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 49768 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2026-09-28 |
Deep learning interpretability in neuroimaging: A comprehensive survey and methodological recommendations
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1129
PMID:41821831
|
综述 | 本文全面综述了神经影像学中深度学习可解释性的研究现状，并提出了方法学建议 | 系统梳理了神经影像学中深度学习可解释性技术，并针对性地提出了整合深度学习技术以表征和解决精神障碍的策略与见解 | 未具体说明 | 综述神经影像学中深度学习可解释性的现状，并为成功整合深度学习技术以表征和解决精神障碍提供策略与见解 | 神经影像学中的深度学习模型及其可解释性方法 | 神经影像学 | 精神障碍 | 深度学习 | NA | 神经影像数据 | NA | NA | NA | NA | NA |
| 562 | 2026-09-28 |
Reducing bias and enhancing equity in AI-enabled precision nutrition: addressing measurement error across wearables, multiomics, and dietary data
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1805704
PMID:42328276
|
综述 | 本文综述了AI驱动的精准营养中测量误差问题，评估了统计与机器学习校正方法，并提出了公平性框架 | 系统比较了经典校正方法（如回归校准、贝叶斯模型）与新兴AI策略（如去噪自编码器、多任务学习、不确定性感知深度学习），并首次将测量误差校正与算法公平性、健康公平性在精准营养背景下整合讨论 | 作为综述文章，未进行原始数据实验验证；所提框架缺乏实证评估；对具体校正方法的性能比较基于现有文献而非统一实验 | 减少AI驱动精准营养中的偏差并增强公平性，解决可穿戴设备、多组学和膳食数据中的测量误差问题 | 可穿戴传感器数据、高维多组学与生物标志物分析数据、行为追踪数据、自我报告膳食摄入数据 | 机器学习 | NA | 可穿戴传感、多组学分析、生物标志物检测、行为追踪、膳食摄入评估 | 深度学习、贝叶斯模型、去噪自编码器、多任务学习、不确定性感知深度学习 | 多模态数据（可穿戴传感器数据、多组学数据、生物标志物、行为数据、膳食自报数据） | NA | NA | 去噪自编码器、多任务学习、不确定性感知深度学习、回归校准、贝叶斯模型 | NA | NA |
| 563 | 2026-09-28 |
A Systematic Review: Deep Learning for Analyzing Genomic Data to Discover Evolutionary Patterns
2026, Scientifica
IF:2.3Q2
DOI:10.1155/sci5/4286814
PMID:42495597
|
综述 | 本文对2016至2025年间利用深度学习从基因组数据中识别进化模式的研究进行了系统性综述，最终纳入50项研究并归类为三个领域 | 提出以领域对齐的框架组织文献，将深度学习在进化基因组学中的应用划分为群体遗传推断、系统发育重建和序列表示学习三个概念上不同但部分重叠的领域，从而澄清各领域的优势、局限和研究空白 | 所综述研究普遍存在可解释性不足、对训练假设（尤其是基于模拟的设定）敏感、评估方案异质以及计算需求高等问题 | 系统梳理2016至2025年间利用深度学习分析基因组数据以发现进化模式的研究，明确各领域的优势、局限和研究空白，为未来方法学发展提供结构化依据 | 2016至2025年间发表的关于深度学习用于进化基因组学中识别进化模式的研究文献，经结构化筛选后纳入50项研究 | 机器学习 | NA | NA | 深度学习 | 基因组数据 | 50项研究 | NA | NA | NA | NA |
| 564 | 2026-09-28 |
AI-assisted longitudinal cardiac phenotyping identifies domain-specific remodeling patterns in Fabry cardiomyopathy
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1800355
PMID:42787413
|
研究论文 | 一项回顾性多中心纵向研究，利用AI辅助深度学习平台对Fabry心肌病患者的电学、机械和结构重塑进行域特异性纵向表型分析，并比较酶替代治疗与未治疗患者的表型分布差异 | 首次在统一的纵向框架下系统性地组织Fabry心肌病中结构性、机械性和电学三个域的非平行重塑模式，并采用AI辅助深度学习平台（Us2.ai）实现标准化纵向多参数测量，揭示了域特异性重塑表型在ERT治疗与未治疗患者间的显著分布差异 | 样本量较小（仅38例患者），为回顾性研究设计，随访时间中位数仅5.3年，未报道AI平台的具体性能验证指标，单中心系统内三家附属医院的数据可能存在选择偏倚 | 系统性地在纵向框架下评估Fabry心肌病患者结构性、机械性和电学三个域的重塑模式，并探讨AI辅助纵向监测在表征非平行域特异性变化中的应用价值 | 38例在台北、淡水和新竹三家麦凯纪念医院附属医院管理的Fabry心肌病患者 | 数字病理学, 机器学习 | Fabry心肌病, 心血管疾病 | AI辅助深度学习超声心动图分析, 标准12导联心电图, 超声心动图 | 深度学习 | 图像, 数值数据, 心电图信号 | 38例Fabry心肌病患者，随访中位数5.3年（四分位距2.8-7.1年） | NA | NA | p值, 95%置信区间 | NA |
