医学与健康

464 条内容

npj Digital Medicine 2026年9月14日
该工作提出 BenchECG——一个整合八个公开心电数据集、421,171 名患者、1,674,704 条记录与十项任务（分类、分割、检测、回归、生存分析）的标准化基准，并据此评测 ST-MEM、ECG-JEPA、ECGFounder 等公开基础模型；同时提出基于 xLSTM 双向架构、用 SimDINOv2 自监督预训练的 xECG，其在 BenchECG 上取得最高综合得分 0.868±0.0030（微调平均排名 1.50、线性探测平均排名 1.20），是唯一在所有数据集与任务类型上均表现强劲的公开模型，并在长时程任务（睡眠呼吸暂停 AUROC 0.932±0.014、MIT-BIH 心律失常 F1 0.677±0.025）与计
该工作提出 BenchECG——一个整合八个公开心电数据集、421,171 名患者、1,674,704 条记录与十项任务（分类、分割、检测、回归、生存分析）的标准化基准，并据此评测 ST-MEM、ECG-JEPA、ECGFounder 等公开基础模型；同时提出基于 xLSTM 双向架构、用 SimDINOv2 自监督预训练的 xECG，其在 BenchECG 上取得最高综合得分 0.868±0.0030（微调平均排名 1.50、线性探测平均排名 1.20），是唯一在所有数据集与任务类型上均表现强劲的公开模型，并在长时程任务（睡眠呼吸暂停 AUROC 0.932±0.014、MIT-BIH 心律失常 F1 0.677±0.025）与计
BenchECG 与 xECG：心电基础模型的标准化基准与基线
该工作提出 BenchECG——一个整合八个公开心电数据集、421,171 名患者、1,674,704 条记录与十项任务（分类、分割、检测、回归、生存分析）的标准化基准，并据此评测 ST-MEM、ECG-JEPA、ECGFounder 等公开基础模型；同时提出基于 xLSTM 双向架构、用 SimDINOv2 自监督预训练的 xECG，其在 BenchECG 上取得最高综合得分 0.868±0.0030（微调平均排名 1.50、线性探测平均排名 1.20），是唯一在所有数据集与任务类型上均表现强劲的公开模型，并在长时程任务（睡眠呼吸暂停 AUROC 0.932±0.014、MIT-BIH 心律失常 F1 0.677±0.025）与计
该工作提出 BenchECG——一个整合八个公开心电数据集、421,171 名患者、1,674,704 条记录与十项任务（分类、分割、检测、回归、生存分析）的标准化基准，并据此评测 ST-MEM、ECG-JEPA、ECGFounder 等公开基础模型；同时提出基于 xLSTM 双向架构、用 SimDINOv2 自监督预训练的 xECG，其在 BenchECG 上取得最高综合得分 0.868±0.0030（微调平均排名 1.50、线性探测平均排名 1.20），是唯一在所有数据集与任务类型上均表现强劲的公开模型，并在长时程任务（睡眠呼吸暂停 AUROC 0.932±0.014、MIT-BIH 心律失常 F1 0.677±0.025）与计
Journal of Chemical Information and Modeling 2026年9月14日
这篇综述系统梳理了AI驱动的药物-靶点相互作用（DTI）预测方法，从经典分子结合理论（锁钥模型、诱导契合、构象选择）出发，归纳了二元相互作用分类、结合亲和力回归与带不确定性评估的多任务预测等任务设定，整理了药物与靶蛋白的多模态表示（分子序列、图结构、3D构象、理化性质、生物扰动谱、蛋白序列与结构、生物医学知识网络）及交互标签与辅助数据资源，并按输入表示、编码器架构、交互建模机制、表示学习与预训练、学习目标、预测输出、数据获取或优化策略、泛化设定等正交维度对代表性方法进行比较，最后概述了其在疾病靶点挖掘、化合物虚拟筛选、亲和力与选择性优化、复合物结构预测及工业药物研发管线中的应用，并讨论了数据分
