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
821	2026-09-25	An intelligent OCR-LLM prescription review system for inpatient narcotic and psychotropic drugs: Development and retrospective validation 2026-Sep-18, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050741 PMID:42760707	研究论文	本研究构建了基于深度学习OCR与本地大语言模型的住院麻醉药品和精神药品智能处方审核系统，并回顾性验证了其审核性能和闭环管理价值	首次将深度学习OCR与本地大语言模型相结合，构建面向住院麻醉药品和精神药品的智能处方审核系统，实现处方图像识别、文本结构化、规则验证、签名验证、残余药量计算及药师人工审核触发等功能	仅回顾性纳入500份处方进行验证，样本量有限；为单中心研究，未进行前瞻性多中心验证；系统规则库的覆盖范围和适应性有待进一步评估	构建住院麻醉药品和精神药品智能处方审核系统并评估其审核性能与闭环管理价值	500份住院麻醉药品和精神药品处方	数字病理学	NA	深度学习OCR，本地大语言模型	LLM	图像，文本	500份住院麻醉药品和精神药品处方	NA	NA	准确率，敏感度，特异度，阳性预测值，阴性预测值，F1分数，Cohen's kappa系数	NA
822	2026-09-25	Research on the correlation between artificial intelligence and depression: A bibliometric analysis from 2000 to 2024 2026-Sep-18, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050781 PMID:42760733	文献计量分析	本研究采用文献计量方法，系统评估了2000至2024年间人工智能技术与抑郁症相关研究的产出，并探讨了AI在抑郁症诊断、预测和治疗中的应用趋势与前景	通过文献计量分析全面绘制了2000至2024年间AI与抑郁症交叉领域的研究演进图谱，识别了关键研究主题和未来发展趋势，并指出了该领域存在的研究空白	长期疗效证据稀缺，缺乏标准化验证，跨学科整合仍然不足	系统评估AI技术与抑郁症研究的产出，探索AI在抑郁症诊断、预测和治疗中的应用趋势与前景	2000至2024年间Web of Science数据库中关于抑郁症与人工智能的相关文献	机器学习	抑郁症	文献计量分析	NA	文本	1437篇论文，发表于766种学术期刊	NA	NA	NA	NA
823	2026-09-25	IQ-NET: fast and accurate quartet phylogenetic inference using deep learning trained on empirical DNA alignments 2026-Sep-16, Molecular phylogenetics and evolution IF:3.6Q2 DOI:10.1016/j.ympev.2026.108744 PMID:42748990	研究论文	该文章提出了一种基于深度学习的四分类群系统发育树推断框架IQ-NET，能够从带间隙的DNA比对中直接估计拓扑结构和分支长度，并通过与ASTRAL结合重建更大规模物种树	使用经验DNA比对数据训练深度学习模型；直接从带间隙的比对中估计拓扑和分支长度；克服了现有机器学习方法对输入序列顺序敏感的问题	未明确说明具体局限性	实现快速且准确的四分类群系统发育推断，通过深度学习直接从DNA比对中估计系统发育树	DNA序列比对数据，四分类群系统发育树	机器学习	NA	深度学习	深度学习模型	DNA序列比对数据	NA	NA	IQ-NET	准确率，速度提升倍数	NA
824	2026-09-25	A deep learning framework for histopathological classification of canine testicular tumours 2026-Sep-12, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106878 PMID:42731693	研究论文	提出基于人工智能的计算病理学方法，从犬睾丸肿瘤的全切片图像中自动分类三种主要肿瘤类型	首次将EfficientNet-B4和基于注意力的多实例学习框架应用于犬睾丸肿瘤的组织病理学分类，并验证了AI辅助全切片图像级分类的可行性	样本量有限（200例），需要更大规模的多中心验证，且研究为概念验证性质，尚未转化为临床决策支持工具	开发并评估AI辅助的全切片图像级犬睾丸肿瘤组织病理学分类方法，为兽医病理学家提供决策支持工具的概念验证	200只雄性犬的睾丸肿瘤组织切片	数字病理学	犬睾丸肿瘤	全切片图像（WSI）、苏木精-伊红染色	CNN、注意力机制、多实例学习	图像	200张全切片图像（来自200只雄性犬）	NA	EfficientNet-B4, ABMIL	准确率	NA
