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
481	2026-08-15	Recent advances, comparative performance, and data requirements of artificial intelligence-assisted technologies for the diagnosis of gastric cancer 2026, Frontiers in gastroenterology (Lausanne, Switzerland) DOI:10.3389/fgstr.2026.1878353 PMID:42597474	综述	本文综述了人工智能辅助胃癌诊断技术的最新进展，比较了不同数据模态下代表性模型的性能，并提出了多模态AI-临床决策支持系统框架	提出了结构化多模态AI-临床决策支持系统框架，整合CT影像、内镜图像和视频、全切片病理图像、血清学指标、分子生物标志物和临床报告，并系统比较了模型在不同数据模态下的性能	临床转化仍需前瞻性多中心验证、标准化性能报告、可解释模型输出、隐私保护数据治理和法规合规部署	总结AI辅助胃癌诊断技术的最新进展，比较代表性模型性能，并探讨数据要求对模型性能的影响	胃癌诊断相关的人工智能模型，包括基于内镜图像、病理图像、非增强CT影像和多模态数据的模型	机器学习	胃癌	深度学习	深度学习模型	图像、视频、文本、分子数据	不适用	不适用	不适用	AUC、准确率、灵敏度、特异性、精确率/阳性预测值、F1分数	不适用
482	2026-08-15	Artificial intelligence for early prediction of gestational diabetes mellitus and preeclampsia: a systematic review of machine learning models and clinical decision support systems 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1890320 PMID:42597681	综述	本文系统综述了2020至2026年间基于人工智能的妊娠期糖尿病和子痫前期早期预测模型及临床决策支持系统的研究进展	提出了一个整合多模态数据、机制感知建模、可解释人工智能、标准化验证和临床决策支持的概念框架，以指导未来模型开发	现有模型多独立预测GDM或子痫前期，缺乏多模态数据整合、外部验证不足、可解释性有限，且该框架未被验证为预测系统	综合流行病学、临床、机制和AI证据，提出概念框架以支持未来精准孕产妇医疗	妊娠期糖尿病和子痫前期的预测模型及临床决策支持系统	机器学习	妊娠期糖尿病, 子痫前期	机器学习, 深度学习, 混合人工智能	机器学习模型, 深度学习模型, 集成模型	临床数据, 生化数据, 电子健康记录, 多模态数据	120项研究	NA	NA	AUC	NA
483	2026-08-15	From subjective assessment to data-driven diagnosis: the AI revolution in multimodal early detection of Sjögren's disease 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1792331 PMID:42598047	综述	本文系统综述了人工智能在多模态早期检测干燥综合征中的应用，探讨了从影像到分子组学数据的整合潜力及挑战	提出以因果感知的多模态融合框架为核心，强调超越相关性建模疾病机制，并引入联邦学习以解决数据隐私和利用大规模基因组数据	许多研究基于小规模、回顾性、单中心队列或主要依赖内部验证，限制了临床稳健性和泛化性	探讨人工智能整合多种数据流（从医学影像到分子组学）以克服干燥综合征诊断异质性，并推动早期干预和个性化治疗	干燥综合征患者的多模态数据，包括唾液腺超声、CT影像、病理、代谢组学和基因组学数据	机器学习	干燥综合征	影像分析、代谢组学、基因组学	深度学习模型（如FCN-DenseNet、AlexNet）、免疫聚类模型	图像、组学数据（代谢组学、基因组学）	NA	NA	FCN-DenseNet、AlexNet	AUC	NA
