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 51835 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-11-06 |
Statistical and Image-Based Deep Learning Modeling to Predict Hearing Preservation in Vestibular Schwannoma Surgery
2026-Dec, Journal of neurological surgery. Part B, Skull base
DOI:10.1055/a-2793-1232
PMID:42979419
|
研究论文 | 该研究构建了基于临床特征和影像特征逻辑回归模型以及直接输入术前MRI图像的深度学习卷积神经网络模型，用于预测前庭神经鞘瘤患者术后的听力保留情况 | 首次构建了直接纳入前庭神经鞘瘤患者术前MRI图像和临床特征的深度学习模型来预测听力保留，而非依赖二次影像测量指标 | 样本量较小（仅97例），仅来自单一机构，混合模型性能与现有模型相当，既往报道的MRI特征与听力结局无显著相关性 | 预测前庭神经鞘瘤患者听力保留手术后的听力保留情况，以辅助手术规划中的风险分层 | 接受听力保留手术的前庭神经鞘瘤患者 | 医学影像深度学习 | 前庭神经鞘瘤 | MRI磁共振成像 | CNN, ResNet50, 逻辑回归 | 图像, 临床数据 | 97例前庭神经鞘瘤手术患者 | NA | 3D CNN, ResNet50, 混合ResNet50, 逻辑回归 | AUC, ROC | NA |
| 2 | 2026-11-06 |
Automated Detection of Positioning Errors in Bitewing Radiographs Using Deep Learning
2026-Dec, Clinical and experimental dental research
IF:1.7Q3
DOI:10.1002/cre2.70504
PMID:42981213
|
研究论文 | 开发并评估基于深度学习的自动化系统，用于检测和分类咬翼片类型、侧别以及常见的定位错误 | 首次在受控的仿头模环境下，使用深度学习自动检测咬翼片定位错误，包括锥切错误和邻面重叠，并分类其严重程度 | 研究仅基于仿头模获取的放射影像，未在临床患者数据上验证；多类锥切严重程度和错误受体放置的分类性能有限 | 开发并评估深度学习系统，自动检测和分类咬翼片类型、侧别及常见定位错误，以提高放射影像质量评估效率 | 牙科学生评估中获取的咬翼片放射影像（来自牙科放射学仿头模） | 医学图像分析 | NA | NA | CNN | 图像 | 403张咬翼片 | NA | ResNet, DenseNet | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 3 | 2026-11-06 |
Comparison of Two Deep Learning Models and Their Combination for 1-year Lung Cancer Detection in Two Screening Cohorts
2026-Dec, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.260087
PMID:42986194
|
研究论文 | 该研究比较了Sybil和基于MONAI的结节模型及其组合在两个筛查队列（NLST和P-IELCAP）中用于1年肺癌检测的性能 | 开发并评估了一种结合Sybil、MONAI结节模型和安全网规则的OR堆叠复合模型，用于低剂量CT的1年肺癌检测，并在两个不同筛查队列中进行了验证 | 复合模型的阳性预测值较低（2.7%），且在P-IELCAP队列中MONAI模型的AUC较低（0.79），可能影响泛化能力 | 评估和比较深度学习模型在肺癌筛查中1年检测的性能，探索复合模型的有效性 | 接受低剂量CT筛查的参与者，来自NLST和P-IELCAP两个队列 | 医学图像分析 | 肺癌 | 低剂量CT | 深度学习模型（Sybil和MONAI结节模型） | 图像 | 5110例基线低剂量CT检查（NLST 2343例，P-IELCAP 2767例），其中65例在1年内诊断为肺癌 | MONAI | NA | AUC、灵敏度、阳性预测值 | NA |
| 4 | 2026-11-06 |
R-loopBase v2.0: species- and cell type-resolved quantitative R-loop maps and R-loop regulatory resources
2026-Nov-05, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkag1103
PMID:42983203
|
研究论文 | 该论文介绍了R-loopBase v2.0数据库，提供了物种和细胞类型分辨的定量R-loop图谱及R-loop调控资源 | 引入定量R-loop评分框架，扩展至多个物种和特定细胞类型，并增加了深度学习预测等新工具 | 摘要中未明确提及 | 解决先前R-loop图谱不准确和调控网络理解有限的问题，提供更新的综合资源 | R-loop映射数据集和R-loop调控因子 | 生物信息学 | NA | 多种R-loop映射技术（16种） | 深度学习模型 | 基因组数据 | 358个R-loop映射数据集 | NA | NA | NA | NA |