825	2026-09-25	Deep learning-based structural prediction (AlphaFold 3) of shrimp IMNV RdRp and identification of seaweed-derived metabolites for antiviral intervention in aquaculture 2026-Sep-08, Virus research IF:2.5Q3 DOI:10.1016/j.virusres.2026.199796 PMID:42710629	研究论文	本研究利用基于深度学习的AlphaFold 3预测虾IMNV RdRp蛋白结构，并对海藻来源代谢物进行大规模虚拟筛选，以鉴定潜在的抗病毒抑制剂	首次将AlphaFold 3深度学习方法用于虾传染性肌坏死病毒RdRp的结构预测，并结合大规模海藻代谢物虚拟筛选鉴定潜在抗病毒化合物	研究仅基于计算机模拟方法，缺乏体外和体内实验验证，所筛选化合物的实际抗病毒效果尚需进一步实验确认	预测虾IMNV RdRp蛋白结构并筛选海藻来源代谢物作为潜在的抗病毒抑制剂，为水产养殖中IMNV感染的防控提供候选药物	虾传染性肌坏死病毒（IMNV）的RNA依赖性RNA聚合酶（RdRp_M01蛋白）及1077种海藻来源代谢物	机器学习	传染性肌坏死病毒感染	深度学习蛋白结构预测（AlphaFold 3）、分子对接、分子动力学模拟、MMGBSA分析	AlphaFold 3	蛋白质结构数据、化合物分子结构数据	1077种海藻来源化合物针对RdRp_M01蛋白进行筛选，选取3种排名最高的生物活性化合物进行深入分析	NA	AlphaFold 3	结合能评分、均方根偏差、结合自由能（ΔG_total）	NA
826	2026-09-25	Badmintonvision: a deep learning framework for automated tactical analysis in elite badminton 2026-Sep-08, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-026-02073-1 PMID:42773488	研究论文	提出BadmintonVision框架，结合自监督学习、时间建模和战术分析，用于精英羽毛球比赛的自动化战术分析	将自监督学习、基于Transformer的时间建模和战术分析集成到统一框架中，利用ConvNeXt V2在139501张无标注图像上预训练，开发MotionFormer处理10帧窗口捕捉完整击球周期，并构建了包含30000张专家标注图像的数据集	运动分析中的相关性发现需要谨慎解释，性别分层分析中比赛和球员数量有限，马尔可夫链建模揭示的规律仅为描述性，需要在更大规模、平衡的样本中验证	实现精英羽毛球比赛的自动化战术分析，支持教练决策和表现研究	精英羽毛球比赛视频，BWF世界锦标赛（2019-2025）的专家标注图像，五种动作类别	计算机视觉	NA	自监督学习，时间建模，马尔可夫链建模	Transformer	图像，视频	139501张无标注图像用于预训练，30000张专家标注图像用于构建数据集	NA	ConvNeXt V2, Transformer	mAP@0.5, 准确率, Cohen's d	NA
827	2026-09-25	Artificial intelligence in poultry processing: applications, validation gaps, and pathways toward intelligent and autonomous processing systems 2026-Sep-07, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.107734 PMID:42736217	综述	本文综述了人工智能在家禽加工链中的应用，涵盖从活禽接收、屠宰、脱毛、掏膛、胴体检验、冷却、分割、去骨、肉质评估到包装、微生物监测和预测性食品安全管理等环节，并批判性地指出了验证缺口及迈向智能自主加工系统的路径	系统性地将AI应用贯穿整个家禽加工链进行综述，特别强调从技术可行性到商业可靠性的差距，并提出AI应作为集成传感器-模型-决策-执行器系统的一部分而非孤立算法，明确了领域漂移、数据泄漏、不确定性量化等关键验证缺口	