep Learning for Molecular Classification and Overall Survival Assessment in Adult-Type Diffuse Gliomas 2026-Oct-31, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70599 PMID:42965522	研究论文	该研究比较了VOI均值、放射组学和2D、2.5D、3D深度学习在多参数定量MRI上对成人型弥漫性胶质瘤的分子分型性能，并评估2.5D深度学习衍生的IDH野生型评分在术后临床病理生存模型中的预后价值	提出2.5D深度学习堆叠模型用于胶质瘤分子分型，并构建结合2.5D-IDHwt评分与临床病理因素的2.5D-qMR-Clin生存模型，开发了基于网络的生存预测工具	回顾性多中心研究设计，证据等级为3级，技术效能为2阶段，仍需前瞻性验证	比较不同定量MRI分析方法对胶质瘤分子分型的性能，并评估2.5D深度学习评分的预后价值	1408例成人弥漫性胶质瘤患者	医学影像分析	胶质瘤	多参数定量MRI（扩散加权成像、动脉自旋标记、多动态多回波合成MRI）	深度学习	图像	1408例成人弥漫性胶质瘤患者（训练集409例，时间验证集300例，三个外部测试集分别为119例、310例和270例）	NA	2.5D深度学习堆叠模型	AUC, Harrell C-index, 校准曲线, 决策曲线分析, Kaplan-Meier分析, Cox回归	NA
16	2026-11-02	MRI-based deep learning model for prediction of Ki-67 expression level in intrahepatic cholangiocarcinoma 2026-Oct-31, Abdominal radiology (New York) DOI:10.1007/s00261-026-05844-z PMID:42965590	研究论文	开发并验证基于MRI和临床数据的深度学习模型，用于术前无创预测肝内胆管癌Ki-67表达水平	将3D-ResNet10提取的MRI特征与前馈神经网络提取的临床特征融合，构建轻量级分类器进行Ki-67表达水平预测，实现多模态数据融合的无创预测	样本量较小（仅117例），且为回顾性单中心研究，需要更大规模多中心数据验证	开发基于MRI和临床数据的无创深度学习模型，术前预测肝内胆管癌Ki-67表达水平	2020年1月至2024年1月期间的肝内胆管癌患者	医学影像分析	肝癌	磁共振成像（MRI）、免疫组织化学	CNN、前馈神经网络	图像、临床数据	117例患者（高表达组30例，低表达组87例）	NA	3D-ResNet10、前馈神经网络、轻量级分类器	准确率、精确率、敏感度、特异度、F1分数、AUC	NA
17	2026-11-02	Ultrafast brain MRI at 3 T for suspected acute ischemic stroke: interchangeability of the ultrafast and standard protocols 2026-Oct-31, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-02103-5 PMID:42965773	研究论文	评估基于超分辨率深度学习重建（SR-DLR）的超快协议与标准协议在3T磁共振检测急性缺血性卒中中的可互换性	采用超分辨率深度学习重建实现超快脑MRI协议，显著缩短扫描时间（减少61.7%），并首次系统评估其与标准协议在急性缺血性卒中检测中的可互换性	扩散加权成像算法仍处于研发阶段，需要进一步验证	评估超快协议与标准协议在疑似急性缺血性卒中检测中的可互换性	100例疑似急性缺血性卒中患者（平均年龄66.1±16.2岁，65例男性）	医学影像	急性缺血性卒中	3T脑MRI（扩散加权成像、液体衰减反转恢复、T2*加权成像）	超分辨率深度学习重建（SR-DLR）	图像	100例患者	NA	NA	个体等效指数（IEI）、图像质量评分	NA
18	2026-11-02	Large-Field Single-Cell Morphodynamic Scattering Imaging Enables Rapid, Heterogeneity-Resolved Phenotypic Antimicrobial Susceptibility Testing 2026-Oct-31, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.6c03329 PMID:42965887	研究论文	本文提出一种基于形态学的抗菌药物敏感性测试方法，利用大视野无标记散射成像和深度学习辅助分割，在单细胞水平上量化细菌对β-内酰胺类抗生素的形态动力学响应，实现快速、保留异质性的表型药敏检测	将大视野无标记散射成像与深度学习分割相结合，实现数千个细菌的并行单细胞形态动力学监测；在60分钟内捕捉抗生素依赖的形态动力学轨迹，超越传统二分类生长抑制信息；保留细菌群体异质性，支持耐药亚群定量和抗生素组合响应评估	仅针对β-内酰胺类抗生素进行验证；临床样本量较小（10例阳性血培养样本）；仅与临床参考方法进行初步比较；最低抑菌浓度测定为初步结果；未在大规模多中心队列中验证	开发一种快速、保留异质性的表型抗菌药物敏感性测试方法，通过单细胞形态动力学响应替代传统群体生长测量，缩短检测时间并保留群体异质性信息	单个细菌细胞，包括临床阳性血培养样本中的细菌及定义明确的敏感-耐药混合菌群	数字病理学, 计算成像, 机器学习	血流感染, 细菌感染	大视野无标记散射成像, 深度学习图像分割	深度学习分割模型 (CNN)	图像, 时间序列图像	10例临床阳性血培养样本，针对5种抗生素测试；数千个单细菌细胞	NA	NA	分类一致率 (96.7%), 最低抑菌浓度, 耐药亚群定量	NA
19	2026-11-02	Artificial intelligence in axial spondyloarthritis imaging: a review of current evidence 2026-Oct-31, Current opinion in immunology IF:6.6Q1 DOI:10.1016/j.coi.2026.102858 PMID:42966032	综述	本文综述了人工智能在中轴型脊柱关节炎影像学中的应用证据，涵盖12项使用卷积神经网络等模型进行MRI和X线影像解读、病变检测与评分自动化的研究	系统整合了CNN及相关架构在axSpA影像中的应用，包括影像评分自动化和影像与临床变量结合，并讨论了外部验证表现及真实世界异质性人群中的性能下降	模型在异质性真实世界人群中性能可能下降且原因不能仅用扫描仪或协议差异解释；目前无AI工具获监管批准用于axSpA自主使用，应用主要局限于研究和临床试验	总结AI尤其是深度学习在axSpA影像解读、病变检测、量化和标准化评估中的现有证据	中轴型脊柱关节炎患者的磁共振成像和X线影像	数字病理	中轴型脊柱关节炎	MRI、X线影像	CNN	图像	12项研究	NA	卷积神经网络及相关架构	NA	NA
20	2026-11-02	Non-Invasive Assessment of Perineural Invasion Density: A Novel Marker for Prognosis and Treatment Stratification in Prostate Cancer 2026-Oct-31, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.78460 PMID:42966879	研究论文	该研究建立了神经周围侵犯密度（PNID）作为前列腺癌的预后标志物，并开发了基于MRI的AI模型用于术前预测高PNID	首次提出并验证PNID作为优于传统PNI的预后标志物，并开发了非侵入性MRI深度学习模型预测PNID，同时发现高PNID亚组可能受益于β受体阻滞剂辅助治疗	摘要中未明确提及研究局限性	评估PNID与生化复发（BCR）和影像学无进展生存期（rPFS）的关联，并开发MRI深度学习模型术前预测高PNID以辅助风险分层和治疗决策	接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	MRI影像分析，深度学习	深度学习模型	图像	1091例前列腺癌患者，其中训练队列523例，外部验证队列317例和251例	NA	NA	AUC	NA