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
1721	2026-09-18	Machine Learning for Diagnosis and Differentiation of Central Disorders of Hypersomnolence: A Systematic Review 2026-Jun, European journal of neurology IF:4.5Q1 DOI:10.1111/ene.70661 PMID:42237746	系统综述	该文章系统回顾了机器学习在中央嗜睡障碍诊断和分型中的应用，分析了现有研究的局限性和未来方向	首次系统性地综述机器学习在中央嗜睡障碍诊断和分型中的应用，涵盖神经影像、睡眠评估、人口统计学和标准化问卷等多种数据源，并评估了监督学习和无监督学习在该领域的表现	许多研究虽然报告了高准确率，但临床相关性常因僵化的诊断标签而受限，这些标签可能无法反映中央嗜睡障碍的真实复杂性；深度学习模型的黑箱性质和高数据需求阻碍了临床应用；大多数研究对NT1表现良好，但在其他CDH亚型中的泛化能力有限	系统探索机器学习在中央嗜睡障碍中的应用现状，评估其局限性，并提出未来发展方向	中央嗜睡障碍（CDH）患者，包括发作性睡病1型（NT1）和其他CDH亚型	机器学习	睡眠障碍	机器学习	监督学习，无监督学习，深度学习	影像（fMRI、PET），睡眠评估数据（MSLT、多导睡眠图），人口统计学数据，标准化问卷	3274篇研究中筛选出41篇符合纳入标准（37篇同行评审文章和4篇预印本）	NA	NA	准确率	NA
1722	2026-09-18	Development and Validation of an Image-Based Deep Learning Tool for Identification of Xylazine-Associated Wounds 2026-May-28, Journal of addiction medicine IF:4.2Q1 DOI:10.1097/ADM.0000000000001718 PMID:42206647	研究论文	本研究开发并验证了一种基于图像深度学习工具，用于识别与赛拉嗪相关的伤口	首次开发基于深度学习的工具用于识别赛拉嗪相关伤口，利用公开可获得的伤口照片构建数据集，并实现了高准确度的诊断	敏感性相对较低（60.0%-80.0%），数据集来源于公开渠道可能存在标注偏差，需要进一步外部验证	开发一种可及且准确的赛拉嗪相关伤口诊断方法，利用深度学习工具应用于伤口照片	赛拉嗪相关伤口和非赛拉嗪伤口（涵盖17种不同病理）	计算机视觉	赛拉嗪相关伤口	深度学习图像分类	CNN	图像	1824张伤口图像（114张赛拉嗪相关伤口和1710张非赛拉嗪伤口），其中1185张用于训练（65%），163张用于验证（9%），476张用于测试（26%）	NA	DenseNet121, EfficientNetB0, ResNet34, SENet154	准确率, AUROC, 加权F1分数, 特异性, 敏感性	NA
1723	2026-09-18	Benchmarking co-folding methods to predict the structures of covalent protein-ligand complexes 2026-May, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01721-5 PMID:41526649	研究论文	文章介绍了CoFD-Bench基准数据集，用于系统评估经典对接方法和深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能	首次构建了包含218个近期解析的共价复合物的综合基准数据集CoFD-Bench，系统比较了经典对接方法与深度学习共折叠模型在共价复合物预测中的表现，并发现AF3可通过非共价共折叠识别天然共价残基	共折叠方法对新型口袋-配体对的性能显著下降，且计算效率低于经典方法，难以进行大规模预测	系统评估和比较经典对接方法与深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能，为未来基于共折叠的靶向共价抑制剂设计提供指导	共价蛋白质-配体复合物，包括218个近期解析的共价复合物结构	机器学习	NA	NA	深度学习共折叠模型	分子结构数据	218个近期解析的共价复合物	NA	AlphaFold3 (AF3), Chai-1, Boltz-1x	配体RMSD, 蛋白质-配体相互作用恢复率, 计算效率	NA