所综述的许多研究基于小型单源数据集，使用随机数据划分可能导致数据泄漏，依赖不确定的参考标签，仅报告总体准确率而缺乏类别特异性性能、校准、不确定性和外部验证；种群、工厂、季节、设备、光照、产品方向和加工条件差异导致的领域漂移仍是部署的主要障碍	批判性地审视AI在家禽加工链中的应用现状，识别验证缺口，并探讨迈向智能和自主家禽加工系统的发展路径	家禽加工链中的各环节，包括活禽接收、屠宰、烫毛、脱毛、掏膛、胴体检验、冷却、抗菌控制、分割、去骨、肉质评估、胸肌异常检测、深加工、包装、微生物监测和预测性食品安全管理	计算机视觉	NA	计算机视觉, 机器学习, 深度学习, 近红外和高光谱成像, 电子传感, 多模态数据融合, 机器人技术, 预测建模	NA	图像, 光谱, 传感器信号, 生产记录	NA	NA	NA	准确率, 类别特异性性能, 校准, 不确定性	NA
828	2026-09-25	Phenotypic analysis of human and murine endometrial organoids using a machine learning approach 2026-Sep-03, Reproduction (Cambridge, England) DOI:10.1093/reprod/xaag100 PMID:42616664	研究论文	本文评估并优化了用于人类和小鼠子宫内膜类器官的高通量分析工具，利用深度学习模型对明场和活细胞荧光显微图像中的类器官进行分割、分类和表型定量分析	首次系统评估了OrganoID、OrganoSeg2和Biodock三种界面在子宫内膜类器官分割中的表现，并通过Biodock训练的深度学习模型实现了对混合“圆形”和“异常”类器官群体的分类与定量分析，同时验证了该方法在活细胞荧光成像和药物处理实验中的应用价值	OrganoID和OrganoSeg2的边缘检测在多个类器官接触或存在碎片时无法充分区分单个子宫内膜类器官，因此未能进一步用于表型定量分析	独立评估和优化适用于人类和小鼠子宫内膜类器官的高通量分析工具	人类和小鼠子宫内膜类器官	计算机视觉, 数字病理学	NA	明场显微成像, 活细胞荧光显微成像, 深度学习图像分割	CNN	图像	NA	NA	NA	面积, 偏心率, 亮度	NA
829	2026-09-25	Enhanced lung cancer detection using BiLSTM attention and transformer models on clinical text data 2026-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26610-z PMID:42686798	研究论文	本文提出了一种结合双向长短期记忆网络（BiLSTM）注意力机制和Transformer模型的混合深度学习方法，用于基于临床文本数据增强肺癌检测和预测	将BiLSTM与注意力机制及Transformer模型相结合，构建混合模型以有效解决文本临床数据中的过拟合、数据不平衡和长序列依赖等常见问题，并实现了99.8%的高准确率和更快的训练时间	数据集规模较小可能导致过拟合，需要进一步研究使用更大数据集和先进正则化方法	提高肺癌检测的准确性和效率，为临床决策提供稳健、高效且准确的工具以实现及时诊断	患者的临床文本数据，包括人口统计学信息、症状、放射学报告及其他临床信息	自然语言处理	肺癌	NA	BiLSTM, Transformer	文本	NA	NA	BiLSTM, Transformer	准确率, 验证损失	NA
830	2026-09-25	Marker-less Body Surface Registration with 3-Dimensional Imaging for Percutaneous Intervention with Smartphone Augmented Reality in Phantoms and In Vivo 2026-09, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2026.108871 PMID:42229872	研究论文	评估智能手机增强现实引导系统结合无标记体表追踪配准在体模和活体内经皮穿刺的可行性和准确性	使用基于深度学习的自动体表追踪配准，无需基准标记、额外传感器或硬件，也无需手动分割，实现智能手机增强现实引导下的经皮穿刺	体表追踪可补偿外部体位移动，但无法补偿内部器官运动；肝脏等器官的准确性较低	评估体表追踪配准结合智能手机增强现实引导系统在经皮穿刺中的可行性和准确性	腹部体模和3只活体猪（肝、肾、肌肉中的靶点）	计算机视觉	NA	智能手机增强现实、深度学习体表追踪配准、多层CT容积渲染	深度学习	图像	体模实验由8名不同经验的操作者参与；活体实验3只猪，共15个靶点	Unity	Model Target（Vuforia）	针尖到靶点距离、角度误差、中位准确度、平均准确度	NA