| 565 | 2026-09-28 |
Deep learning-based spatial immunoprofiling of multiplex immunofluorescence images distinguishes tuberculosis disease states in diversity outbred mice
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0358334
PMID:42789595
|
研究论文 | 该论文利用深度学习对多重免疫荧光图像进行空间免疫图谱分析，以区分多样性远交小鼠中的结核病状态 | 开发了一种新的自动分割肺肉芽肿、检测/量化肉芽肿内细胞类型并提取免疫细胞位置的模型，并首次提出利用大型语言模型独立解码肉芽肿内复杂细胞模式以区分免疫学特征 | 研究基于小鼠模型，结果可能无法直接推广到人类；未提及计算资源的具体细节 | 识别指示无症状肺部感染的基于细胞的空间特征，以解决结核分枝杆菌肉芽肿组织方面的知识空白 | 感染结核分枝杆菌的多样性远交小鼠的肺切片，包括急性肺结核、无症状感染和慢性肺结核 | 数字病理学 | 肺结核 | 多重免疫荧光 | 大型语言模型, 深度学习分割模型 | 图像 | NA | NA | NA | NA | NA |
| 566 | 2026-09-28 |
Multimodal deep learning integrating ultrasonographic and clinical data for enhanced rotator cuff tear identification
2026, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2026.1884047
PMID:42798349
|
研究论文 | 该研究开发并验证了一个结合超声影像和临床数据的多模态深度学习模型，用于肩袖撕裂的识别 | 首次系统地将超声影像与结构化临床检查数据通过特征级融合整合到一个统一的多模态深度学习诊断框架中 | 回顾性研究设计，样本量有限（947例），且仅针对冈上肌肩袖撕裂，未涵盖其他肩袖肌腱的撕裂 | 开发并验证一个整合超声影像与临床检查数据的多模态深度学习模型，用于肩袖撕裂的检测 | 947例因肩痛就诊并同时接受肩部超声和MRI检查的患者 | 医学影像分析，多模态深度学习 | 肩袖撕裂 | 超声成像，磁共振成像，深度学习 | 多模态深度学习模型，卷积神经网络 | 超声图像，结构化临床数据 | 947例患者（370例肩袖撕裂阳性，577例阴性） | NA | NA | AUROC，灵敏度，特异度，F1分数 | NA |
| 567 | 2026-09-28 |
A two-stage deep learning framework with progressive feature fusion and attention mechanisms for multi-class retinal disease classification
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1925302
PMID:42798467
|
研究论文 | 本文提出了一种基于YOLOv11的两阶段深度学习框架，通过渐进特征融合和注意力机制实现八类视网膜疾病的分类 | 提出了渐进空间融合（PSF）模块以分层整合多尺度特征表示，并结合基于SE的双重注意力精炼机制，在分类前精炼疾病判别特征，同时采用两阶段优化策略 | 仅在OCT-C8数据集上进行了评估，未在其他数据集上验证泛化能力 | 实现高精度、计算可行且具有可解释性的视网膜疾病自动分类 | OCT图像中的八类视网膜疾病 | 计算机视觉 | 视网膜疾病 | OCT | CNN | 图像 | OCT-C8数据集 | NA | YOLOv11 | 准确率, 精确率, 召回率, F1分数, 特异性 | NA |
| 568 | 2026-09-28 |
AIGC affordance and student self-regulation in private undergraduate education: a serial mediation model of self-efficacy and learning motivation
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1800950
PMID:42798500
|