484	2026-08-14	Artificial intelligence approaches in biological age prediction: current status and challenges 2026, British journal of biomedical science IF:2.7Q2 DOI:10.3389/bjbs.2026.16141 PMID:42358564	综述	本文系统综述了人工智能在生物学年龄预测中的应用现状与挑战，涵盖生物标志物选择、特征工程、模型开发、偏差校正和性能评估等关键环节，并探讨了异步老化现象及深度学习和多模态融合技术	强调异步老化现象，即不同器官或生理系统以不同速率老化，并突显深度学习和多模态融合技术捕捉系统特异性老化模式的能力	面临数据异质性、模型泛化能力有限、可解释性不足及临床转化障碍等挑战，需标准化方法和跨人群稳健验证	综述AI驱动的生物学年龄预测方法，并展望未来研究方向，以建立可靠且临床可用的预测模型	生物学年龄预测相关的人工智能方法、生物标志物、多模态数据及异步老化现象	机器学习	老年疾病	NA	深度学习、多模态融合	多模态生物数据	NA	NA	神经网络架构	性能评估指标	NA
485	2026-08-14	PolyMamba-Net: a lightweight and boundary-aware network for real-time polyp segmentation in colonoscopy 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1800666 PMID:42359059	研究论文	提出一种名为PolyMamba-Net的轻量级且边界感知的混合架构，用于结肠镜检查中息肉分割的实时处理，融合了Mamba和CNN的优势	创新性地将State Space Models (Mamba)与CNNs结合，引入双分支编码器捕获全局上下文和细粒度纹理，并设计边界感知模块（BAM）以显式细化息肉边缘，同时保持轻量化以支持实时推理	该模型在两个公共基准上的性能虽然优于现有方法，但其跨数据集泛化能力主要通过三个未见过的基准验证，未提及在真实临床环境中的多中心或前瞻性验证	解决现有深度学习息肉分割模型在分割准确率和实时推理速度之间的权衡问题，提供临床可行的辅助工具以减少漏诊率	针对结肠镜检查中腺瘤性息肉，特别是平坦息肉和复杂肠道环境下的分割任务	计算机视觉	结直肠癌	NA	混合架构（Mamba + CNN）	图像	两个公共基准数据集：Kvasir-SEG和CVC-ClinicDB，用于训练和测试；另有三个未指定名称的基准用于跨数据集评估	NA	双分支编码器（Mamba和CNN分支）、边界感知模块（BAM）	Dice系数	单块NVIDIA RTX 3090 GPU，模型参数量仅25.3M，浮点运算量为12.8 GFLOPs，运行速度达到115 FPS
486	2026-08-14	Computer-aided detection of equivocal spinal tuberculosis on X-ray using a YOLOv11-based deep learning model 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1780946 PMID:42359154	研究论文	本研究开发了一种基于YOLOv11的深度学习模型，用于在X光片上检测表现为模糊或非典型改变的脊椎结核可疑区域，并提供风险提示。	首次将YOLOv11目标检测框架应用于脊椎结核X光图像的计算机辅助检测，针对早期和中期X光表现不明确的病例，结合CT参考标注训练模型，并引入了患者水平的检测率和漏诊率评估。	研究仅纳入CT确诊为脊椎结核的阳性病例，缺少正常对照和非结核性脊柱疾病对照，且未进行外部验证和前瞻性评估，实际应用需进一步检验。	开发一种基于X光图像输入的深度学习模型，用于自动定位脊椎结核可疑区域，以支持资源有限地区的早期风险提示和转诊决策。	307例X光表现模糊但CT确诊为脊椎结核的患者，来自三家三级医院。	计算机视觉	脊椎结核	X光成像	YOLOv11	图像（X光片）	307例患者的X光图像	NA	YOLOv11	平均精度（mAP@0.5、mAP@0.5:0.95）、精确率、召回率、F1置信度曲线、精确率-召回率曲线、置信度相关曲线、患者水平检测率、漏诊率、最大交并比（maxIoU）	NA
