深度学习在生物医药领域中的应用

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
181	2025-03-06	Using Attentive Network Layers for Identifying Relevant EEG channels for Subject-Independent Emotion Recognition Approaches 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781782 PMID:40039982	研究论文	本研究探讨了使用注意力网络层识别与情绪识别相关的EEG通道，以开发独立于受试者的情绪识别方法	使用注意力网络层识别情绪处理中的共享模式，以提高独立于受试者的情绪识别模型的泛化能力	样本量较小（15名个体），且模型的平均准确率仅为46%	开发独立于受试者的情绪识别方法，以支持抑郁症、焦虑症和神经退行性疾病的诊断和治疗	15名个体的EEG信号	机器学习	抑郁症、焦虑症、神经退行性疾病	EEG信号分析	注意力网络层	EEG信号	15名个体
182	2025-03-06	Deep Learning-Based Estimation of Arterial Stiffness from PPG Spectrograms: A Novel Approach for Non-Invasive Cardiovascular Diagnostics 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782553 PMID:40040001	研究论文	本研究提出了一种基于深度学习的方法，利用光电容积描记图（PPG）信号的频谱图来估计颈动脉至股动脉脉搏波速度（cf-PWV），以非侵入性方式评估动脉硬度	创新点在于直接使用精细调整的频谱图图像，绕过了复杂的特征提取过程，采用改进的ResNet-18架构进行分析	研究基于模拟数据集，可能无法完全反映真实世界中的复杂情况	开发一种非侵入性方法来准确估计动脉硬度，以早期检测和管理心血管疾病	4374名健康成年人的数字、桡骨和肱动脉的PPG信号	机器学习和数字病理学	心血管疾病	深度学习	改进的ResNet-18	图像（PPG信号频谱图）	4374名健康成年人
183	2025-03-06	Monotone Accelerated Proximal Gradient Network For Bioluminescence Tomography Reconstruction 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782981 PMID:40040028	研究论文	本文提出了一种新颖的单调加速近端梯度网络（MAPG-net），用于生物发光断层扫描重建，结合了正则化方法和图注意力（GAT）的优点	结合正则化方法和图注意力（GAT）的优点，提出了一种新颖的单调加速近端梯度网络（MAPG-net），增强了网络的稳定性和可解释性	正则化算法的参数选择和深度学习方法较差的解释性仍然是影响重建结果和阻碍其适用性的关键因素	克服生物发光断层扫描（BLT）中的光子散射效应和不适定逆问题，提高重建结果的稳定性和可解释性	生物发光断层扫描（BLT）数据	数字病理学	肿瘤	生物发光断层扫描（BLT）	单调加速近端梯度网络（MAPG-net）	非欧几里得数据	NA
184	2025-03-06	Swallowing Assessment using High-Resolution Cervical Auscultations and Transformer-based Neural Networks 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782280 PMID:40040030	研究论文	本文探讨了使用高分辨率颈部听诊（HRCA）和基于Transformer的神经网络进行吞咽评估的能力	本文首次将Transformer模型应用于HRCA信号分析，以评估吞咽运动学，特别是在上食管括约肌开放和喉前庭闭合方面的应用	研究仅使用了HRCA信号，未与其他吞咽评估方法（如VFSS）进行对比	研究目的是通过HRCA信号和Transformer模型来提高吞咽运动学分析的准确性和泛化能力	研究对象为吞咽运动学，特别是上食管括约肌开放和喉前庭闭合	机器学习	吞咽障碍	高分辨率颈部听诊（HRCA）	Transformer	信号数据	未明确提及样本数量
185	2025-03-06	Remote Motor Rehabilitation: EMG-IMU based Deep Learning Model Improves the Estimate of Wrist Kinematics 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782268 PMID:40040042	研究论文	本文提出了一种基于深度学习的模型，用于连续解码手部运动，通过使用可穿戴设备采集的EMG-IMU数据，改进了手腕运动学的估计	提出了一种结合卷积神经网络和门控循环单元的深度学习模型，能够更好地捕捉表面EMG与运动学之间的复杂关系，并提高了跨受试者的泛化能力	研究仅在健康受试者中进行，未涉及实际患者群体，且样本量较小（27人）	改进在家庭等非受控环境中的运动康复技术，特别是手腕运动学的解码	手腕运动学	机器学习	NA	EMG-IMU数据采集	卷积神经网络（CNN）和门控循环单元（GRU）	EMG和IMU数据	27名健康受试者
186	2025-03-06	SLUMBR: SLeep statUs estiMation from aBdominal Respiratory effort 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782490 PMID:40040055	研究论文	本文提出了一种新颖的深度学习方法，通过腹部呼吸努力信号来估计睡眠状态	使用卷积神经网络从腹部呼吸努力信号中估计睡眠状态，无需侵入性设备和手动处理	研究样本量较小，仅包含53名参与者的数据	开发一种更便捷的睡眠监测方法	睡眠状态	机器学习	NA	深度学习	卷积神经网络 (CNN)	腹部呼吸努力信号	53名参与者的476小时手动注释的多导睡眠图记录
