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 624 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2026-08-07 |
Towards Reliable Prediction: A Bayesian Continual Learning Approach for Clinical Time-Series Data
2026-Aug, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3598718
PMID:40889322
|
研究论文 | 提出了一种基于贝叶斯LSTM的持续学习算法C-BLSTM，用于处理临床时间序列数据的预测，并提高模型的泛化能力。 | 首次将贝叶斯LSTM与持续学习结合，通过架构剪枝、变分推断正则化与核心集重放策略实现领域增量学习，提升临床时间序列预测的可靠性和泛化性。 | 摘要未提及明显的局限性，但可能涉及计算复杂度或对特定数据分布假设的依赖。 | 解决临床时间序列数据预测中的模型泛化问题，通过持续学习应对数据分布漂移，提高预测性能和可靠性。 | 临床时间序列数据，包括电子病历数据用于死亡预测，以及心力衰竭患者再入院风险和2型糖尿病患者糖化血红蛋白结果的真实世界数据。 | 机器学习 | 心力衰竭, 2型糖尿病 | NA | LSTM | 时间序列数据 | 两个公开电子病历数据集和两个真实世界临床时间序列数据集（具体数量未知） | NA | LSTM | 性能指标包括预测准确性和可靠性（具体指标未提及） | NA |
| 462 | 2026-08-07 |
TUNA: A Target-Aware Unified Network for Protein-Ligand Binding Affinity Prediction via Multi-Modal Feature Integration
2026-Aug, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3643854
PMID:41385420
|
研究论文 | 提出了一种名为TUNA的新型深度学习模型，通过整合全局蛋白序列、局部口袋表示、基于SMILES的配体特征和分子图结构等多模态特征来预测蛋白质-配体结合亲和力 | 整合了全局序列、口袋级信息和配体多模态特征，并采用跨模态注意力机制实现可解释的结合位点推断 | 未明确提及，但可能包括对无已知结构靶标的依赖和计算资源需求 | 提高蛋白质-配体结合亲和力预测的准确性，特别是针对无已知结构的靶标 | 蛋白质-配体复合物的结合亲和力预测 | 机器学习、药物发现 | NA | 三维结构推断、口袋检测、预训练模型嵌入 | 深度学习模型（未具体指定架构类型） | 蛋白质序列、口袋序列、配体SMILES、分子图结构 | PDBbind和BindingDB数据集 | NA | 跨模态注意力机制 | 准确性、竞争力（未具体列出指标，可能包括RMSE、皮尔逊相关系数等） | 未明确提及，可能包括GPU等 |
| 463 | 2026-08-06 |
Application of artificial intelligence in brain arteriovenous malformations: Angioarchitectures, clinical symptoms and prognosis prediction
2026-Aug, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences
IF:1.5Q3
DOI:10.1177/15910199241238798
PMID:38515371
|
综述 | 本文总结了人工智能在脑动静脉畸形管理中的应用，包括血管构筑、临床症状和预后预测。 | 系统综述了1999-2022年间AI在脑动静脉畸形管理中的应用，特别关注机器学习和深度学习模型的进展。 | 基于文献综述，可能缺乏最新研究，且未进行定量荟萃分析。 | 总结AI在脑动静脉畸形管理中的应用进展、局限性和未来研究方向。 | 脑动静脉畸形患者的相关数据，包括影像、临床症状和预后。 | 机器学习 | 脑动静脉畸形 | 影像组学 | 机器学习模型 | 影像数据 | NA | NA | NA | NA | NA |
| 464 | 2026-08-05 |
Toward Improved Decision-making of Unruptured Intracranial Aneurysms Using Automated Segmentation from TOF-MRA with Iterative Pseudolabeling
2026-Aug-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9231
PMID:41690811
|