831	2026-09-25	Automated whale shark recognition and tracking using drones and deep learning 2026-Sep, Journal of fish biology IF:1.7Q2 DOI:10.1111/jfb.70525 PMID:42402333	研究论文	本研究将无人机遥感与深度学习技术相结合，实现了对鲸鲨的自动化识别与追踪	首次将基于姿态估计的DeepLabCut与基于图像区域分类的多尺度补丁（MSP）两种深度学习方法整合到无人机遥感平台中，用于鲸鲨的非侵入式自动化识别与追踪，并系统评估了环境因素对预测性能的影响	仅记录了23次目击事件，样本量较小；研究局限于墨西哥Bahía de los Ángeles特定海域，模型的泛化能力有待在更广泛海域验证；浊度、太阳眩光等环境因素虽影响较小但仍存在一定干扰	探索无人机遥感与深度学习技术相结合用于鲸鲨自动化识别与追踪的可行性，以支持生态研究与保护工作	鲸鲨（Rhincodon typus）	计算机视觉	NA	无人机遥感、深度学习、姿态估计、图像区域分类、数据增强、迁移学习	CNN	图像、视频	59次无人机飞行（42次从船上起飞，17次从陆地起飞），共记录23次鲸鲨目击事件	NA	DeepLabCut, 多尺度补丁（MSP）	宏F1分数, 覆盖面积指标	NA
832	2026-09-25	Retinal fluid segmentation in real-world OCT imaging of neovascular AMD using hybrid deep learning and graph-based optimization 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.599076 PMID:42770020	研究论文	该研究开发了一种结合Deep LOGISMOS解剖约束视网膜区域提取与nnU-Net二维/三维分割的混合深度学习框架，用于真实世界OCT图像中新生血管性AMD的视网膜液分割	提出结合Deep LOGISMOS解剖约束视网膜区域提取与nnU-Net的混合框架，采用迭代专家引导标注策略，在真实世界异质性临床数据中实现稳健的IRF、SRF和PED分割，并在大规模纵向数据集上验证	摘要中未明确提及研究局限性	在临床级纵向OCT图像中实现稳健的视网膜液（IRF、SRF、PED）分割与量化，以评估新生血管性AMD的疾病活动度和治疗反应	新生血管性年龄相关性黄斑变性（nvAMD）患者的OCT图像	数字病理学, 计算机视觉	年龄相关性黄斑变性	OCT成像	CNN	图像	训练集291例OCT扫描（初始70例RETOUCH OCT扫描和100例爱荷华大学黄斑新生血管受试者扫描，扩展至291例）；测试集50例nvAMD受试者的50个OCT体积；纵向数据集14,500例Heidelberg Spectralis黄斑OCT扫描（来自221名独立受试者）；20个体积由第二位专家独立标注用于观察者间分析	NA	nnU-Net, Deep LOGISMOS	Dice相似系数 (DSC)	NA
833	2026-09-25	Artificial intelligence in cardiopulmonary resuscitation: a systematic review 2026 Sep-Oct, Brazilian journal of anesthesiology (Elsevier) DOI:10.1016/j.bjane.2026.844795 PMID:42437636	系统综述	该文章系统综述了人工智能在心脏骤停相关护理中的应用，包括预测、识别、复苏中支持、预后判断和心血管风险分层	全面总结了人工智能在心脏骤停全程管理中的应用证据，涵盖六个应用类别，并分析了不同AI方法的分布	证据异质性大，许多研究依赖回顾性数据集和选择人群，缺乏外部验证或前瞻性验证	总结人工智能在心脏骤停管理中的应用证据，涵盖预测、识别、复苏中支持、预后判断和心血管风险分层	涉及心脏骤停相关的研究，包括早期预测、识别、复苏中支持、预后判断和风险分层等	机器学习	心血管疾病	NA	深度学习, 传统机器学习, 自然语言处理	NA	59篇研究	NA	神经网络	NA	NA