| 5 | 2026-11-06 |
Deep Learning for AD Risk Screening and Progression Prediction
2026-Nov-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.78537
PMID:42985795
|
研究论文 | 该研究利用深度学习对MRI数据进行分析，实现对阿尔茨海默病（AD）的风险筛查和进展预测，并在独立中国队列中验证了模型的泛化能力 | 模型在西方样本上预训练后直接迁移到中国独立队列（无需重新训练），并开发了可解释框架生成个体化脑风险图及识别AD亚型 | 摘要中未明确提及研究局限性 | 开发一种可及、高效的基于MRI的深度学习生物标志物，用于AD的早期诊断和风险分层 | 中国SILCODE队列中的722名参与者（共1,105次扫描） | 医学影像分析 | 阿尔茨海默病 | MRI | 深度学习分类器 | 图像 | 722名参与者，1,105次MRI扫描 | NA | NA | AUC, 灵敏度 | NA |
| 6 | 2026-11-06 |
Automated ring sideroblast quantification in bone marrow film using deep learning
2026-Nov-05, British journal of haematology
IF:5.1Q1
DOI:10.1111/bjh.70927
PMID:42986042
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7 | 2026-11-06 |
Balancing Iliac Crest Avoidance and Neural Safety in L5/S1 TELD: Quantitative Identification of a Candidate Balanced Trajectory Window Using AI-Assisted 3D MRI Reconstruction
2026-Nov-05, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.70433
PMID:42986038
|
研究论文 | 该研究利用AI辅助3D MRI重建技术，定量识别L5/S1经椎间孔内镜腰椎间盘切除术中平衡髂嵴避让与神经安全的候选轨迹窗口 | 首次结合AI辅助3D MRI重建技术，在同时考虑髂嵴阻挡和神经安全约束的条件下，定量定义了L5/S1 TELD的候选平衡轨迹窗口，为手动规划和计算机辅助轨迹规划系统提供了定量约束 | 样本量较小（50例MRI训练，30例模型用于模拟），仅使用MRI数据，未进行临床验证，轨迹模拟基于虚拟模型而非真实手术结果 | 利用AI辅助3D MRI重建定义定量候选平衡轨迹区域，同时评估髂嵴阻挡和神经安全约束，为L5/S1 TELD手术规划提供参考 | 腰椎MRI数据及L5/S1椎间孔区域的神经、硬膜和骨性结构 | 数字病理, 计算机视觉, 机器学习 | 腰椎间盘突出症, 脊柱疾病 | 深度学习图像分割, 3D MRI重建, 手术穿刺模拟 | CNN | 图像（薄层腰椎MRI） | 50例薄层腰椎MRI用于训练，30例腰椎模型用于手术穿刺模拟，共建立2940条虚拟工作轨迹 | NA | NA | Dice系数（平均86.4%，范围73.2%-92.4%） | NA |
| 8 | 2026-11-06 |
Phenological shifts of low-latitude frogs over 15 years revealed by passive acoustic monitoring
2026-Nov-04, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.261532
PMID:42979403
|
研究论文 | 该研究通过15年的被动声学监测数据，利用BirdNET深度学习模型量化了日本西表岛七种蛙类的繁殖物候，并分析了其物候变化趋势及与气候变暖的关系 | 利用长达15年的被动声学监测数据填补了低纬度地区物候响应数据的空白；应用BirdNET深度学习模型自动识别蛙类叫声以量化物候；发现冬季繁殖树蛙的物候显著延迟，与温带地区常见的春季提前形成对比 | 仅分析了七个物种，其中仅六个物种进行了物候趋势分析；研究地点局限于单一岛屿；未明确说明声学识别精度及误判率；未深入探讨其他环境因子对物候的影响 | 探究低纬度地区蛙类物候对气候变暖的响应，填补全球物候研究在低纬度区域的空白 | 日本西表岛（亚热带与热带过渡带）的七种蛙类 | 生态学、生物声学、深度学习应用 | NA | 被动声学监测、深度学习声学识别 | CNN（BirdNET） | 音频 | 15年每日声学录音，涉及7种蛙类 | NA | BirdNET | NA | NA |
| 9 | 2026-11-06 |
Artificial intelligence in pediatric allergic diseases: what the clinician needs to know
2026-Nov-04, European journal of pediatrics
IF:3.0Q1
DOI:10.1007/s00431-026-07604-z
PMID:42980841
|