研究论文 | 本文开发并验证了一种基于深度学习的颅内血管和动脉瘤分割方法（DIVA-seg），利用迭代伪标签技术从TOF-MRA图像中自动分割未破裂颅内动脉瘤，以提高临床决策支持。 | 提出了一种基于伪标签的迭代训练策略，利用大量未标记数据增强模型性能，实现了跨数据集的稳健分割，并验证了3D形态学测量的临床适用性。 | 研究未在更多样化的临床数据集中验证，且伪标签选择可能引入噪声，影响模型的泛化能力。 | 开发并验证一种自动分割颅内血管和动脉瘤的深度学习方法，以支持未破裂颅内动脉瘤的临床决策。 | 未破裂颅内动脉瘤患者，来自三个TOF-MRA数据集，包括标记训练数据（57例）、测试数据（14例）、未标记伪标签数据（518例）和外部验证数据（82例）。 | 医学图像分割 | 未破裂颅内动脉瘤 | 飞行时间磁共振血管成像（TOF-MRA） | nnU-Net | TOF-MRA图像 | 训练集：57例标记；测试集：14例标记；伪标签集：518例未标记；外部验证集：82例标记。总样本数：657例。 | PyTorch | nnU-Net | Dice相似系数（DSC）、95%豪斯多夫距离（HD）、3D形态学测量、盲法定性评估 | 未在摘要中明确提及，但nnU-Net通常需要GPU（如NVIDIA V100或A100）进行训练。 |
| 465 | 2026-08-05 |
Integrated Deep Learning-Based Intracranial Vessel Wall Imaging with DANTE Preparation: Feasibility and Technical Performance
2026-Aug-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9232
PMID:41690813
|
研究论文 | 本研究评估了在深度学习加速的T1-SPACE序列中加入DANTE准备用于颅内血管壁成像的可行性，并与未加DANTE的序列在管腔和管壁显示质量上进行比较 | 首次将DANTE准备与深度学习加速的T1-SPACE序列相结合，并系统评估其临床可行性和技术性能 | 单中心回顾性研究，样本量较小，且DANTE准备可能导致管壁显示质量下降 | 评估深度学习加速的DANTE准备颅内血管壁成像的可行性，并平衡管腔和管壁图像质量 | 颅内血管壁和管腔，包括MCA、中脑周围静脉、深脑静脉和皮层静脉等血管段 | 医学影像，深度学习 | 颅内血管病变 | 磁共振成像（MRI），DANTE准备，深度学习加速 | NA | MRI图像 | 35名患者（22名女性，平均年龄57.9±17.1岁），共556对血管段 | NA | NA | 管腔和管壁可视化评分（4点Likert量表），静脉血流伪影评分，比值比（OR），95%置信区间，Bland-Altman分析 | NA |
| 466 | 2026-08-05 |
EMMPREDMLsub: multi-label prediction of mRNA subcellular localization based on the ESM2 large language model and MMDO-MDPU resampling strategy
2026-Aug, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2610684
PMID:41493162
|
研究论文 | 提出了一种基于ESM2大语言模型和MMDO-MDPU重采样策略的多标签mRNA亚细胞定位预测工具EMMPREDMLsub，并展示了其性能优势及解释性分析 | 结合曼哈顿均值方向过采样与曼哈顿密度保持欠采样的新型重采样技术，并首次将ESM2大语言模型用于mRNA序列特征提取，开发了多标签预测工具EMMPREDMLsub，通过SHAP分析揭示了深度模型依赖多特征协同作用 | 摘要未明确提及局限性 | 提高mRNA亚细胞定位多标签预测的准确性，并解释预测机制 | mRNA序列及其亚细胞定位 | 机器学习 | NA | ESM2大语言模型特征提取 | 深度学习和传统模型（具体未指明） | 序列数据 | 未明确提及 | NA | ESM2 | 多标签预测指标（具体未指明） | NA |
| 467 | 2026-08-05 |
Artificial Intelligence in Endodontics-A Bibliometric Analysis
2026-Aug, Australian endodontic journal : the journal of the Australian Society of Endodontology Inc
IF:1.3Q3
DOI:10.1111/aej.70080
PMID:42015461
|
研究论文 | 本文通过文献计量学方法，系统分析了人工智能在牙髓病学领域的研究趋势，包括发表量、作者合作、机构与国家贡献、引用模式和关键词共现 | 首次对人工智能在牙髓病学中的应用进行全面文献计量分析，揭示当前研究热点和合作格局 | 文献检索仅限于PubMed、EMBASE和Scopus三个数据库，可能遗漏部分相关研究；分析结果受数据库收录范围和时间限制影响 | 通过文献计量方法绘制并评估人工智能在牙髓病学中应用的研究趋势 | 人工智能在牙髓病诊断、治疗和教育中的应用研究 | 文献计量学 | 牙髓病 | 文献计量分析 | NA | 文献数据 | 220篇研究 | 文献计量软件 | NA | 发表量、引用模式、关键词共现 | NA |
| 468 | 2026-08-05 |
STAID: A Self-Refining Deep Learning Framework for Spatial Cell-Type Deconvolution with Biologically Informed Modeling
2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.75607