187	2025-03-06	Breast Cancer Tissue Classification from Multiple Annotators using Chained Deep Learning Approaches 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782427 PMID:40040078	研究论文	本文探讨了使用多注释者数据集进行乳腺癌组织分类的深度学习方法	提出了基于交叉熵函数（RCDNN）和广义交叉熵函数（GCEDL）的两种损失函数，用于处理多注释者场景	多注释者场景下的数据标注不一致性可能影响模型性能	提高乳腺癌组织分类的准确性和效率，减少诊断时间	乳腺癌组织	数字病理学	乳腺癌	深度学习	RCDNN, GCEDL	图像	由专家和非专家注释的数据集
188	2025-03-06	SimICL: A Simple Visual In-context Learning Framework for Ultrasound Segmentation 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782048 PMID:40040071	研究论文	本文提出了一种名为SimICL的简单视觉上下文学习框架，用于超声图像分割，旨在减少医学影像领域中对专家标注的依赖，并提高模型的泛化能力	结合视觉上下文学习与掩码图像建模（MIM），提出了一种新的自监督学习方法SimICL，显著提高了超声图像分割的准确性和效率	研究仅在手腕超声数据集上进行了验证，尚未在其他类型的医学影像数据上测试其通用性	开发一种新的视觉上下文学习方法，以减少医学影像分析中对专家标注的依赖，并提高模型的泛化能力	手腕超声图像中的骨骼结构分割	计算机视觉	骨折	掩码图像建模（MIM）	SimICL	图像	3822张图像，来自18名患者
189	2025-03-06	Baseline-Guided Representation Learning for Noise-Robust EEG Signal Classification 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781970 PMID:40040096	研究论文	本文提出了一种名为BGNet的新型深度学习框架，利用未充分利用的基线EEG信号进行动态噪声抑制和鲁棒特征提取，以提高运动想象（MI）EEG分类的准确性	BGNet框架通过数据增强、自编码器、特征对齐模块和分类器的组合，实现了对噪声EEG信号的动态噪声抑制和鲁棒特征提取，显著提高了分类性能	NA	提高脑机接口（BCI）中噪声EEG信号的分类准确性	脑电图（EEG）信号	机器学习	NA	深度学习	自编码器	EEG信号	BCIC IV 2a和2b数据集
190	2025-03-06	Spatial Attention-Enhanced Encoder-Decoder Network for Accurate Segmentation of the Prostate's Transition Zone 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781592 PMID:40040093	研究论文	本文提出了一种空间注意力增强的编码器-解码器网络，用于精确分割前列腺的过渡区	提出了一种结合空间注意力模块和残差连接的空间残差U-Net（Spatial ResU-Net）深度学习网络，用于前列腺过渡区的分割	未提及具体的研究局限性	提高前列腺及其子结构的分割精度，以可靠地定位和表征前列腺癌	前列腺的过渡区	计算机视觉	前列腺癌	深度学习	Spatial ResU-Net	图像	未提及具体样本数量
191	2025-03-06	Advancing Chest X-ray Diagnostics via Multi-Modal Neural Networks with Attention 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781551 PMID:40040114	研究论文	本文提出了一种结合预训练图像分类神经网络与患者及图像元数据的多模态神经网络方法，用于提升胸部X光图像的诊断精度	通过整合患者和图像元数据，显著提高了诊断精度，并有效减少了假阳性	未提及具体的数据集规模或多样性限制	提升胸部X光图像在呼吸系统疾病诊断中的准确性	胸部X光图像及相关的患者和图像元数据	计算机视觉	呼吸系统疾病	深度学习	多模态神经网络	图像及元数据	NA
192	2025-03-06	Bacteria Detection in Optical Endomicroscopy Images using Synthetic Images 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781794 PMID:40040125	研究论文	本文提出了一种在光学内窥镜图像中使用合成图像进行细菌检测的新方法	引入了一种生成合成细菌图像的新方法，使深度学习技术得以应用于光学内窥镜图像分析	依赖于合成图像的质量和真实性，且需要进一步验证在真实临床环境中的效果	提高光学内窥镜图像中细菌检测的准确性和效率	光学内窥镜图像中的细菌	数字病理学	肺炎	光学内窥镜成像	3D U-Net	图像	NA
193	2025-03-06	Profiling a Raspberry Pi-Based Motor Imagery Classification to Facilitate At-Home BCI for Children with Disabilities 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781873 PMID:40040137	研究论文	本研究开发了一个基于树莓派4的高效且可扩展的机器学习框架，用于促进家庭使用的脑机接口（BCI）系统，特别是针对严重身体残疾的儿童	通过评估树莓派4在执行标准BCI过程中的行为特征，包括分类器模型的训练和评估，展示了其在低计算资源下的可行性	高资源需求的分类器（如人工神经网络）在实施时需要仔细考虑，这可能会降低采用实用、有影响力的家庭BCI系统的潜在成本和复杂性	开发一个高效且可扩展的机器学习框架，以促进家庭使用的脑机接口（BCI）系统	严重身体残疾的儿童	机器学习	残疾	机器学习	人工神经网络（ANN），Riemannian Geometry（RG）框架	NA	NA