1724	2026-09-18	Deep Learning Model Using Transfer Learning for Detecting Left Ventricular Systolic Dysfunction: Retrospective Algorithm Development and Validation Study 2026-04-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83127 PMID:42030497	研究论文	本研究开发并验证了一种基于迁移学习的深度学习模型，用于检测左心室收缩功能障碍，并通过患者个性化重校准方法提高预测准确性	引入了基于纵向患者数据的重校准方法，结合历史左心室射血分数测量值和先前的AI-ECG输出，以调整未来预测，从而经验性地减轻混杂效应，并实施了预训练以增强模型性能	摘要中未明确提及	介绍并验证一种使用纵向患者数据的重校准方法，以提高预测准确性，并模拟其在持续监测中的临床实用性	来自韩国2家医院的患者，使用配对的经胸超声心动图和心电图数据	医学人工智能	心血管疾病	心电图、经胸超声心动图、迁移学习	深度学习模型	心电图信号、超声心动图数据	摘要中未明确提及具体样本量	NA	DeepECG LVSD模型	曲线下面积（AUC）	NA
1725	2026-09-18	Automated Objective Scoring of Osteoarthritis Severity in Mouse Medial Tibial Cartilage Using Deep Learning 2026-Apr-24, Cartilage IF:2.7Q1 DOI:10.1177/19476035261435798 PMID:42028840	研究论文	本研究开发和优化了一个深度学习模型，用于自动化小鼠内侧胫骨软骨的OARSI组织学评分，以评估骨关节炎严重程度	结合VGG16回归模型进行水平软骨对齐和YOLO-v7检测胫骨软骨区域，通过旋转和裁剪调整生成标准化数据集，显著提高了软骨退化评分的准确性	初始分类准确率较低，需要扩大数据集来提升模型性能；模型精度和召回率仍有提升空间	开发自动化深度学习模型，用于小鼠内侧胫骨软骨的OARSI组织学评分，以评估骨关节炎严重程度	小鼠内侧胫骨软骨组织切片图像	数字病理学	骨关节炎	番红O染色组织学成像	CNN	图像	来自520只小鼠的1000个膝关节的2788张图像	NA	VGG16, YOLO-v7	平均绝对误差, 精确率, 召回率, F1分数, 准确率	NA
1726	2026-09-18	Deep learning reveals genomic regions introgressed between two recurrently hybridizing lynx species 2026-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msag086 PMID:41964531	研究论文	该研究使用深度卷积神经网络检测伊比利亚猞猁和欧亚猞猁两个物种间基因渗入的基因组区域，并分析其模式与后果	应用深度卷积神经网络识别基因组中基因渗入信号的具体区域，而非仅检测全基因组水平的渗入；发现伊比利亚猞猁和西欧欧亚猞猁中超过6%的基因组存在来自另一物种的渗入，而东欧欧亚猞猁仅为2%；揭示西欧欧亚猞猁在遗传上最接近欧亚猞猁基因渗入的来源（可能已灭绝的类群）；发现渗入区域局部遗传多样性提升约3倍，包括伊比利亚猞猁的MHC区域	未明确说明深度卷积神经网络模型的具体结构细节和超参数；样本量和种群数量的具体信息未在摘要中提供；可能已灭绝的源种群推断基于间接证据，缺乏直接验证	表征种群规模历史上较低且近期急剧下降导致遗传侵蚀的物种中基因渗入的模式和后果，以伊比利亚猞猁和欧亚猞猁为案例	伊比利亚猞猁和欧亚猞猁的三个种群	机器学习	NA	全基因组测序分析，深度卷积神经网络	CNN	基因组序列数据	NA	NA	深度卷积神经网络	NA	NA
1727	2026-09-18	Carafe2 enables high quality in silico spectral library generation for timsTOF data-independent acquisition proteomics 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714846 PMID:41959400	研究论文	该文章介绍了 Carafe2，一个基于深度学习的软件，能够直接从 timsTOF DIA 原始数据生成高质量、实验特异性的谱图库，包含保留时间、碎片离子强度和离子淌度注释。	Carafe2 首次支持 timsTOF DIA 数据，能够直接从 Bruker .d 原始数据生成谱图库，无需数据转换，并针对 DIA 数据微调保留时间、碎片离子强度和离子淌度预测模型，克服了基于 DDA 数据训练的模型在 DIA 数据上的偏差。	摘要中未明确提及研究的局限性。	扩展 Carafe 以支持 timsTOF DIA 数据的谱图库生成，并验证其性能。	timsTOF DIA 蛋白质组学数据，包括全局蛋白质组、磷酸化蛋白质组和血浆蛋白质组数据集。	计算蛋白质组学	NA	数据非依赖采集（DIA）蛋白质组学，捕获离子淌度谱（TIMS）	深度学习模型	质谱数据	多个 timsTOF DIA 数据集（包括全局蛋白质组、磷酸化蛋白质组和血浆蛋白质组）	NA	NA	NA	NA