PMID:42107049
|
研究论文 | 提出一种自精炼深度学习框架STAID，用于空间转录组数据中细胞类型反卷积，通过迭代伪点精炼和图信号处理实现准确的空间细胞类型组成推断 | 创新性地结合伪点生成与深度学习训练，通过迭代伪点精炼形成自增强循环，并利用图信号处理捕获基因间高阶关系 | 摘要未提及明确局限性 | 实现空间转录组数据中spot级别的细胞类型组成准确反卷积，并提供组织结构和细胞异质性的深入见解 | 空间转录组数据中的细胞类型组成，包括临床乳腺癌组织、人类胚胎肢体数据集和克罗恩病组织 | 深度学习 | 乳腺癌, 克罗恩病 | 空间转录组测序 | 图神经网络 | 空间转录组数据 | 包含乳腺癌临床切片、人类胚胎肢体数据集和克罗恩病组织数据集 | NA | 图信号处理 | NA | NA |
| 469 | 2026-08-03 |
Hybrid deep learning based stroke detection using CT images with routing in an IoT environment
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2452280
PMID:39893512
|
研究论文 | 提出一种结合物联网环境的混合深度学习模型Jaccard_Residual SqueezeNet，用于从CT图像中检测卒中 | 将Jaccard指数集成到Residual SqueezeNet中，并采用分数阶水母搜索鹈鹕优化算法进行路由，结合物联网环境实现卒中检测 | 未在摘要中提及具体局限性 | 提高CT图像中卒中病变的早期检测和分割准确性 | 脑CT图像中的卒中病变 | 计算机视觉 | 脑血管疾病 | CT成像 | 卷积神经网络 | 图像 | 未在摘要中提及具体样本量 | NA | Residual SqueezeNet, ENet | 准确率, 敏感度, 精确率, F1分数, 吞吐量, 能量, 距离, 信任度, 延迟 | 物联网环境 |
| 470 | 2026-08-03 |
Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2457955
PMID:40035544
|
研究论文 | 该研究开发了一种基于混合瓢虫鹰优化深度学习的多模态帕金森病分类模型，利用语音信号和手绘螺旋图像实现早期诊断 | 采用混合瓢虫鹰优化算法（LHO）训练ZFNet和DRN双分类器，并结合多数投票机制融合语音和图像特征，实现多模态帕金森病分类 | 未明确提及局限性 | 开发优化的深度学习模型，以提高帕金森病早期诊断的准确性 | 帕金森病患者和健康对照组的语音信号与手绘螺旋图像 | 深度学习 | 帕金森病 | NA | 深度学习模型（ZFNet和DRN） | 语音信号和图像 | 未明确提及样本数量 | NA | ZFNet, DRN | 准确率, 阴性预测值, 阳性预测值, 真阴性率, 真阳性率 | NA |
| 471 | 2026-08-03 |
A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2461046
PMID:40079096
|
研究论文 | 本研究提出一种基于深度学习的混合启发式优化算法，用于多载波非正交多址系统，以实现自适应能量效率功率分配 | 提出了一种混合的缝纫训练与狐猴优化（HSTLO）算法，并结合膨胀密集循环神经网络（DDRNN）模型来优化多载波NOMA系统的能效 | 摘要中未提及明显的局限性 | 通过优化算法和深度学习模型提高多载波NOMA系统的能量效率和系统性能 | 多载波非正交多址（MC-NOMA）系统中的能量效率功率分配 | 机器学习 | 不适用 | 不适用 | 循环神经网络（RNN） | 不适用 | 不适用 | 不适用 | 膨胀密集循环神经网络（DDRNN） | 不适用 | 不适用 |
| 472 | 2026-08-03 |
EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model
2026-Aug, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2477801
PMID:40096584
|
研究论文 | 提出了一种基于自动编码器特征融合和MSC-TimesNet模型的脑电情感识别方法（AEF-DL），在DEAP和Dreamer数据集上取得了高分类准确率 | 提出将自动编码器用于多频段脑电信号的特征融合，并创新性地设计了MSC-TimesNet深度学习模型，通过多尺度卷积核有效提取周期内和周期间的时序信息，显著提升了分类性能 | 摘要中未提及局限性，可能需要进一步验证模型在不同数据集上的泛化能力及计算开销 | 提高基于脑电信号的情感识别分类性能，解决现有方法特征融合不充分和时序模式捕捉不足的问题 | 脑电信号（EEG）用于情感识别，涉及DEAP和Dreamer两个公共数据集 | 脑电信号处理、深度学习 | 不适用（情感识别，非特定疾病） | 脑电图（EEG）信号分析，特征提取包括功率谱密度（PSD）和差分熵（DE），自动编码器特征融合 | 深度学习模型（MSC-TimesNet） | 脑电信号数据 | DEAP和Dreamer数据集（未明确具体样本数量） | 未明确 | MSC-TimesNet（结合TimesNet和多尺度卷积核） | 分类准确率 | 未明确 |