194	2025-03-06	EMGCipher: Decoding Electromyography for Upper-limb Gesture Classification with Explainable AI for Resource Optimization 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782747 PMID:40040141	研究论文	本文介绍了一种名为EMGCipher的可解释深度学习框架，用于使用表面肌电图（sEMG）进行上肢手势分类	EMGCipher结合了低层次sEMG特征表示和深度学习模型的知识，定量评估输入传感器和特征在手势分类中的概率显著性，从而在可解释性和性能之间架起桥梁	NA	提高上肢手势分类的透明性和性能	上肢手势分类	机器学习	NA	表面肌电图（sEMG）	深度学习（DL）	肌电图数据	Ninapro DB5数据集
195	2025-03-06	Detection of Sleep Apnea-Hypopnea Events Using Millimeter-wave Radar and Pulse Oximeter 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782344 PMID:40040165	研究论文	本研究提出了一种使用毫米波雷达和脉搏血氧仪检测睡眠呼吸暂停-低通气事件（SAE）的方法，称为ROSA	结合毫米波雷达和脉搏血氧仪的信息，直接预测SAE的时间定位，提高了检测的准确性和实用性	雷达检测易受身体运动和环境干扰，脉搏血氧仪单独使用也有局限性	开发一种低成本、低负荷的设备用于阻塞性睡眠呼吸暂停-低通气综合征（OSAHS）的诊断	阻塞性睡眠呼吸暂停-低通气综合征（OSAHS）患者	数字病理	老年疾病	毫米波雷达和脉搏血氧仪	NA	生理信号	NA
196	2025-03-06	Robust EEG-based Emotion Recognition Using an Inception and Two-sided Perturbation Model 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782060 PMID:40040181	研究论文	本文提出了一种基于Inception特征生成器和双面扰动（INC-TSP）的方法，用于增强脑机接口中的情绪识别	结合Inception模块进行EEG数据分析，并采用双面扰动（TSP）作为防御机制，以增强模型对输入扰动的弹性	NA	提高在输入不确定性存在的情况下情绪识别的准确性	脑电图（EEG）信号	脑机接口	NA	Inception模块，双面扰动（TSP）	Inception	EEG信号	NA
197	2025-03-06	Residual Neural Networks for the Prediction of the Regularization Parameters in PET Reconstruction 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782195 PMID:40040188	研究论文	本文提出了一种基于残差神经网络的监督深度学习策略，用于预测PET重建中的正则化参数	使用残差神经网络自动预测PET重建算法中的最优正则化参数，相比传统手动调参方法提高了图像重建质量	研究基于合成数据集，可能在实际临床数据上的表现有待验证	优化PET图像重建过程中的正则化参数设置，以提高图像质量	PET重建算法中的正则化参数	医学影像	NA	深度学习	残差神经网络	2D sinograms	合成数据集
198	2025-03-06	Deep Learning Analysis of Retinal Structures and Risk Factors of Alzheimer's Disease 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782580 PMID:40040194	研究论文	本研究利用深度神经网络分析阿尔茨海默病的风险因素与视网膜结构之间的关系	首次使用深度神经网络探索视网膜结构与阿尔茨海默病风险因素之间的关联，并发现视网膜成像生物标志物	未提及样本量及数据来源的具体细节，可能影响结果的普适性	探索阿尔茨海默病的早期筛查方法	阿尔茨海默病患者的视网膜结构	计算机视觉	阿尔茨海默病	深度神经网络	深度神经网络	图像	NA
199	2025-03-06	Integrating Microfluidics and Deep Learning to Investigate Entomopathogenic Nematode Responses to Host Cues 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782918 PMID:40040185	研究论文	本研究结合微流控技术和深度学习，研究了昆虫病原线虫对宿主线索的反应	提出了一种结合微流控、深度学习和光流分析的混合方法，用于研究昆虫病原线虫的行为	NA	优化昆虫病原线虫的应用，以降低农药对健康和环境的影响	昆虫病原线虫（Steinernema carpocapsae）	生物学与工程学交叉领域	NA	微流控技术、光流分析	卷积神经网络（CNN）	视频数据	NA
200	2025-03-06	Classification of Carotid Plaque with Jellyfish Sign Through Convolutional and Recurrent Neural Networks Utilizing Plaque Surface Edges 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782813 PMID:40040199	研究论文	本文提出了一种基于超声视频的深度学习方法，用于分类颈动脉斑块中的水母征	结合卷积神经网络和循环神经网络，利用斑块表面边缘信息进行水母征分类	研究仅基于200名患者的超声视频图像，样本量可能有限	开发一种有效的方法来检测颈动脉斑块中的水母征，以预防脑梗死	颈动脉斑块	计算机视觉	心血管疾病	超声视频分析	CNN, RNN	视频	200名患者的超声视频图像