研究论文 | 该研究基于可供性实现理论和自我调节学习理论，采用混合方法探讨AIGC可供性如何通过自我效能感和学习动机的链式中介作用激活学生的自我调节学习，背景为广州民办本科产教融合项目 | 将自我调节学习理论与产教融合框架相结合，揭示AIGC的主要价值不仅是功能性生产力工具，更是心理催化剂，通过建立学生信心和动机驱动力促进适应性学习；采用混合方法设计整合定量调查与定性访谈 | AIGC评估反馈质量对学生自我效能感的直接路径不显著，满意度对自我调节学习的直接路径也不显著，表明积极体验本身不足以实现深度学习；产教融合实施中存在课程与产业错位、项目多样性有限和企业参与薄弱等持续差距 | 检验AIGC可供性如何通过自我效能感和动机的链式中介作用激活自我调节学习，并探讨产教融合情境下的实施边界条件 | 广州民办本科产教融合项目中参与AIGC学习的学生及教师 | 机器学习 | NA | 问卷调查，半结构化访谈，PLS-SEM，主题分析 | NA | 文本 | 689名学生参与定量调查，8名教师参与定性访谈 | NA | NA | NA | NA |
| 569 | 2026-09-28 |
Artificial intelligence and computational methods in the Asia-Pacific pharmacovigilance landscape: a systematic review
2026, International journal of public health
IF:2.6Q2
DOI:10.3389/ijph.2026.1610026
PMID:42798532
|
系统综述 | 本文系统回顾了亚太地区药物警戒中人工智能和计算方法的应用，并识别了方法学实施挑战 | 首次系统综述亚太地区药物警戒中人工智能应用的研究，涵盖14个国家64项研究，并提出了分层实施策略 | 仅纳入英文发表的同行评审原创研究，可能存在语言偏倚；未进行定量荟萃分析 | 审查人工智能在亚太地区药物警戒中的应用，并识别报告的方法学实施挑战 | 亚太地区药物警戒中人工智能应用的相关研究 | 机器学习 | 药物不良反应 | 机器学习，自然语言处理，深度学习，神经网络，符号和可解释人工智能，不成比例分析 | NA | 文本 | 64项研究，来自14个国家 | NA | NA | NA | NA |
| 570 | 2026-09-28 |
Artificial Intelligence in Cholangioscopy: A New Frontier for Indeterminate Biliary Strictures
2026 Jan-Jun, Euroasian journal of hepato-gastroenterology
DOI:10.5005/jp-journals-10018-1515
PMID:42798533
|
综述 | 本文综述了人工智能在胆道镜检查中用于诊断不确定性胆道狭窄的应用现状与前景 | 系统阐述了人工智能特别是深度学习图像分析在数字单人操作胆道镜中辅助恶性胆道狭窄实时预测、可疑黏膜和血管特征识别、靶向活检引导、报告标准化及培训支持方面的潜在价值 | 当前证据受限于回顾性设计、选择性图像数据集、小样本量、参考标准不一及缺乏外部验证 | 探讨人工智能辅助胆道镜检查在不确定性胆道狭窄诊断中的应用价值及未来发展方向 | 不确定性胆道狭窄患者及胆道镜图像 | 医学图像分析 | 胆道狭窄 | 数字单人操作胆道镜检查 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 571 | 2026-09-28 |
Quantum-enhanced deep learning for elastographic image-based characterization of cutaneous and subcutaneous masses
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1925092
PMID:42798554
|
研究论文 | 本研究提出并评估了一种混合量子-经典深度学习架构，用于基于弹性成像图像对皮肤和皮下肿块进行良恶性分类 | 将参数化量子电路层与经典CNN骨干网络结合，利用高维希尔伯特空间中的量子变换捕获传统模型难以捕捉的细微硬度模式，实现量子增强的医学图像分类 | 当前使用经典软件模拟量子层引入了延迟权衡（每张图像124.5毫秒 vs 8.4毫秒），尚未在真实量子处理单元硬件上运行 | 提高皮肤和皮下病变评估的诊断精度，探索量子-经典混合模型在弹性成像图像分析中的潜力 | 520张经组织学确认的弹性成像图像，用于皮肤和皮下肿块的良恶性分类 | 医学图像分析，量子机器学习 | 皮肤癌，皮下肿块 | 弹性成像 | 混合量子-经典深度学习模型 | 图像 | 520张弹性成像图像 | NA | 卷积神经网络（CNN），参数化量子电路 | 准确率，灵敏度，特异性，AUC | NA |
| 572 | 2026-09-28 |
AI-driven genotype-phenotype modeling: a framework integrating multi-modal single-cell genomics and reverse vaccinology for de novo design of multi-epitope cancer vaccines
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1909167
PMID:42798731
|