1728	2026-09-18	Identifying key convection-sensitive oceanic regions to weaken the ENSO spring predictability barrier 2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2512725123 PMID:41838918	研究论文	该研究通过引入海表温度范围指数识别对对流敏感的关键海洋区域，并利用LSTM模型提高ENSO春季预测能力	提出海表温度范围指数（SRI）量化有利于对流的SST空间范围，并发现东太平洋中部超过26°C和东大西洋超过28.5°C的区域对触发持续强对流至关重要	未明确提及	识别对对流敏感的关键海洋区域以减弱ENSO春季可预测性障碍	厄尔尼诺-南方涛动（ENSO）现象及相关的海表温度和对流活动	机器学习	NA	海表温度范围指数（SRI）分析	LSTM	海表温度数据、对流数据	NA	NA	LSTM	预测技巧	NA
1729	2026-09-18	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	本文提出了一种基于YOLOv5轨道定位网络和进化策略训练的二分类器的两步半自动化深度学习框架，用于在脑部MRI上检测脉络膜转移瘤	提出了一种新颖的层次化深度学习框架，采用先定位后分类的序贯策略，结合YOLOv5进行轨道定位以隔离感兴趣区域，并利用数据高效的进化策略解决小数据集训练中的过拟合和欠拟合问题	数据集规模较小（97例患者的386张T2加权脑MRI轴位切片用于定位，33例正常和33例含脉络膜转移的脑MRI用于分类），模型无法区分左右眼眶导致mAP(0.5:0.95)较低	利用人工智能区分包含正常眼眶和脉络膜转移瘤的脑部MRI扫描，以提高脉络膜转移瘤的检测率	脑部MRI扫描中的眼眶区域及脉络膜转移瘤	计算机视觉	脉络膜转移瘤	MRI	CNN	图像	97例患者的386张T2加权脑MRI轴位切片（定位网络），33例正常和33例含脉络膜转移的脑MRI（分类网络）	NA	YOLOv5, CNN	准确率, mAP(0.5:0.95), AUC, 敏感度, 特异度	NA
1730	2026-09-18	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	该研究利用人工智能驱动的nnUNet模型对胎儿脑MRI中的脑室进行分割和体积量化，建立正常参考范围，以预测胎儿脑室扩大及出生后脑脊液干预需求	首次将nnUNet深度学习模型应用于胎儿脑室分割，并基于自动分割体积建立跨孕龄的正常参考标准，用于预测胎儿脑室扩大及出生后脑脊液干预需求	回顾性研究设计，样本量相对有限（222例），仅使用20例手动分割的机构MRI与80例公共数据集训练模型，需进一步外部验证	开发一种基于人工智能的方法，对胎儿脑MRI中的脑室进行分割、体积量化和分类，以预测胎儿脑室扩大及出生后是否需要手术干预	222例单胎妊娠患者的胎儿脑MRI，包括138例正常胎儿、64例脑室扩大胎儿（其中14例需要出生后干预）	数字病理学	胎儿脑室扩大	胎儿脑MRI	CNN	图像	222例单胎妊娠胎儿脑MRI（20例手动分割机构MRI + 80例公共数据集训练，138例正常胎儿用于建立参考范围，64例脑室扩大胎儿用于评估，其中14例需要出生后干预）	NA	nnUNet	Dice系数, AUC, 灵敏度, 特异度	NA
1731	2026-09-18	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	该研究评估了深度学习重建（DLR）的高分辨率3D重T2加权TSE MRI序列在显示内耳迷路结构方面的效果，并与传统3D-T2序列进行了比较	将深度学习重建技术应用于高分辨率3D重T2加权TSE序列，在不延长采集时间的情况下提高空间分辨率，从而更详细地显示迷路微解剖结构，并以内耳离体9.4T MRI作为解剖学参考	DLR仍无法提供完整的解剖评估；球囊显示困难，半规管仅部分显示，耳蜗顶转显示不佳；需要进一步技术改进	评估DLR高分辨率3D-T2 MRI序列对迷路结构的显示能力，与传统3D-T2序列对比，以在不延长采集时间的前提下提高空间分辨率，获得更详细的迷路微解剖视图	患者内耳迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊斑和球囊斑、膜性半规管和壶腹神经	计算机视觉, 医学图像处理	内耳疾病	3D重T2加权TSE MRI, 深度学习重建, 离体9.4T MRI	深度学习重建	MRI图像	NA（涉及患者和离体标本，具体样本量未在摘要中说明）	NA	NA	4分定性评分（结构可见度等级）	NA
1732	2026-09-18	CNN-Autoformer: Automated EEG-Based Seizure Detection and Localization Using Hybrid Deep Learning 2026-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.108896 PMID:41189712	研究论文	本文提出了一种结合CNN和Autoformer的混合深度学习框架CNN-Autoformer，用于基于EEG的自动癫痫发作检测和定位	结合了CNN的跨通道空间特征提取能力和Autoformer的自相关机制与趋势-季节性分解，用于建模EEG的复杂时空动态，并生成与专家标注一致的发作起始热图实现定位	摘要中未明确提及局限性	解决现有深度学习方法在噪声和非平稳EEG信号中建模复杂时空动态的困难以及发作起始区定位能力有限的问题	多通道EEG信号	机器学习	癫痫	EEG	CNN, Autoformer	信号	CHB-MIT公共数据集和专有SH-SDU数据集，具体样本量未在摘要中提及	NA	CNN, Autoformer	准确率, 灵敏度, 特异性, 精确率, F1分数, 每小时误报事件数	NA