综述 | 本文是一篇叙述性综述，总结人工智能在儿童过敏性疾病（哮喘、喘息、特应性皮炎、食物过敏、过敏性鼻炎）中的应用现状、能力边界及临床就绪度 | 从临床医生视角系统梳理AI在儿童过敏性疾病中的应用，强调临床就绪度和医生在采纳算法输出前应提出的问题，涵盖消费者应用、可穿戴设备和决策支持工具等现实场景 | 多数应用仍处于研究或试点阶段，受限于单中心小样本数据集、缺乏外部验证、深色皮肤人群代表性不足以及与临床工作流程互操作性有限 | 总结AI在儿童过敏性疾病中能做什么和不能做什么，评估其临床适用性、验证状态和实施障碍，为临床医生提供指导 | 儿童过敏性疾病的AI相关研究，包括机器学习、深度学习、数字生物标志物和大语言模型在儿童哮喘、喘息、特应性皮炎、食物过敏和过敏性鼻炎中的应用 | 机器学习 | 过敏性疾病 | NA | 机器学习, 深度学习, 大语言模型 | 图像, 呼吸音, 文本, 可穿戴设备数据 | NA | NA | NA | NA | NA |
| 10 | 2026-11-06 |
Deep learning-based pediatric swallowing video segmentation from sparse multi-annotator endoscopic data: comparing supervised U-Net models and in-context segmentation
2026-Nov-04, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03703-z
PMID:42980920
|
研究论文 | 该论文提出了一个儿童吞咽内镜视频分割框架，并比较了监督式U-Net模型和无需训练的上下文分割方法，使用来自五位专家的稀疏标注数据 | 首次针对儿童FEES数据进行分割研究，比较了监督式与无需训练的分割方法，并揭示了帧级验证会高估性能的问题 | 穿透类分割最具挑战性，与专家间一致性最低相符；帧级验证显著高估了性能，尤其是基于检索的上下文模型 | 开发儿童FEES自动分割方法，并评估监督式与无需训练方法在稀疏标注下的性能 | 儿童吞咽光纤内镜评估视频数据 | 医学图像分割 | 吞咽障碍 | 光纤内镜评估 | CNN, Transformer | 视频 | 38个视频用于训练和内部交叉验证，50个新标注视频用于独立测试 | NA | U-Net++, VM-UNet, Temporal | Dice系数, 存在分数 | NA |
| 11 | 2026-11-06 |
Development and Validation of a Mixture-of-Experts-Based Model for Postoperative In-Hospital Mortality Risk Assessment: Multicenter Retrospective Study
2026-Nov-04, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/92856
PMID:42981607
|
研究论文 | 开发并验证了一种基于混合专家模型的术后院内死亡风险动态预测框架，并在两个多中心围手术期数据库中进行评估 | 采用混合专家架构结合长短期记忆网络，基于静态手术情境进行动态路由，能够学习术中信号的异质性时间模式，并保持可解释性和手术类型适应性 | 跨中心评估时校准不充分，需要本地重新校准；需前瞻性验证、阈值选择和工作流程评估后才能临床部署 | 开发一种动态、手术自适应的术后院内死亡风险预测模型，提高预测准确性、跨数据库鲁棒性和可解释性 | 接受手术的成年患者，来自INSPIRE和HUAXI两个围手术期数据库 | 机器学习 | 术后死亡 | 术中信号时间序列分析 | 混合专家模型, LSTM | 时间序列信号, 文本 | 173,990例手术病例 | NA | 4个单层单向LSTM专家网络, 稠密softmax路由 | AUROC, Brier分数, 校准斜率, 推理延迟 | GPU推理（中位延迟11.4 ms/例） |
| 12 | 2026-11-06 |
Artificial intelligence-based voice biomarkers for early detection and monitoring of neurological diseases: current evidence, limitations, and clinical perspectives
2026-Nov-04, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.112041
PMID:42981649
|
综述 | 本文综述了基于人工智能的语音生物标志物在神经系统疾病早期检测和监测中的当前证据、局限性和临床前景 | 系统性地评估了AI语音生物标志物在多种神经系统疾病中的应用潜力，并批判性地分析了方法学、伦理和监管挑战 | 研究设计、样本量、语言、语音采集协议、验证策略和报告标准存在显著异质性，缺乏外部验证和多中心前瞻性研究，当前证据尚不足以支持常规临床实施 | 探讨AI语音和言语分析作为非侵入性数字生物标志物在神经系统疾病早期诊断和纵向监测中的价值与挑战 | 2015年至2026年间发表的关于AI语音生物标志物与神经系统疾病的相关研究 | 自然语言处理, 机器学习, 数字病理学 | 帕金森病, 阿尔茨海默病, 多发性硬化症, 其他神经退行性疾病 | 语音分析, 言语分析 | 机器学习, 深度学习 | 语音, 文本 | NA | NA | NA | NA | NA |
| 13 | 2026-11-06 |