综述 | 本文提出一个整合多模态单细胞基因组学与反向疫苗学的AI驱动基因型-表型建模框架，用于从头设计多表位癌症疫苗 | 提出一个独特的双层概念框架：第一层利用多模态单细胞数据过滤假阳性靶点并去除抗原丢失克隆，第二层将严格过滤后的数据输入先进的结构与生成式AI模型以指导多表位疫苗设计，而非简单整合已有方法 | 存在模型可解释性、肿瘤可塑性、生产制造约束和临床实施等转化挑战 | 为未来个性化癌症免疫治疗提出一个独特的概念框架，加速高度靶向、自适应且持久的癌症疫苗开发 | 多模态单细胞基因组学数据、肿瘤免疫微环境、新抗原、多表位癌症疫苗 | 数字病理学 | 癌症 | 多模态单细胞基因组学、反向疫苗学 | 深度学习、图神经网络、Transformer、生成式AI模型 | 基因组数据、免疫学数据、单细胞数据 | NA | NA | Transformer、图神经网络 | NA | NA |
| 573 | 2026-09-28 |
An explainable dual-branch transformer-ConvNeXt framework for robust lung histopathology classification
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1907746
PMID:42798881
|
研究论文 | 提出一种双分支Transformer-ConvNeXt框架用于肺组织病理学分类，区分肺腺癌、鳞状细胞癌和良性组织 | 结合SwinV2-CR-Tiny和ConvNeXtV2-Tiny的双分支架构，通过可学习的跨特征门控模块集成，采用EEFO驱动的特征选择、CPO校准类权重和FFO调整决策阈值，并结合多种训练策略和可解释性方法 | MC-dropout预测不确定性未能区分错误分类和正确分类的案例，模型系统性过度自信，朴素温度缩放增加了预期校准误差，LC25000的数据来源特征限制了绝对准确率的解释 | 准确区分肺腺癌、鳞状细胞癌和良性组织，提供可解释的决策支持流程 | 肺组织病理学图像（H&E染色） | 数字病理学 | 肺癌 | H&E染色 | Transformer, CNN | 图像 | 15,000张图像（每类5,000张） | NA | SwinV2-CR-Tiny, ConvNeXtV2-Tiny | 准确率, 宏F1分数, 宏一对多AUC, Cohen's κ, 灵敏度 | NA |
| 574 | 2026-09-28 |
Detection of Solanum betaceum Cav fruit maturity using YOLO11-based deep learning
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1880899
PMID:42799401
|
研究论文 | 本研究评估了基于YOLO11的目标检测模型在真实农业环境中自动检测树番茄果实成熟度的性能 | 首次将YOLO11系列模型应用于树番茄果实成熟度的自动检测，并比较了不同规模模型的性能 | 数据集规模较小（200张图像），仅使用智能手机拍摄，可能影响模型的泛化能力 | 评估YOLO11模型在真实农业环境中自动检测树番茄果实成熟度的性能 | 树番茄（Solanum betaceum Cav）果实 | 计算机视觉 | NA | 深度学习目标检测 | CNN | 图像 | 200张图像，1,361个果实标注 | PyTorch | YOLO11n, YOLO11s, YOLO11m | 精确率, 召回率, mAP50, mAP50-95 | NA |
| 575 | 2026-09-28 |
Spatially varying gene regulation network inference from spatial transcriptomics
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag230
PMID:42801027
|
研究论文 | 提出SVGRN，一种基于条件变分自编码器和结构方程模型的深度学习框架，从空间转录组数据推断空间变化的高分辨率基因调控网络 | 将基因表达、调控相互作用和空间坐标整合到结构方程建模框架中，通过条件变分自编码器以无监督方式学习非线性、空间变化的调控程序，将组织水平调控细化为spot或细胞特异性GRN | 未明确提及 | 从空间转录组数据中推断空间变化的高分辨率基因调控网络 | 空间转录组数据，包括模拟数据集、seqFISH小鼠胚胎数据、Visium人类皮肤鳞状细胞癌和输卵管数据集 | 机器学习 | 皮肤鳞状细胞癌 | 空间转录组学 | 条件变分自编码器 | 图像，文本 | NA | NA | 条件变分自编码器 | NA | NA |
| 576 | 2026-09-28 |
Exploring the Terra incognita of AI-based domain classifications
2025-12, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70392
PMID:41288334
|
研究论文 | 本研究分析了664个候选新折叠（CNF）结构域，这些结构域被TED和DPAM方法以低置信度分类，研究揭示了新折叠的多样性并创建了190个新的Pfam家族 | 创建了190个新的Pfam家族，其中许多被归类为未知功能结构域（DUFs），并揭示了锌结合和富含二硫键的结构，有助于扩展折叠空间 | 部分CNF由于截短序列或紧密堆积的结构域重复导致结构域边界预测错误，一些CNF与已知折叠相似但经历了拓扑重排或环状排列 | 探索基于AI的结构域分类未知领域，解决新颖蛋白质折叠分类的挑战 | 来自TED数据库的664个候选新折叠（CNF）结构域 | 结构生物信息学 | NA | 深度学习模型如AlphaFold2用于蛋白质结构预测 | AlphaFold2 | 蛋白质结构数据 | 664个候选新折叠（CNF）结构域 | NA | NA | NA | NA |