1733	2026-09-18	AI for colon cancer: A focus on classification, detection, and predictive modeling 2026-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106115 PMID:41075424	系统综述与荟萃分析	本文系统综述了2020至2024年间人工智能在结肠癌检测、分类、预测和分割中的应用，评估其对诊断准确性、治疗规划和患者预后的影响	对2020至2024年间AI在结肠癌领域的应用进行了系统综述与荟萃分析，并按AI技术类型（深度学习、机器学习）和应用方向（检测、分类等）进行亚组分析，同时记录了各研究是否采用可解释AI或生成式AI技术	临床整合仍面临数据和验证方面的差距，纳入研究在数据质量和完整性方面存在不足	评估AI在结肠癌研究中的应用现状，重点关注其对诊断准确性、治疗规划和患者预后的影响	2020至2024年间发表的80篇关于AI应用于结肠癌研究的文献	数字病理学, 医学图像分析	结肠癌	深度学习, 机器学习, 可解释AI, 生成式AI（如GAN）	CNN, GAN	图像, 文本	80篇文献	NA	NA	诊断准确性	NA
1734	2026-09-18	Accelerated brain aging in amyotrophic lateral sclerosis and its prognostic associations: a cohort study 2026-01-15, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04631-3 PMID:41535829	研究论文	本研究利用3D-Conformer深度学习框架构建脑龄预测模型，发现ALS患者存在加速脑老化现象，并与认知障碍、疾病进展和生存预后相关	首次利用3D-Conformer深度学习框架构建脑龄预测模型并在ALS中验证加速脑老化现象；结合转录组数据分析PAD相关脑区体积损失的细胞特异性基因表达；揭示脑老化加速与BBB破坏和神经炎症的关联	样本量相对有限（170例ALS患者和84例健康对照）；未明确说明公共数据集的来源和多样性；脑龄预测模型的泛化能力有待验证；因果关系无法从观察性研究中确定	探究ALS中脑老化过程如何加速及其与患者预后的关系	170例散发性ALS患者和84例年龄性别匹配的健康对照	数字病理学	肌萎缩侧索硬化症	T1加权磁共振成像、转录组数据分析	CNN	图像、文本	170例ALS患者和84例健康对照，共254例；模型训练使用4310例健康T1加权MRI数据	NA	3D-Conformer	风险比、95%置信区间	NA
1735	2026-09-18	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	评估四种超声位移追踪技术（Search、OVERWIND-Search、SOUL-Search、L1-SOUL-Search）在卒中后肌筋膜剪切应变量化中的可靠性，并验证临床假设：卒中侧疼痛肩部肌肉间剪切应变低于非卒中侧	提出新的临床假设（卒中侧疼痛肩部肌肉间剪切应变低于非卒中侧），并系统比较四种位移估计算法在该假设下的可靠性，同时结合视觉检查和T1ρ磁共振成像进行验证	L1-SOUL-Search运行速度慢，可能限制其临床应用，但可通过深度学习方案解决	评估不同超声位移追踪技术对卒中后肌筋膜剪切应变估计可靠性的影响，并确定最适合研究肌筋膜疼痛和功能障碍的方法	十名患有卒中后肌筋膜肩部疼痛的研究参与者	医学图像处理	卒中后肌筋膜疼痛, 肌筋膜功能障碍	超声剪切应变成像, 位移追踪, T1ρ磁共振成像	NA	超声图像, 磁共振图像	10名研究参与者	NA	NA	位移导数的均值和方差, 视觉检查, 定量T1ρ磁共振成像	NA
1736	2026-09-18	A Feature-Augmented Transformer Model to Recognize Functional Activities From in-the-Wild Smartwatch Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586074 PMID:40614149	研究论文	该文章研究从真实世界智能手表数据中识别功能性活动，并提出了特征增强的Transformer模型，同时介绍了大规模数据集ArWISE	提出了一种增强特征表示的方法，将特征令牌与Transformer嵌入相结合，以提高功能性活动识别性能，并发布了大规模纵向数据集ArWISE	未明确说明	研究功能性活动识别的方法，以支持认知健康评估、康复、术后恢复和慢性病管理	智能手表数据中的功能性活动	机器学习	NA	可穿戴传感器数据采集	Transformer	时间序列	503名参与者，超过3200万个标记数据点	NA	Transformer	NA	NA