这篇综述系统梳理了AI驱动的药物-靶点相互作用（DTI）预测方法，从经典分子结合理论（锁钥模型、诱导契合、构象选择）出发，归纳了二元相互作用分类、结合亲和力回归与带不确定性评估的多任务预测等任务设定，整理了药物与靶蛋白的多模态表示（分子序列、图结构、3D构象、理化性质、生物扰动谱、蛋白序列与结构、生物医学知识网络）及交互标签与辅助数据资源，并按输入表示、编码器架构、交互建模机制、表示学习与预训练、学习目标、预测输出、数据获取或优化策略、泛化设定等正交维度对代表性方法进行比较，最后概述了其在疾病靶点挖掘、化合物虚拟筛选、亲和力与选择性优化、复合物结构预测及工业药物研发管线中的应用，并讨论了数据分
AI驱动的药物-靶点相互作用预测：从数据表示到模型设计的系统综述
这篇综述系统梳理了AI驱动的药物-靶点相互作用（DTI）预测方法，从经典分子结合理论（锁钥模型、诱导契合、构象选择）出发，归纳了二元相互作用分类、结合亲和力回归与带不确定性评估的多任务预测等任务设定，整理了药物与靶蛋白的多模态表示（分子序列、图结构、3D构象、理化性质、生物扰动谱、蛋白序列与结构、生物医学知识网络）及交互标签与辅助数据资源，并按输入表示、编码器架构、交互建模机制、表示学习与预训练、学习目标、预测输出、数据获取或优化策略、泛化设定等正交维度对代表性方法进行比较，最后概述了其在疾病靶点挖掘、化合物虚拟筛选、亲和力与选择性优化、复合物结构预测及工业药物研发管线中的应用，并讨论了数据分
这篇综述系统梳理了AI驱动的药物-靶点相互作用（DTI）预测方法，从经典分子结合理论（锁钥模型、诱导契合、构象选择）出发，归纳了二元相互作用分类、结合亲和力回归与带不确定性评估的多任务预测等任务设定，整理了药物与靶蛋白的多模态表示（分子序列、图结构、3D构象、理化性质、生物扰动谱、蛋白序列与结构、生物医学知识网络）及交互标签与辅助数据资源，并按输入表示、编码器架构、交互建模机制、表示学习与预训练、学习目标、预测输出、数据获取或优化策略、泛化设定等正交维度对代表性方法进行比较，最后概述了其在疾病靶点挖掘、化合物虚拟筛选、亲和力与选择性优化、复合物结构预测及工业药物研发管线中的应用，并讨论了数据分
Pharmaceutical Medicine 2026年9月14日
本文描述了阿斯利康欧洲本地市场公司监管事务（MCRA）团队从以合规为主的支持职能向药物开发与患者可及性战略伙伴的转型，围绕三大支柱（上市卓越、外部参与与倡导、数字化与流程优化）以及“One-Team”本地-全球监管文化展开，并提出一套基于贡献的衡量框架以追踪进展。
本文描述了阿斯利康欧洲本地市场公司监管事务（MCRA）团队从以合规为主的支持职能向药物开发与患者可及性战略伙伴的转型，围绕三大支柱（上市卓越、外部参与与倡导、数字化与流程优化）以及“One-Team”本地-全球监管文化展开，并提出一套基于贡献的衡量框架以追踪进展。
从合规到战略伙伴：阿斯利康本地分支机构监管事务的转型
本文描述了阿斯利康欧洲本地市场公司监管事务（MCRA）团队从以合规为主的支持职能向药物开发与患者可及性战略伙伴的转型，围绕三大支柱（上市卓越、外部参与与倡导、数字化与流程优化）以及“One-Team”本地-全球监管文化展开，并提出一套基于贡献的衡量框架以追踪进展。
本文描述了阿斯利康欧洲本地市场公司监管事务（MCRA）团队从以合规为主的支持职能向药物开发与患者可及性战略伙伴的转型，围绕三大支柱（上市卓越、外部参与与倡导、数字化与流程优化）以及“One-Team”本地-全球监管文化展开，并提出一套基于贡献的衡量框架以追踪进展。
Current Neurology and Neuroscience Reports 2026年9月14日
这篇综述评估了创伤性脑损伤（TBI）多模态监测（MMM）技术的现状、临床应用及其在改善TBI管理中的作用，聚焦于可实时提供管理指导的生理数据流（如颅内压、脑组织氧合、动脉血压和脑电图），指出将生理变量与人工智能和高级分析相结合可能有助于更早发现和预测癫痫、脑缺氧事件和脑高压波动等不良事件，从而减少继发性损伤导致的结果差异，但最佳监测组合、复杂数据流的解读、更大规模的协调数据集、标准化的采集与解读方法以及多模态指导干预的前瞻性验证仍是待解决的问题，MMM正成为增强TBI患者表型分析、推动个体化精准神经重症监护的新兴基石技术。