| 473 | 2026-08-03 |
Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards
2026-Aug, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2472626
PMID:40126079
|
研究论文 | 提出一种基于物联网和优化深度残差网络的苹果叶片病害分类方法 | 结合Tunicate Swarm Algorithm和Sine Cosine Algorithm的TSSCA算法优化深度残差网络，并采用Fractional Lion Optimization进行物联网簇头选择 | 未提及具体局限性 | 提高苹果园叶片病害检测的准确性和效率 | 苹果叶片病害图像 | 计算机视觉 | 植物病害（苹果叶片病害） | 物联网（IoT）、图像分割 | 深度残差网络（DRN） | 图像 | Plant Pathology 2020 - FGVC7数据集（未提供具体样本数量） | 未提及 | 深度残差网络（DRN） | 准确率、特异性、敏感性、最大能量 | 未提及 |
| 474 | 2026-08-03 |
Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients With Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty
2026-Aug-01, The Journal of rheumatology
IF:3.6Q2
DOI:10.3899/jrheum.2025-0951
PMID:42067217
|
研究论文 | 本研究利用深度学习技术比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的膝关节最小关节间隙宽度，发现两种疾病的关节间隙狭窄模式存在差异 | 首次使用经过验证的深度学习模型自动测量膝关节内侧和外侧最小关节间隙宽度，并比较类风湿关节炎与骨关节炎患者的关节间隙狭窄模式，同时评估最小关节间隙宽度与疾病活动度之间的关系 | 未在摘要中明确提及局限性 | 比较类风湿关节炎和骨关节炎患者在接受全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与类风湿关节炎疾病活动度之间的关联 | 接受全膝关节置换术的类风湿关节炎患者和骨关节炎患者 | 深度学习 | 类风湿关节炎、骨关节炎 | 深度学习 | 深度学习模型 | 膝关节前后位X光片 | 409例类风湿关节炎患者及与之年龄和性别匹配的骨关节炎患者，其中302例有配对X光片 | NA | NA | NA | NA |
| 475 | 2026-08-03 |
Deep learning reveals antimicrobial peptides within prions
2026-Aug, Nature microbiology
IF:20.5Q1
DOI:10.1038/s41564-026-02408-1
PMID:42321536
|
研究论文 | 利用深度学习从朊病毒相关蛋白中筛选出抗菌肽，命名为prionins，并验证其抗菌活性 | 首次发现朊病毒样蛋白中的抗菌肽，通过深度学习大规模筛选并实验验证 | 未提供 | 探索朊病毒相关蛋白中的抗菌肽及其潜在抗菌功能 | 2,897个经过整理的朊病毒相关蛋白的1,930万个片段 | 机器学习 | 细菌感染 | 深度学习 | 深度学习模型 | 蛋白质序列 | 筛选了1,179个候选抗菌肽；合成了75个prionins；动物实验涉及小鼠 | 未提供 | 未提供 | 未提供 | 未提供 |
| 476 | 2026-08-03 |
Decoding splicing variants in high-throughput sequencing: a functional validation approach integrating deep learning tools
2026-Aug, European journal of human genetics : EJHG
IF:3.7Q2
DOI:10.1038/s41431-026-02162-2
PMID:42362801
|
研究论文 | 本研究结合多种互补的剪接预测工具与功能性RNA研究，评估了神经退行性疾病患者中发现的九个内含子变异对剪接的影响，并强调转录水平验证在致病变异评估中的关键作用。 | 首次系统评估深度学习方法在非典型剪接调控机制（如隐剪接位点激活）中的局限性，并整合多种预测工具与功能性实验（如微基因检测）提高变异致病性判断的准确性。 | 样本量较小（仅九个变异），且研究局限于神经退行性疾病，可能影响结果的一般性；未对所有预测失败的机制进行深入的功能验证。 | 评估深度学习和基于基序的剪接预测工具在识别内含子变异剪接影响中的性能，并强调转录水平确认在诊断流程中的必要性。 | 九个内含子变异（六个深内含子、两个非经典剪接位点和一个经典剪接位点变异）及其在患者中的剪接效应。 | 生物信息学，遗传学 | 神经退行性疾病 | 二代测序，RNA分析，微基因检测 | 深度学习模型（具体类型未提及） | 基因组测序数据、转录组数据 | 九个变异（来自患者） | NA | NA | 准确性，预测成功率 | NA |
| 477 | 2026-08-03 |