487	2026-08-14	Evaluating the diagnostic accuracy of neural network models in detecting oral potentially malignant disorders and oral cancer using mobile photographs: An umbrella review 2026, Dental research journal DOI:10.4103/drj.drj_172_25 PMID:42359377	综述	本伞形综述旨在评估不同人工智能模型在利用手机照片检测口腔潜在恶性疾病和口腔癌方面的诊断准确性	通过伞形综述方法综合多个系统评价，首次比较多种AI模型（如EfficientNet和ResNet）在真实世界不同场景下的检测性能	研究间存在显著异质性（I²常大于85%），反映了人群、图像采集协议和模型架构的差异；未包含未经同行评审的研究	评估不同AI模型在检测口腔癌和口腔潜在恶性疾病方面的比较性能	口腔癌和口腔潜在恶性疾病	计算机视觉	口腔癌	移动摄影	深度学习模型	图像	六项系统评价	NA	EfficientNet, ResNet, MLSO + SVM	敏感性, 特异性, 诊断优势比	NA
488	2026-08-14	Ensemble based in transfer learning for cytological classification in pleural fluid 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1849898 PMID:42359446	研究论文	本研究提出一种结合迁移学习的集成深度学习框架，用于胸膜液细胞学图像的良恶性分类，并通过数据增强优化模型性能	采用ResNet50V2、DenseNet121和InceptionV3三种架构的集成策略，结合硬投票和软投票机制，并通过数据增强显著提升模型泛化能力，在本地和外部数据集上均取得较高准确性	研究仅使用有限的数据集，且外部数据集规模较小，可能影响模型的广泛适用性；未提及计算资源消耗和实时性评估	开发自动化胸膜液细胞学分类系统，辅助诊断恶性胸膜积液，提高低资源环境下的癌症诊断可及性	胸膜液细胞学图像，包括局部数据集（1292张）和外部Kaggle数据集（693张）	计算机视觉、数字病理学	胸膜癌、恶性胸膜积液	图像数据增强、迁移学习	集成深度学习模型（基于CNN）	图像	本地数据集1292张，外部数据集693张	NA	ResNet50V2, DenseNet121, InceptionV3	准确率、精确率、召回率、F1分数	NA
489	2026-08-14	Hybrid deep learning for mental workload classification using EEG with enhanced preprocessing and interpretability 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352882 PMID:42361081	研究论文	提出一种集成混合深度学习框架，用于脑电信号的心理负荷分类，具备增强的预处理和可解释性	结合变分自编码器、卷积块注意力模块和双向长短期记忆网络，通过消融研究和敏感性分析优化性能，并利用梯度加权类激活映射实现神经生理学层面的可解释性	未来需探索自适应窗口策略、多模态数据整合、跨数据集基准测试，并评估基于Transformer和图神经网络的架构在一致的个体独立评估设置下的表现	实现稳健、可解释的基于脑电的心理负荷分类，克服泛化性、噪声鲁棒性和可解释性方面的挑战	安全敏感领域（如医疗和航空）中的心理负荷状态	机器学习	不适用	脑电图（EEG）	混合深度学习模型（变分自编码器、卷积块注意力模块、双向长短期记忆网络）	脑电图信号，以频带拓扑视频形式呈现	不适用（摘要中未提及具体样本数量）	不适用（摘要未提及具体框架）	变分自编码器、卷积块注意力模块、双向长短期记忆网络、梯度加权类激活映射	准确率（平均准确率83.9%）	不适用（摘要未提及计算资源）
490	2026-08-14	A multimodal ConvNeXt-Tiny deep learning model for simultaneous prediction of IDH mutation and Ki-67 expression in gliomas 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351757 PMID:42361071	研究论文	构建并验证一个基于ConvNeXt-Tiny的多任务深度学习模型，用于同步预测成人弥漫性胶质瘤中IDH突变状态和Ki-67表达水平	首次提出基于ConvNeXt-Tiny的多任务深度学习模型，实现胶质瘤IDH突变与Ki-67表达的同步预测，并整合多模态MRI、影像组学和临床特征，采用SHAP与Grad-CAM进行可视化解释	摘要未明确提及研究局限性	开发并验证一种能够术前同步预测成人弥漫性胶质瘤IDH突变状态和Ki-67表达水平的稳健多任务深度学习模型	来自两家医院的成人弥漫性胶质瘤患者，分别作为训练集和独立验证集	医学影像分析、深度学习	胶质瘤	多模态MRI（T2WI、T2-FLAIR、T1CE、ASL）	ConvNeXt-Tiny多任务深度学习模型	医学影像（MRI）、临床数据、影像组学特征	来自两家医院的成人弥漫性胶质瘤患者，具体数量未在摘要中提及	NA	ConvNeXt-Tiny	AUC、校准曲线、Hosmer-Lemeshow检验、决策曲线分析、净重分类指数（NRI）	NA