Machine learning models based on facial images alone have moderate ability to predict negative outcomes in feedyard cattle treated for bovine respiratory disease
2026-Nov-04, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.26.07.0320
PMID:42981708
|
研究论文 | 该研究评估了仅使用面部图像和深度学习模型在肉牛接受牛呼吸道疾病治疗时预测其后续未完成（DNF）结局的能力 | 首次探索将面部图像与深度学习模型结合用于预测肉牛在牛呼吸道疾病治疗后的未完成结局，并比较了五种图像分类模型的性能 | 仅使用面部图像的预测性能有限（AUC 0.488-0.593），模型可能无法捕捉足够信息来可靠预测治疗后的结局，未纳入临床症状、健康史等其他动物层面信息 | 评估面部图像和深度学习模型在牛呼吸道疾病治疗时预测肉牛后续未完成结局的可行性 | 接受牛呼吸道疾病治疗的饲养场肉牛 | 计算机视觉 | 牛呼吸道疾病 | 深度学习图像分类 | CNN, Transformer | 图像 | 1,271张面部图像（完成组891张，未完成组380张） | NA | MobileNetV2, ResNet18, ResNet50, SE-ResNeXt50, ViT-l16-r224 | AUC, 精确率-召回率AUC, 灵敏度, 特异度 | NA |
| 14 | 2026-11-06 |
Hyperspectral Histopathology with Spectral-Spatial Multiple-Instance Learning for Acute Leukemia Classification
2026-Nov-04, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105706
PMID:42982261
|
研究论文 | 该研究评估了显微高光谱成像（HSI）结合患者级光谱-空间深度学习在区分急性髓系白血病（AML）、急性淋巴细胞白血病（ALL）和正常骨髓中的应用 | 开发了HemaSpec-MIL，一种新的分层光谱-空间多实例学习算法，结合了多尺度光谱编码、形态学编码、双向交叉注意力和门控多实例聚合来生成患者级概率 | 回顾性单中心研究，样本量较小（78例患者），需要独立的多中心验证和采集协调才能在临床转化前使用 | 评估显微高光谱成像（HSI）结合患者级光谱-空间深度学习是否能够支持AML、ALL和正常骨髓的鉴别 | 78例患者（26例AML、26例ALL和26例正常骨髓）的H&E染色骨髓穿刺活检切片 | 数字病理学 | 白血病 | 显微高光谱成像（HSI） | 多实例学习（MIL） | 高光谱图像 | 78例患者（26例AML、26例ALL、26例正常骨髓） | NA | HemaSpec-MIL（多尺度光谱编码、形态学编码、双向交叉注意力、门控多实例聚合） | 准确率、宏F1分数、宏AUC、一对一rest AUC | NA |
| 15 | 2026-11-06 |
Spatial architecture of the synovium identifies clinically relevant phenotypes of osteoarthritis
2026-Nov-04, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2026.10.018
PMID:42982324
|
研究论文 | 本文开发了一种基于深度学习的语义分割框架，分析人类滑膜的HE染色全切片图像，结合空间熵、组织间连接性指标和图神经网络社区建模，识别与膝骨关节炎临床相关异质性有关的滑膜空间架构 | 将深度学习语义分割与空间熵、组织间连接性指标以及图神经网络社区建模相结合，从空间组织角度而非单纯组织成分比例刻画骨关节炎异质性，并与单细胞RNA测序数据整合揭示配体-受体通讯网络 | 未明确说明样本量、外部验证队列及模型泛化能力，单细胞数据为匹配样本的预测性整合而非直接空间验证 | 确定滑膜组织的空间组织是否构成膝骨关节炎临床相关异质性的基础 | 人类膝骨关节炎患者的滑膜组织全切片图像及匹配的单细胞RNA测序数据 | 数字病理学 | 骨关节炎 | HE染色全切片成像，单细胞RNA测序 | CNN，图神经网络 | 图像，文本（基因表达数据） | NA | NA | 语义分割网络，图神经网络 | NA | NA |
| 16 | 2026-11-06 |
Development and validation of a deep learning model for automatic assessment of corneal endothelium
2026-Nov-04, The British journal of ophthalmology
DOI:10.1136/bjo-2025-328549
PMID:42982569
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17 | 2026-11-06 |
Deciphering the regulatory code of RNA inosine through enzymatic precision mapping and an explainable deep learning model