这篇综述评估了创伤性脑损伤（TBI）多模态监测（MMM）技术的现状、临床应用及其在改善TBI管理中的作用，聚焦于可实时提供管理指导的生理数据流（如颅内压、脑组织氧合、动脉血压和脑电图），指出将生理变量与人工智能和高级分析相结合可能有助于更早发现和预测癫痫、脑缺氧事件和脑高压波动等不良事件，从而减少继发性损伤导致的结果差异，但最佳监测组合、复杂数据流的解读、更大规模的协调数据集、标准化的采集与解读方法以及多模态指导干预的前瞻性验证仍是待解决的问题，MMM正成为增强TBI患者表型分析、推动个体化精准神经重症监护的新兴基石技术。
创伤性脑损伤多模态监测的进展
这篇综述评估了创伤性脑损伤（TBI）多模态监测（MMM）技术的现状、临床应用及其在改善TBI管理中的作用，聚焦于可实时提供管理指导的生理数据流（如颅内压、脑组织氧合、动脉血压和脑电图），指出将生理变量与人工智能和高级分析相结合可能有助于更早发现和预测癫痫、脑缺氧事件和脑高压波动等不良事件，从而减少继发性损伤导致的结果差异，但最佳监测组合、复杂数据流的解读、更大规模的协调数据集、标准化的采集与解读方法以及多模态指导干预的前瞻性验证仍是待解决的问题，MMM正成为增强TBI患者表型分析、推动个体化精准神经重症监护的新兴基石技术。
这篇综述评估了创伤性脑损伤（TBI）多模态监测（MMM）技术的现状、临床应用及其在改善TBI管理中的作用，聚焦于可实时提供管理指导的生理数据流（如颅内压、脑组织氧合、动脉血压和脑电图），指出将生理变量与人工智能和高级分析相结合可能有助于更早发现和预测癫痫、脑缺氧事件和脑高压波动等不良事件，从而减少继发性损伤导致的结果差异，但最佳监测组合、复杂数据流的解读、更大规模的协调数据集、标准化的采集与解读方法以及多模态指导干预的前瞻性验证仍是待解决的问题，MMM正成为增强TBI患者表型分析、推动个体化精准神经重症监护的新兴基石技术。
Journal of Medical Internet Research 2026年9月14日
该研究构建了由5名受训研究者手工标注1000份葡萄牙语门诊临床笔记的金标准语料库，覆盖患者姓名、日期、标识符、机构与地理位置5类受保护实体，并在500份笔记的留出测试集上比较了两种独立大语言模型（Llama-3.1-8B-instruct、Llama-3.3-70B-instruct）与两种量子增强混合模型（Dynex-QML 8B与70B，通过QUBO形式将LLM最终注意力层转化为全局约束满足问题并由神经形态量子退火求解），结果显示Dynex-QML-70B取得最高宏平均F1为0.855（95% CI 0.823-0.880），高于独立Llama-3.3-70B的0.726、Dynex-QML-8
该研究构建了由5名受训研究者手工标注1000份葡萄牙语门诊临床笔记的金标准语料库，覆盖患者姓名、日期、标识符、机构与地理位置5类受保护实体，并在500份笔记的留出测试集上比较了两种独立大语言模型（Llama-3.1-8B-instruct、Llama-3.3-70B-instruct）与两种量子增强混合模型（Dynex-QML 8B与70B，通过QUBO形式将LLM最终注意力层转化为全局约束满足问题并由神经形态量子退火求解），结果显示Dynex-QML-70B取得最高宏平均F1为0.855（95% CI 0.823-0.880），高于独立Llama-3.3-70B的0.726、Dynex-QML-8
葡萄牙语临床笔记匿名化：大语言模型与量子增强混合架构的比较评估
该研究构建了由5名受训研究者手工标注1000份葡萄牙语门诊临床笔记的金标准语料库，覆盖患者姓名、日期、标识符、机构与地理位置5类受保护实体，并在500份笔记的留出测试集上比较了两种独立大语言模型（Llama-3.1-8B-instruct、Llama-3.3-70B-instruct）与两种量子增强混合模型（Dynex-QML 8B与70B，通过QUBO形式将LLM最终注意力层转化为全局约束满足问题并由神经形态量子退火求解），结果显示Dynex-QML-70B取得最高宏平均F1为0.855（95% CI 0.823-0.880），高于独立Llama-3.3-70B的0.726、Dynex-QML-8