491	2026-08-14	EvoApneaFormer: an IoT and prognostic evolutionary deep learning-based framework for real-time multi-event sleep apnea disorder detection and remote monitoring 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1755071 PMID:42367379	研究论文	提出一种基于物联网和进化深度学习框架EvoApneaFormer的实时多事件睡眠呼吸暂停障碍检测与远程监测系统	结合动态自注意力与神经进化优化，实现跨异构生物信号的自适应学习，并在低功耗边缘硬件上部署	主要在特定数据集和有限样本上验证，真实世界测试规模较小	开发非侵入性、可扩展的睡眠呼吸暂停检测与远程监测方案，克服传统多导睡眠监测的高成本和局限性	睡眠呼吸暂停患者	机器学习	睡眠呼吸暂停	NA	Transformer	生物信号数据（ECG、SpO2、呼吸努力、运动数据）	86例患者（UCD数据库25例，ApneaSense临床数据集61例）	TensorFlow	Transformer	准确率、精确率、召回率、F1分数、AUC	Raspberry Pi 4，TensorFlow Lite量化
492	2026-08-14	Artificial intelligence for postpartum hemorrhage: a systematic review 2026, Frontiers in global women's health DOI:10.3389/fgwh.2026.1806220 PMID:42367614	系统综述	对基于人工智能的产后出血预测模型进行了系统综述，涵盖临床应用、数据源、预测目标、验证策略及研究质量	更新至2025年的系统综述，采用改良QUADAS-2工具专门评估AI模型质量，并分析传统机器学习、深度学习和LLM方法等多样建模策略	存在偏倚风险，主要受限于回顾性、封闭数据集、异质性结果定义及有限的外部验证	系统性综合AI用于PPH预测的证据，评估其临床应用、数据来源、预测目标、验证策略及研究质量	2015至2025年间发表的33项AI预测产后出血相关研究	机器学习	产后出血	人工智能	包括经典机器学习、深度学习、基于LLM的模型	临床数据（回顾性数据，封闭数据集）	33项研究	NA	NA	NA	NA
493	2026-08-14	Deciphering immune-inflammatory dysregulation in the endometriotic microenvironment: insights from single-cell omics and artificial intelligence 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1848643 PMID:42367786	综述	本文综述了单细胞组学和人工智能在解析子宫内膜异位症微环境中免疫炎症失调方面的最新进展，包括免疫细胞异质性、功能障碍、生物标志物发现和药物重定位等。	结合单细胞组学（如scRNA-seq、空间转录组学、CyTOF）与人工智能/机器学习技术，系统总结了在子宫内膜异位症微环境中免疫细胞亚群、细胞间通讯及药物靶点识别的创新性发现，并探讨了单细胞基础模型和大语言模型的应用。	临床转化仍受限于数据整合复杂性、模型可解释性及验证不足等实际挑战。	总结单细胞组学与人工智能在揭示子宫内膜异位症免疫炎症失调机制、辅助生物标志物发现及药物重定位方面的研究进展和限制。	子宫内膜异位症患者异位病灶微环境中的免疫细胞，包括巨噬细胞、自然杀伤细胞、T细胞、B细胞、树突状细胞和肥大细胞。	数字病理学，单细胞组学，人工智能	子宫内膜异位症	单细胞RNA测序，空间转录组学，质谱流式细胞术，多组学整合	单细胞基础模型，深度学习，大型语言模型	单细胞转录组数据，空间转录组数据，质谱流式细胞术数据，文本数据	不适用	不适用	单细胞基础模型，大型语言模型	不适用	不适用