834	2026-09-25	SmartHisto: Bayesian active learning for histology images 2026-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013611 PMID:42752439	研究论文	提出了一种基于贝叶斯主动学习的框架SmartHisto，用于交互式训练组织学图像分割模型，以减少标注需求	采用贝叶斯神经网络识别未标注图像中的信息区域而非整张图像，使专家标注更具成本效益	未明确提及	解决组织病理学中全切片图像标注成本高、难以获取足够大规模标注数据集的问题	组织学图像	数字病理学	NA	NA	贝叶斯神经网络	图像	NA	NA	NA	平均IoU	NA
835	2026-09-25	Automated segmentation of postsurgical resection cavities on magnetic resonance imaging in focal epilepsy: A Multicentre Epilepsy Lesion Detection study 2026-Aug-19, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70450 PMID:42613992	研究论文	该研究开发并验证了一种名为MELD-PostOp的深度学习工具，用于在局灶性癫痫术后MRI上自动分割手术切除腔	开发了MELD-PostOp深度学习工具，在一个大规模、多中心、异质性队列上训练和评估，并在颞叶和颞叶外切除中均显著优于现有工具（Epic-CHOP、ResectVol、RESSEG），且仅需术后MRI扫描	需要手动分割285例受试者的切除腔作为初始训练数据，模型性能评估主要局限于DSC和HD95等分割指标，未涉及下游临床结局的关联分析	自动分割局灶性癫痫术后磁共振成像上的切除腔，以支持术后组织切除范围的定量评估	局灶性癫痫术后患者的3D T1加权MRI图像，来自MELD项目（969例，27个中心）和EPISURG数据集（133例），包括儿童和成人	数字病理学	癫痫	深度学习图像分割	CNN	图像	训练集965例（285例手动分割+680例自动生成后质控编辑），分层测试队列50例，独立测试队列87例，共涉及1102例受试者	NA	nnU-Net	Dice相似系数（DSC）、95th百分位Hausdorff距离（HD95）、预测聚类数、推理运行时间	NA
836	2026-09-25	Vision Mamba Empowered by Dynamic Domain Generalization for Cross-Modality Medical Segmentation 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01687-0 PMID:41100040	研究论文	本文提出了一种结合Vision Mamba模型与动态域泛化的跨模态医学图像分割框架，通过双向状态空间序列建模、贝塞尔曲线式增强和双归一化策略实现跨域特征对齐和多尺度特征融合，并引入VEBlock模块结合非局部注意力机制以捕获跨模态全局依赖	将Vision Mamba模型与动态域泛化相结合用于跨模态医学图像分割，提出VEBlock模块有效结合Mamba的动态序列建模能力与非局部注意力机制，同时利用双向状态空间序列建模、贝塞尔曲线式增强和双归一化策略实现跨域特征对齐与多尺度特征融合	未明确讨论模型在不同模态数量增加时的可扩展性，未详细说明计算复杂度与推理效率，且仅在BraTS 2018和心脏数据集上验证，泛化到其他医学影像模态和任务的能力有待进一步验证	解决跨模态医学图像分割中因域偏移导致的模型泛化能力不足问题，提升模型在未见目标域上的分割性能	跨模态医学图像，包括BraTS 2018脑肿瘤数据集和跨模态心脏数据集	计算机视觉	脑肿瘤, 心血管疾病	深度学习, 状态空间建模, 域泛化	Vision Mamba, 非局部注意力机制	图像	BraTS 2018数据集和跨模态心脏数据集	NA	Vision Mamba, VEBlock, 非局部注意力机制	Dice分数, Hausdorff距离	NA
837	2026-09-25	Identifying the Most Important Influencing Factors Based on Demographic Information, Nutrition, Physical Activity, Leisure Time, and Underlying Diseases in the Severity of Disease in COVID-19 Patients Using Data Mining Techniques 2026-Aug, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72930 