该研究构建了由5名受训研究者手工标注1000份葡萄牙语门诊临床笔记的金标准语料库，覆盖患者姓名、日期、标识符、机构与地理位置5类受保护实体，并在500份笔记的留出测试集上比较了两种独立大语言模型（Llama-3.1-8B-instruct、Llama-3.3-70B-instruct）与两种量子增强混合模型（Dynex-QML 8B与70B，通过QUBO形式将LLM最终注意力层转化为全局约束满足问题并由神经形态量子退火求解），结果显示Dynex-QML-70B取得最高宏平均F1为0.855（95% CI 0.823-0.880），高于独立Llama-3.3-70B的0.726、Dynex-QML-8
Journal of Medical Internet Research 2026年9月14日
该研究用单词提示“Depression”在Sora 2的消费端应用与开发者API各生成50个视频（共100个），由两名受训编码者独立编码叙事结构、视觉环境、物体、人物人口学与人物状态，并提取视觉美学、音频、语义内容与时间动态等计算特征进行比较，发现应用端视频呈现明显的“康复偏向”（78%即39/50呈现从抑郁状态走向缓解的叙事弧，API端为14%即7/50），应用端视频随时间变亮（平均斜率2.90，SD 2.43每秒，对比API的-0.18，SD 1.24每秒；Cohen d=1.59；q<.001）且运动量约为API的3倍（Cohen d=2.07；q<.001），而两种接入方式共同收敛于狭窄的视觉语
该研究用单词提示“Depression”在Sora 2的消费端应用与开发者API各生成50个视频（共100个），由两名受训编码者独立编码叙事结构、视觉环境、物体、人物人口学与人物状态，并提取视觉美学、音频、语义内容与时间动态等计算特征进行比较，发现应用端视频呈现明显的“康复偏向”（78%即39/50呈现从抑郁状态走向缓解的叙事弧，API端为14%即7/50），应用端视频随时间变亮（平均斜率2.90，SD 2.43每秒，对比API的-0.18，SD 1.24每秒；Cohen d=1.59；q<.001）且运动量约为API的3倍（Cohen d=2.07；q<.001），而两种接入方式共同收敛于狭窄的视觉语
生成式AI视频模型如何描绘抑郁：对OpenAI Sora 2的混合方法研究
该研究用单词提示“Depression”在Sora 2的消费端应用与开发者API各生成50个视频（共100个），由两名受训编码者独立编码叙事结构、视觉环境、物体、人物人口学与人物状态，并提取视觉美学、音频、语义内容与时间动态等计算特征进行比较，发现应用端视频呈现明显的“康复偏向”（78%即39/50呈现从抑郁状态走向缓解的叙事弧，API端为14%即7/50），应用端视频随时间变亮（平均斜率2.90，SD 2.43每秒，对比API的-0.18，SD 1.24每秒；Cohen d=1.59；q<.001）且运动量约为API的3倍（Cohen d=2.07；q<.001），而两种接入方式共同收敛于狭窄的视觉语
该研究用单词提示“Depression”在Sora 2的消费端应用与开发者API各生成50个视频（共100个），由两名受训编码者独立编码叙事结构、视觉环境、物体、人物人口学与人物状态，并提取视觉美学、音频、语义内容与时间动态等计算特征进行比较，发现应用端视频呈现明显的“康复偏向”（78%即39/50呈现从抑郁状态走向缓解的叙事弧，API端为14%即7/50），应用端视频随时间变亮（平均斜率2.90，SD 2.43每秒，对比API的-0.18，SD 1.24每秒；Cohen d=1.59；q<.001）且运动量约为API的3倍（Cohen d=2.07；q<.001），而两种接入方式共同收敛于狭窄的视觉语
Journal of Chemical Information and Modeling 2026年9月14日
本文以两个具备结构与生化数据的案例研究为基础，考察计算化学与药物化学的紧密结合、以及对化学形状与蛋白质相互作用的深入理解如何使靶向计算分子设计在疗效与选择性上取得超比例收益，并据此指出当前 AI 方法对细微、低数据扰动的敏感性，主张 AI 需从模式识别走向理解或显式模拟结构变化与生物结果之间的机制性“为什么”，在此之前更适合作为人类工作的补充而非独立方案。