494	2026-08-14	ZDAM: a new deep learning model for bean leaf disease diagnosis 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1842022 PMID:42368544	研究论文	提出一种基于改进ZFNet和双重注意力机制的深度学习模型ZDAM，用于豆叶病害诊断，平均识别准确率达99.02%	改进ZFNet并集成通道与空间双重注意力机制，以及残差模块	未提及具体局限性	开发一种高精度、可扩展的自动化豆叶病害诊断方法，以支持农业增产和产后质量保持	豆叶图像，包括健康叶片和四种病害（叶霉病、锈病、花叶病、白斑病）	计算机视觉	植物病害	图像分类	CNN（卷积神经网络）	图像	11,903张豆叶图像	NA	ZFNet（改进型）	准确率	NA
495	2026-08-14	Artificial Intelligence for Breast Cancer Molecular Subtype Prediction From Medical Imaging: A Systematic Review of Literature 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261465062 PMID:42500935	综述	本综述系统评估了基于医学影像的人工智能预测乳腺癌分子亚型的研究，并分析了其方法学严谨性、偏倚风险和临床转化潜力	采用AI适应的QUADAS框架评估现有研究的偏倚风险，并强调标准化报告与外部验证的重要性	仅9项研究被判定为低偏倚风险，高或不清楚偏倚的研究数量多，且缺乏外部验证和标准化数据集	系统梳理并评价人工智能在医学影像中预测乳腺癌分子亚型的现有研究，并探讨其临床可转化性	乳腺癌分子亚型（Luminal A、Luminal B、HER2阳性、三阴性）的预测方法	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、超声成像	机器学习模型，深度学习架构	医学图像	纳入626篇文献，其中76篇全文评估，最终9项低偏倚风险研究	不适用	放射组学模型，深度学习架构	不适用	不适用
496	2026-08-14	Robust Sleep Behavior Monitoring Under Motion Artefacts via Motion-Conditioned Learning 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3715694 PMID:42479506	研究论文	本文提出了一种基于运动条件学习的多模态传感框架，用于在运动伪影下实现稳健的睡眠行为监测，通过可穿戴智能喉带同步采集生理微振动和运动动态，并利用运动条件深度学习架构MoCo Net实现自适应表征学习，在24名受试者的数据集上验证了其有效性	提出了运动条件深度学习架构MoCo Net，利用惯性运动嵌入通过特征级线性调制（FiLM）调节应变特征提取，实现在不同运动状态下的自适应表征学习，显著优于仅依赖应变传感的方法	仅基于24名受试者的数据集进行评估，样本量有限，可能影响泛化性；研究主要集中在颈部区域，对其他身体部位的适用性有待验证	开发一种能在运动伪影环境下稳健进行睡眠行为分类的可穿戴多模态传感框架	24名参与者的睡眠行为，包括呼吸和上气道活动等四种与睡眠相关的行为	可穿戴传感、深度学习	不适用（NA）	纺织应变传感、惯性传感	深度学习（具体为MoCo Net，可能基于CNN或类似架构）	生理微振动信号、运动动态信号（应变传感数据和惯性数据）	24名参与者，93.6小时的穿戴记录，33,702个带注释的信号片段	未明确指定（NA）	MoCo Net（特征级线性调制FiLM）	分类准确率	未明确指定（NA）
497	2026-08-14	Knowledge, attitudes, and practices toward artificial intelligence among health sciences students: A cross-sectional study in Palestine 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352785 PMID:42361129	研究论文	本研究评估了巴勒斯坦某大学健康科学专业学生在2024-2025学年对人工智能的知识、态度和实践情况。	针对资源有限的教育环境中健康科学学生的人工智能知识、态度和实践进行全面评估，并分析正式培训对知识、态度和实践的影响。	研究仅在一所巴勒斯坦大学进行，样本可能不具有普遍性；数据通过自我报告问卷收集，可能存在偏差。	评估健康科学学生对人工智能的知识、态度和实践，为课程开发提供参考。	巴勒斯坦某大学的健康科学专业本科生，包括护理、医学和健康科学以及牙科专业的学生。	教育研究、健康科学、人工智能应用	不适用	问卷调查	不适用	横断面调查数据	666名本科生	不适用	不适用	准确率、均值、标准差、t检验、方差分析、效应量（Cohen's d和η²）	不适用