PMID:42534395	研究论文	该研究使用数据挖掘和机器学习技术，基于人口统计、营养、体力活动、休闲时间和基础疾病等信息，识别影响COVID-19患者疾病严重程度的最重要因素	揭示了胃溃疡和维生素摄入在COVID-19疾病严重程度中的潜在作用，并强调使用多种高性能模型和稳健验证策略的重要性	未明确说明具体样本量、数据来源和外部验证情况	识别影响COVID-19患者疾病严重程度的关键因素，支持临床和预防决策	COVID-19患者	机器学习	COVID-19	数据挖掘	深度学习, 梯度提升决策树, 支持向量机	表格数据	NA	NA	深度学习, 梯度提升决策树, 支持向量机	ROC曲线, 定量性能指标	NA
838	2026-09-25	RulerNet: Learning perspective-invariant ruler representations for robust image scale estimation 2026-Aug, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102805 PMID:42585877	研究论文	该论文提出了RulerNet，一个深度学习框架，通过将尺子读数重新定义为统一的关键点检测问题，并利用几何级数参数表示尺子，从而在真实世界条件下稳健地估计图像尺度	将尺子读数重新表述为关键点检测问题，使用基于标记可见性的注释和训练策略，并提出了结合图形创建和ControlNet增强的合成数据生成流程	未明确提及	解决计算机视觉中将像素测量转换为绝对真实世界尺寸的基本挑战，实现稳健的图像尺度估计	尺子图像，包括不同尺子类型和成像条件下的图像	计算机视觉	NA	深度学习，关键点检测，合成数据生成	CNN	图像	NA	NA	NA	NA	NA
839	2026-09-25	PLDD: a field-collected pineapple leaf disease dataset for deep learning-based plant health analysis 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113248 PMID:42775074	研究论文	本文介绍了一个用于深度学习植物健康分析的田间采集菠萝叶病害数据集PLDD	构建了一个包含4476张原始图像、来自200个独特菠萝叶标本、涵盖四类病害的田间采集数据集，并采用标本级80:20划分策略评估了五种迁移学习模型	数据集仅来自印度喀拉拉邦Vazhakulam地区，采集时间为2026年6月至7月，可能限制模型在其他地区或季节的泛化能力	支持植物健康状况分析和早期病害检测研究，减少人工检查，实现早期发现和及时处理	菠萝叶片及其病害	计算机视觉	植物病害	深度学习	迁移学习	图像	4476张原始图像，来自200个独特菠萝叶标本，每个类别50个标本，每个标本至少20张原始图像	NA	Xception, InceptionV3, MobileNetV2, ResNet50, EfficientNetB0	NA	NA
840	2026-09-25	Artificial intelligence as a second reader for pneumothorax detection: redirecting rather than reducing chest CT use 2026-Jul-02, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01673-x PMID:42393541	研究论文	本研究通过全国性在线横断面模拟实验，评估AI辅助胸片判读对急诊医师气胸诊断决策及胸部CT开单意图的影响，重点关注AI警报作为第二读者捕捉初诊遗漏气胸的能力	首次系统评估AI辅助胸片判读对急诊医师实际决策行为特别是CT开单行为的影响，发现AI并未减少CT使用意图，而是将增量集中在真阳性病例中，并提出AI应定位为第二读者而非CT减量工具的新观点	研究采用模拟场景而非真实临床环境，AI前后CT开单意图条目并非完全等同，结果反映的是模拟影像意图而非实际CT开单行为，属于假设生成性研究，需要前瞻性真实CT开单数据验证	评估AI辅助胸片判读对急诊医师气胸诊断决策和胸部CT开单行为的影响，特别关注AI警报作为第二读者捕捉初诊遗漏气胸诊断的能力	在土耳其执业的急诊医师，包括全科医师、急诊医学住院医师和急诊医学专科医师	数字病理学	气胸	深度学习辅助胸片判读	CNN	图像	231名急诊医师，20张标准化胸片（10例气胸阳性含5例明显和5例隐匿，10例气胸阴性，均经胸部CT确诊），共4620个医师-病例响应配对	NA	NA	模拟CT开单意图变化率，诊断捕获率，McNemar精确检验p值，感知可用性评分	NA