1737	2026-09-18	An attention aided wavelet convolutional neural network for lung nodule characterization 2026-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106118 PMID:40997672	研究论文	本文提出了一种基于注意力辅助小波卷积神经网络（WaveLCDNet）的肺结节分类计算机辅助诊断框架，利用HRCT图像进行良性/恶性结节鉴别	提出双通路小波深度学习CADx框架，结合CNN块与可训练小波块进行多分辨率分析，引入CBAM注意力机制增强判别性特征学习，并采用自适应特征融合与全局平均池化	未明确提及	开发准确高效的肺结节良恶性分类方法，提高肺癌早期检测和诊断水平	肺结节HRCT图像	计算机视觉, 数字病理学	肺癌	高分辨率计算机断层扫描（HRCT）	CNN, 小波变换	图像	LIDC-IDRI公开数据集和Kaggle DSB2017测试数据集	NA	WaveLCDNet（CNN块+可训练小波块+CBAM注意力机制）	敏感度, 特异度, 准确率, Brier Score	NA
1738	2026-09-18	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	开发并验证一种深度学习模型，用于从超声心动图视频中识别二尖瓣脱垂	开发了DROID-MVP深度学习模型，能够从数字超声心动图视频中自动分类二尖瓣脱垂，并在大规模多机构数据中验证其性能，且模型预测与临床终点（二尖瓣反流严重程度和未来二尖瓣修复或置换）相关	未明确提及	开发深度学习模型以从超声心动图视频中分类二尖瓣脱垂，并评估其与临床终点的关联	心脏病患者和初级保健患者的超声心动图视频	医学图像分析	心血管疾病	超声心动图	深度学习	视频	训练和验证使用来自16,902名心脏病患者的1,043,893个超声心动图视频（48,829项研究），外部验证使用8,888名MGH初级保健患者和257名BWH初级保健患者	NA	DROID-MVP	AUROC, AP	NA
1739	2026-09-18	Impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: a SIOP-RTSG radiotherapy committee study 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101051 PMID:41141653	研究论文	本研究评估了深度学习自动勾画在儿童肾肿瘤侧腹放疗中危及器官勾画的效果，重点关注勾画时间、准确性和观察者间变异性	首次在儿童放疗领域系统评估深度学习自动勾画结合手动修订对危及器官勾画的影响，并通过多国多中心合作验证其有效性	样本量有限，仅涉及12名放疗医生和少量患者CT图像，且仅针对儿童肾肿瘤侧腹放疗场景，未评估其他儿童肿瘤类型或放疗部位	评估深度学习自动勾画结合手动修订在儿童侧腹放疗危及器官勾画中对勾画时间、准确性和观察者间变异性的影响	12名来自9个国家的儿童放疗医生，以及1-6岁肾肿瘤患者的非增强CT图像	数字病理学	肾癌	CT成像	CNN	图像	122次手动勾画和254次基于深度学习的修订，涉及12名放疗医生和肾肿瘤患者（1-6岁）的CT图像	NA	NA	Dice相似系数, 95百分位Hausdorff距离, 平均表面距离	NA
1740	2026-09-18	Spatial Attention-guided Hybrid Deep Learning with Sharpened Cosine Similarity for Accurate Chest X-ray Interpretation 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056396626251105115902 PMID:41327770	研究论文	本文提出了一种结合变分空间注意力融合U-Net和锐化余弦相似度网络的混合深度学习框架（VSAG-HDL Net），用于胸部X光片的病变分割和疾病分类，以提高诊断准确性和可解释性	提出了VSAG-HDL Net，整合了变分空间注意力融合U-Net（VSA-FU-Net）用于病变分割和锐化余弦相似度（SCS）网络用于疾病分类，消除了冗余特征提取，增强了空间注意力，在保持竞争性准确率的同时显著降低了模型复杂度	准确率略低于DenseNet+VIT（-2.0%）和DenseNet+VIT+GAP（-2.3%）	提高基于胸部X光片的诊断准确性和可解释性，用于快速准确诊断COVID-19和肺炎等危及生命的呼吸系统疾病	胸部X光图像中的COVID-19和肺炎等呼吸系统疾病	计算机视觉	肺癌	胸部X光成像	CNN	图像	21,165张来自放射摄影数据库的胸部X光图像	NA	U-Net, CNN	Dice相似系数, 交并比, 准确率	NA