498	2026-08-14	CoNutriNet: a dual-branch architecture with DenseNet and graph-enhanced attention network for coffee nutrient deficiency classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1827047 PMID:42368524	研究论文	本文介绍了一种名为CoNutriNet的深度学习架构，用于咖啡叶营养缺乏分类，结合了DenseNet121和图增强注意力网络。	创新点在于提出双分支架构CoNutriNet，整合DenseNet121与新型图增强注意力特征网络（GEAFNet），利用Inception、Ghost和ECA模块捕捉局部细粒度特征，并通过图卷积网络建模空间依赖关系，以提升分类性能。	文中未明确提及局限性。	旨在实现咖啡植物营养缺乏的自动检测，以支持精准农业和提高产量。	咖啡叶的营养缺乏分类。	计算机视觉, 数字病理学（？可能不适用，但根据内容，应是植物图像分类）	营养缺乏症（针对作物）	深度学习图像分类	CNN（卷积神经网络）	图像	CoLeaf数据集（未给出具体样本数）	NA	DenseNet121, Inception, Ghost, ECA, GCN, CA	准确率	NA
499	2026-08-14	Accuracy and Functional Performance of Artificial Intelligence-Based Automated Crown Design Systems: A Systematic Review and Meta-Analysis 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261463709 PMID:42368773	系统综述与荟萃分析	本系统综述与荟萃分析评估了人工智能驱动的自动牙冠设计系统在形态精度、功能整合、内部适配和工作流程效率方面的表现，并与传统计算机辅助设计或技师工作流程进行了比较	系统性地比较了多种人工智能技术（包括机器学习、深度学习、生成对抗网络和扩散模型）在牙冠设计中的应用，并整合了形态精度、功能整合和工作流程效率等多维度结果，揭示了人工智能系统在提高效率和标准化结果方面的潜力	现有证据主要来自体外和计算研究，缺乏前瞻性临床验证，患者特异性动态咬合数据整合有限，长期随访证据不足	评估人工智能辅助牙冠设计系统相对传统计算机辅助设计或技师驱动工作流程在形态精度、功能整合、内部适配和工作流程效率方面的性能	人工智能驱动的自动牙冠设计系统，包括基于机器学习、深度学习、生成对抗网络和扩散模型的系统	数字病理学	口腔疾病	人工智能辅助设计	机器学习、深度学习、生成对抗网络、扩散模型	图像	17项研究（其中13项纳入定量合成）	未提及	生成对抗网络、扩散模型	均方根偏差、标准化均差、p值	未提及
500	2026-08-14	Federated learning framework for medical image analysis with perspective-aware contrastive and mixture of experts 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1807248 PMID:42369006	研究论文	提出了一种名为FedPAC-ME的联邦学习框架，用于医学图像分析，通过集成视角感知对比学习和专家混合架构来应对数据异质性和不平衡问题	引入了多视角增强（MPA）来模拟多样临床视角，以及视角感知对比模块（PACM）来对齐跨模态和跨客户端表示；采用专家混合路由层动态分配专家以适应客户端特定数据分布，并设计了视角感知对比损失（PACL）以增强跨视图一致性	文中未明确提及局限性，但可推断在真实临床环境中的计算开销和部署复杂性可能较高	开发一种能够在分布式数据、有限标注和异质临床环境中提升泛化能力和隐私保护的联邦学习框架，用于医学图像分析	医学图像，特别是脑肿瘤分割图像（使用BraTS2020多机构数据集）	数字病理学	脑肿瘤	联邦学习、对比学习	专家混合（MoE）、对比学习模型	医学图像（MRI）	BraTS2020多机构脑肿瘤分割数据集，具体样本数未在摘要中提供	NA（未在摘要中指定）	专家混合（MoE）架构、视角感知对比模块（PACM）	准确率（98.80%）	NA（未在摘要中提供）