| 577 | 2026-09-28 |
Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22006
PMID:40302983
|
研究论文 | 研究合成数据对深度学习模型在对比增强乳腺摄影中病变检测和分类训练的影响 | 使用合成数据模拟微钙化簇，并研究不同比例合成数据与真实数据训练对模型性能的影响，证实了仅用合成数据也能检测恶性病变 | 合成数据提高检测敏感性的同时降低了精确度，模型性能在敏感性0.80处达到平台；集成模型性能反而下降，可能由于假阳性可疑感兴趣区域 | 探究在训练中引入合成数据（模拟微钙化簇）是否能提升对比增强乳腺摄影中病变检测和分类模型的性能 | 对比增强乳腺摄影中的病变（包括增强肿块和微钙化簇） | 医学图像分析 | 乳腺癌 | 对比增强乳腺摄影 | 深度学习模型 | 图像 | 782名无病变乳腺患者（用于合成数据生成）、850名真实数据训练患者、212名内部验证患者、279名外部验证患者 | NA | NA | 检测敏感性、精确度、接收者操作特征曲线下面积 | NA |
| 578 | 2026-09-28 |
Multi-model approach to understand and predict past and future dengue epidemic dynamics
2025-Nov, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.241870
PMID:41200242
|
研究论文 | 该研究利用秘鲁北部2010-2021年的数据，采用多模型方法整合波浪分析、贝叶斯分层模型和深度学习预测模型，以理解和预测登革热疫情的时空动态 | 提出了一个多模型框架，结合波浪分析、贝叶斯分层模型与气候知情的深度学习预测模型（包括基础时间序列、时间卷积网络和共形推断），并引入训练和未训练的概率集成方法，辅以可解释的疫情检测指标 | 研究仅基于秘鲁北部地区的数据，可能限制模型的泛化能力；未明确讨论计算资源需求及模型在其他地区的适用性 | 理解并预测登革热疫情的过去和未来动态，为公共卫生决策和规划提供支持 | 秘鲁北部2010-2021年的登革热疫情数据及相关气候变量 | 机器学习 | 登革热 | 波浪分析, 贝叶斯分层模型, 深度学习, 时间卷积网络, 共形推断 | 贝叶斯分层模型, 时间卷积网络, 基础时间序列模型 | 时间序列数据, 气候数据 | 秘鲁北部2010-2021年的登革热疫情数据（具体样本量未提及） | NA | 时间卷积网络, 基础时间序列模型 | NA | NA |
| 579 | 2026-09-28 |
Uncertainty quantification and explainable AI in orthopaedic imaging: A timely call to action
2025-Nov, Journal of clinical orthopaedics and trauma
DOI:10.1016/j.jcot.2025.103208
PMID:41089298
|
评论 | 本文主张在骨科影像人工智能中整合不确定性量化和可解释人工智能，以提升临床信任度和安全性 | 强调在骨科影像AI中整合不确定性量化和可解释AI并非可选，而是当务之急 | 作为论坛文章，未提供具体技术实现或实验验证 | 呼吁骨科界采取行动，将不确定性量化和可解释AI纳入骨科影像AI模型 | 骨科影像AI模型及其临床应用 | 计算机视觉 | 骨科疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 580 | 2026-09-28 |
Performance Degradation between Development and Deployment of a Predictive Model for Central Line-Associated Bloodstream Infections in Hospitalized Children
2025-08, Applied clinical informatics
IF:2.1Q4
DOI:10.1055/a-2605-1847
PMID:40355126
|
研究论文 | 本文报告了儿科中心静脉导管相关血流感染预测模型从开发到部署过程中性能下降的问题，并分析了根本原因 | 创建了新颖的基础设施来复制深度学习模型所需的复杂预处理，包括组织当前数据和构建历史数据存储及API；前瞻性实施并验证了模型在临床实践中的性能 | 模型性能从回顾性数据的AUROC 0.97下降到部署时的<0.60，主要由于训练/服务偏差、特征泄漏和过拟合等问题，未能达到预期性能 | 前瞻性实施儿科CLABSI预测模型，并在离线验证中达到足够性能以用于临床实践 | 住院儿童的中心静脉导管相关血流感染预测 | 机器学习 | 中心静脉导管相关血流感染 | NA | 深度学习模型 | 电子健康记录数据 | NA | NA | NA | AUROC | NA |