Artificial Intelligence in Food-Nutrition-Health Research: From Multimodal Data Integration to Precision Intervention
2026-Aug, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.71334
PMID:42535509
|
综述 | 系统综述了2020至2025年间人工智能在食品-营养-健康领域的研究进展，涵盖技术基础、应用场景、挑战与未来方向。 | 提出了一个三元框架，包括数据层、技术层和算法层，用于跨食品-营养-健康连续体的多维数据整合和精准干预。 | 面临模型泛化不足、算法透明度限制临床信任、数据隐私漏洞以及多组学整合标准缺失等挑战。 | 梳理AI在食品-营养-健康领域的应用进展，并为从群体平均指南转向动态个性化健康优化提供路线图。 | 181项系统综述及相关的食品成分、健康监测和个体特征数据。 | 机器学习 | 营养相关疾病 | 光谱学、核磁共振、成像技术 | 机器学习、深度学习架构 | 多模态数据（食品成分、健康监测、个体特征） | 181项系统综述 | NA | NA | NA | NA |
| 478 | 2026-08-03 |
Overcoming measurement challenges in clinical practice: a deep learning-based approach to monocular surface area measurement
2026-Aug, Skin health and disease
DOI:10.1093/skinhd/vzag064
PMID:42539959
|
研究论文 | 介绍一种基于深度学习和单目智能手机图像的体表面积测量方法，通过深度估计模型和表面三角化提高测量精度。 | 提出一种成本效益高且可访问的AI驱动方法，利用单目图像和特定标记，结合深度估计和表面三角化，准确测量体表面积。 | 在受控和模拟场景中测试，可能需要进一步验证在真实临床环境中的适用性。 | 开发一种准确、经济且易于使用的体表面积测量方法，用于临床实践。 | 体表面积，包括不规则表面或复杂轮廓的病灶。 | 计算机视觉，数字病理学 | 皮肤病学相关疾病 | 单目成像，深度估计 | 深度学习模型（具体类型未指定，可能为CNN） | 图像（单目智能手机图像） | 受控和模拟皮肤科场景，具体样本量未提供。 | NA | NA | 平均绝对误差（MAE） | NA |
| 479 | 2026-08-03 |
Real-Time Anatomy Recognition During Single-Port Retroperitoneal Surgery: A Prospective Comparison Between AI and Operating Surgeon
2026-Aug-01, Journal of endourology
IF:2.9Q1
DOI:10.1177/08927790261473188
PMID:42541387
|
研究论文 | 本文首次在机器人辅助单孔腹膜后手术中临床测试了基于深度学习的AI算法，用于实时识别关键解剖结构，并与外科医生的识别时间进行了前瞻性比较。 | 首次在单孔机器人手术平台上对AI解剖识别算法进行临床测试，并前瞻性比较AI与外科医生的识别时间。 | 样本量小（15例患者），AI识别时间普遍晚于外科医生，且未实现独家识别，未来需改进以接近自主识别水平。 | 评估AI算法在机器人辅助腹膜后手术中实时识别关键解剖结构的能力，并比较其与外科医生的识别时间。 | 15例接受机器人辅助单孔腹膜后肾或肾上腺手术的患者。 | 计算机视觉、深度学习 | 肾脏疾病、肾上腺疾病 | NA | 深度学习算法 | 手术视频帧 | 15例患者 | NA | NA | 识别时间（Δ时间）、识别模式（首次、同步或独家识别） | NA |
| 480 | 2026-08-03 |
From machine learning to deep learning in attention deficit hyperactivity disorder diagnosis: A bibliometric analysis of global trends (2011-2024)
2026-Aug-01, Applied neuropsychology. Adult
DOI:10.1080/23279095.2026.2707490
PMID:42541435
|
综述 | 本文通过文献计量分析，全面综述了2011年至2024年间人工智能和机器学习在注意力缺陷多动障碍诊断中的应用，揭示了该领域的演化趋势、当前热点和未来方向。 | 首次对AI和ML在ADHD诊断中的应用进行了全面的文献计量分析，确定了从传统机器学习（如支持向量机）到深度学习架构的转变，并突出了脑电图作为主要神经影像模态的兴起，以及美国和中国的科研双寡头格局。 | 未提及具体局限性。 | 绘制AI和ML在ADHD预测应用中的领域演变、当前趋势和未来方向。 | 2011年至2024年间发表于Scopus数据库的722篇相关出版物。 | 文献计量分析 | 注意力缺陷多动障碍 | 文献计量分析 | 支持向量机、深度学习架构 | 文本（出版物元数据） | 722篇出版物 | VOSviewer | NA | 年产量、地理分布、技术趋势 | NA |