本文以两个具备结构与生化数据的案例研究为基础，考察计算化学与药物化学的紧密结合、以及对化学形状与蛋白质相互作用的深入理解如何使靶向计算分子设计在疗效与选择性上取得超比例收益，并据此指出当前 AI 方法对细微、低数据扰动的敏感性，主张 AI 需从模式识别走向理解或显式模拟结构变化与生物结果之间的机制性“为什么”，在此之前更适合作为人类工作的补充而非独立方案。
AI 能否胜任真实世界的药物发现？
本文以两个具备结构与生化数据的案例研究为基础，考察计算化学与药物化学的紧密结合、以及对化学形状与蛋白质相互作用的深入理解如何使靶向计算分子设计在疗效与选择性上取得超比例收益，并据此指出当前 AI 方法对细微、低数据扰动的敏感性，主张 AI 需从模式识别走向理解或显式模拟结构变化与生物结果之间的机制性“为什么”，在此之前更适合作为人类工作的补充而非独立方案。
本文以两个具备结构与生化数据的案例研究为基础，考察计算化学与药物化学的紧密结合、以及对化学形状与蛋白质相互作用的深入理解如何使靶向计算分子设计在疗效与选择性上取得超比例收益，并据此指出当前 AI 方法对细微、低数据扰动的敏感性，主张 AI 需从模式识别走向理解或显式模拟结构变化与生物结果之间的机制性“为什么”，在此之前更适合作为人类工作的补充而非独立方案。
Acta Pharmacologica Sinica 2026年9月14日
这篇综述梳理了治疗性癌症疫苗的历史发展、新抗原识别策略以及DNA、RNA、肽、细胞和病毒等疫苗平台的最新进展，并讨论了决定疫苗应答与耐药的关键机制，包括模式识别受体信号、树突状细胞抗原提呈、T细胞效应与记忆分化、代谢适应、表位扩展和肿瘤微环境重塑，提出未来疫苗应作为整合免疫系统来协调抗原发现、精准递送、固有免疫校准、记忆维持与局部免疫抑制逆转。
这篇综述梳理了治疗性癌症疫苗的历史发展、新抗原识别策略以及DNA、RNA、肽、细胞和病毒等疫苗平台的最新进展，并讨论了决定疫苗应答与耐药的关键机制，包括模式识别受体信号、树突状细胞抗原提呈、T细胞效应与记忆分化、代谢适应、表位扩展和肿瘤微环境重塑，提出未来疫苗应作为整合免疫系统来协调抗原发现、精准递送、固有免疫校准、记忆维持与局部免疫抑制逆转。
治疗性癌症疫苗：发展、挑战与未来展望
这篇综述梳理了治疗性癌症疫苗的历史发展、新抗原识别策略以及DNA、RNA、肽、细胞和病毒等疫苗平台的最新进展，并讨论了决定疫苗应答与耐药的关键机制，包括模式识别受体信号、树突状细胞抗原提呈、T细胞效应与记忆分化、代谢适应、表位扩展和肿瘤微环境重塑，提出未来疫苗应作为整合免疫系统来协调抗原发现、精准递送、固有免疫校准、记忆维持与局部免疫抑制逆转。
这篇综述梳理了治疗性癌症疫苗的历史发展、新抗原识别策略以及DNA、RNA、肽、细胞和病毒等疫苗平台的最新进展，并讨论了决定疫苗应答与耐药的关键机制，包括模式识别受体信号、树突状细胞抗原提呈、T细胞效应与记忆分化、代谢适应、表位扩展和肿瘤微环境重塑，提出未来疫苗应作为整合免疫系统来协调抗原发现、精准递送、固有免疫校准、记忆维持与局部免疫抑制逆转。
Physics in Medicine and Biology 2026年9月14日
该研究在训练队列（n=186）、验证队列（n=116）和前瞻性多中心验证队列（n=269）中，从治疗前T2加权MRI提取影像组学与监督深度学习特征，比较人工开发与GPT辅助的建模流程，发现融合特征在两种逻辑回归模型中AUC最高（训练队列0.759对0.763±0.003，验证队列0.714对0.741±0.008，前瞻性多中心验证队列0.700对0.706±0.004），GPT辅助流程在五种分类器上与人工开发模型性能大致相当，且五次重复运行的AUC标准差为0.001至0.019，表明在专家监督下GPT可自动化影像组学建模的关键步骤。
该研究在训练队列（n=186）、验证队列（n=116）和前瞻性多中心验证队列（n=269）中，从治疗前T2加权MRI提取影像组学与监督深度学习特征，比较人工开发与GPT辅助的建模流程，发现融合特征在两种逻辑回归模型中AUC最高（训练队列0.759对0.763±0.003，验证队列0.714对0.741±0.008，前瞻性多中心验证队列0.700对0.706±0.004），GPT辅助流程在五种分类器上与人工开发模型性能大致相当，且五次重复运行的AUC标准差为0.001至0.019，表明在专家监督下GPT可自动化影像组学建模的关键步骤。