2026-Nov-04, Cell discovery
IF:13.0Q1
DOI:10.1038/s41421-026-00930-4
PMID:42982798
|
研究论文 | 该研究开发了REX-seq高精度检测RNA肌苷位点的方法，并构建了可解释深度学习模型InoDREAM来预测调控A-to-I编辑的RNA结合蛋白和疾病相关突变 | 同时开发了基于EndoV和XRN-1的REX-seq检测方法（可同时进行编辑组分析和基因表达定量），以及InoDREAM深度学习框架（可预测调控蛋白、疾病突变和顺式调控元件） | 摘要未明确说明限制 | 精确检测RNA肌苷位点并解析A-to-I选择性编辑的调控机制 | HEK293T细胞中的A-to-I RNA编辑位点 | 机器学习, 基因组学 | NA | REX-seq（EndoV核酸内切酶与XRN-1外切核酸酶联合测序） | 深度学习 | RNA测序数据, 基因组序列 | HEK293T细胞中鉴定出590,249个高置信度肌苷位点（包括84,645个新位点） | NA | 深度残差增强注意力模型（InoDREAM） | NA | NA |
| 18 | 2026-11-06 |
Synthetic CT from biplanar radiographs for patellofemoral anatomical assessment: development and validation of an adapted X2CT-GAN model
2026-Nov-04, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05425-7
PMID:42983110
|
研究论文 | 该研究开发并验证了一种基于X2CT-GAN的深度学习模型，可从双平面X光片生成合成CT，用于髌股关节不稳定的解剖学评估 | 将X2CT-GAN框架适配用于从正侧位X光片重建合成CT，并首次系统验证其在髌股关节不稳定解剖评估中的准确性，包括定量测量和阈值分类 | 样本量较小（210例），为回顾性研究，仅在一个机构进行验证，未评估在更广泛人群和不同临床场景中的泛化能力 | 验证深度学习模型生成的合成CT在髌股关节不稳定解剖评估中的准确性，探索低辐射替代方案 | 髌股关节不稳定患者的配对X光片和CT扫描数据 | 医学影像分析 | 髌股关节不稳定 | 深度学习图像合成，X光片到CT的跨模态重建 | GAN | 图像 | 210对配对的X光片和CT扫描（训练集170例，验证集40例） | NA | X2CT-GAN | 组内和组间信度，模态间一致性，平均绝对误差，阈值分类一致性，特异性 | NA |
| 19 | 2026-11-06 |
Patient-specific biophysical AI-powered modeling for predicting RFA volumes in HCC
2026-Nov-03, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00839-3
PMID:42975749
|
研究论文 | 该研究提出并临床评估了一种全自动、AI驱动的患者特异性生物物理模型，用于预测肝细胞癌射频消融体积，并与厂商提供的消融估计进行比较 | 将深度学习自动分割与GPU加速的患者特异性生物物理热传导和血管热沉模拟相结合，实现全自动的个体化消融体积预测，并纳入患者特异性消融时间进一步提升准确性 | 为回顾性单中心研究，样本量相对有限（96例消融、65例患者），肿瘤、针位及消融后区域需手动分割作为参考标准 | 临床评估AI驱动的患者特异性生物物理模型预测HCC射频消融体积的性能，并与厂商提供的消融估计进行比较 | 接受单次集束针射频消融治疗的肝细胞癌患者 | 医学影像分析 | 肝癌 | 射频消融、围手术期计算机断层扫描、深度学习自动分割、生物物理热传导模拟 | 深度学习分割模型、生物物理热传导模型 | 图像（CT影像） | 96例射频消融手术、65例HCC患者（其中94例可评估） | NA | NA | 相对体积差异（RVD）、体积相似性、Pearson相关系数、p值 | GPU加速（型号未说明） |
| 20 | 2026-11-06 |
Deep learning-based quantification of CT changes after 1 year of pirfenidone treatment as a prognostic marker in idiopathic pulmonary fibrosis
2026-Nov-03, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02447-6
PMID:42975762
|
研究论文 | 评估特发性肺纤维化患者接受吡非尼酮治疗1年后，基于深度学习的CT定量变化对预后的预测价值 | 首次将深度学习CT定量分析（正常肺与纤维化范围）在吡非尼酮治疗1年后的变化作为IPF患者的预后标志物，并验证其与复合终点及肺功能下降的关联 | 回顾性研究设计，仅来自两家医院，样本量有限（436例），未提及外部验证，且深度学习工具的具体细节未在摘要中说明 | 探讨吡非尼酮治疗1年后深度学习CT定量变化能否预测IPF患者的死亡、肺移植及肺功能下降 | 特发性肺纤维化（IPF）患者 | 数字病理学 | 肺纤维化 | 深度学习CT定量分析 | NA | 图像 | 436例患者（341名男性，平均年龄69.8岁） | NA | NA | 风险比（HR）、95%置信区间（CI）、p值 | NA |