GPT辅助影像组学建模预测头颈部鳞癌新辅助化免疫治疗病理完全缓解
该研究在训练队列（n=186）、验证队列（n=116）和前瞻性多中心验证队列（n=269）中，从治疗前T2加权MRI提取影像组学与监督深度学习特征，比较人工开发与GPT辅助的建模流程，发现融合特征在两种逻辑回归模型中AUC最高（训练队列0.759对0.763±0.003，验证队列0.714对0.741±0.008，前瞻性多中心验证队列0.700对0.706±0.004），GPT辅助流程在五种分类器上与人工开发模型性能大致相当，且五次重复运行的AUC标准差为0.001至0.019，表明在专家监督下GPT可自动化影像组学建模的关键步骤。
该研究在训练队列（n=186）、验证队列（n=116）和前瞻性多中心验证队列（n=269）中，从治疗前T2加权MRI提取影像组学与监督深度学习特征，比较人工开发与GPT辅助的建模流程，发现融合特征在两种逻辑回归模型中AUC最高（训练队列0.759对0.763±0.003，验证队列0.714对0.741±0.008，前瞻性多中心验证队列0.700对0.706±0.004），GPT辅助流程在五种分类器上与人工开发模型性能大致相当，且五次重复运行的AUC标准差为0.001至0.019，表明在专家监督下GPT可自动化影像组学建模的关键步骤。
medRxiv 2026年9月14日
该工作提出ISDS-MRI统一框架，利用图神经网络与序列特异性特征建模，从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计，并可在MRI序列组合不完整时工作；在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估，取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%，相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。
该工作提出ISDS-MRI统一框架，利用图神经网络与序列特异性特征建模，从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计，并可在MRI序列组合不完整时工作；在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估，取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%，相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。
面向缺失序列的多序列MRI缺血性卒中检测、分割与体积估计
该工作提出ISDS-MRI统一框架，利用图神经网络与序列特异性特征建模，从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计，并可在MRI序列组合不完整时工作；在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估，取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%，相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。
该工作提出ISDS-MRI统一框架，利用图神经网络与序列特异性特征建模，从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计，并可在MRI序列组合不完整时工作；在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估，取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%，相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。

第 43 页 · 当前显示 10 项