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
21	2025-05-17	Integrated Multi-Omics and Whole Slide Images for Survival Prediction in Glioblastoma Using Multiple Instance Learning and Co-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/EMBC53108.2024.10782321 PMID:40039442	研究论文	本研究旨在通过整合全切片图像和多组学数据，结合生物通路知识，利用多实例学习和共注意力机制，提高胶质母细胞瘤的生存预测准确性	首次将多组学数据与全切片图像结合，利用生物通路知识进行整合，并通过多实例学习和共注意力机制提高预测性能	研究样本量相对较小（214例患者），且仅使用了TCGA数据库的数据	提高胶质母细胞瘤（GBM）患者的生存预测准确性	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	RNA测序、拷贝数变异分析、DNA甲基化分析	多实例学习和共注意力机制	全切片图像和多组学数据	214例GBM患者，包括447张全切片图像和多种多组学特征
22	2025-05-17	Automatic COVID-19 Detection from Chest X-ray using Deep MobileNet Convolutional Neural Network 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/EMBC53108.2024.10781897 PMID:40039689	research paper	该研究提出了一种基于深度迁移学习MobileNetV2模型的自动检测COVID-19的方法，通过胸部X光片(CXR)进行病毒检测	结合预训练的MobileNetV2 CNN模型和SVM分类器，提高了COVID-19检测的准确率，从基线模型的92.28%提升至93.2%	NA	开发一种自动检测COVID-19的计算工具，以应对全球医疗系统的压力	胸部X光片(CXR)数据	computer vision	lung cancer	deep learning, transfer learning	MobileNetV2, CNN, SVM	image	NA
23	2025-05-16	Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240230 PMID:39049336	研究论文	本研究开发了一种基于深度学习和人工智能的气管插管监测系统，并与传统方法进行了比较评估	提出了一种新型的AI监测系统，用于实时检测气管插管移位或脱落，相比传统方法具有更高的及时性和准确性	研究尚未完成，实际效果需要通过后续随机交叉实验验证	评估AI监测系统在气管插管管理中的有效性，促进医疗护理领域的创新应用	气管插管患者	医疗人工智能	NA	深度学习	深度学习模型（未指定具体类型）	临床监测数据	NA（研究尚未完成）
24	2025-05-16	Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters 2024-07-24, Studies in health technology and informatics DOI:10.3233/SHTI240231 PMID:39049337	research paper	该研究提出了一种深度学习模型，用于预测外周静脉导管（PIVC）插入患者的静脉炎	利用深度学习模型预测静脉炎，并在大规模电子健康记录数据上验证其性能，准确率和AUC均表现优异	研究数据仅来自韩国首尔的一家医院，可能缺乏普遍性	开发一种有效的工具，用于早期检测静脉炎，以改善患者预后和医疗效率	接受外周静脉导管（PIVC）插入的患者	machine learning	静脉炎	电子健康记录数据分析	深度学习模型	电子健康记录数据	27,532次住院记录和70,293次PIVC事件
25	2025-05-12	EEG Emotion Recognition Based on 3D-CTransNet 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/EMBC53108.2024.10782401 PMID:40031451	research paper	提出了一种基于3D-CTransNet的EEG情绪识别方法，用于解决传统CNN-LSTM混合结构在长序列信号识别中的性能下降问题	采用混合CNN-Transformer结构（3D-CTransNet），引入自注意力机制和平行模式，提高了识别精度和处理速度	未提及具体局限性	改进脑机接口深度学习模型，提升EEG信号中复杂特征的识别能力	EEG信号	脑机接口	NA	EEG信号处理	CNN-Transformer混合结构（3D-CTransNet）	3D数据	公共数据集DEAP
26	2025-05-12	An Attention-Based Hybrid Deep Learning Approach for Patient-Specific, Cross-Patient, and Patient-Independent Seizure Detection 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/EMBC53108.2024.10782346 PMID:40031456	研究论文	提出了一种基于注意力机制的混合深度学习方法，用于患者特异性、跨患者和患者独立的癫痫发作检测	结合1D CNN、MLSTM和多注意力层（MAT）的混合深度学习框架，能够同时提取空间和时间特征，并进行特征融合	方法在临床应用中可能面临新患者数据适应性的挑战	开发一种适用于不同患者群体的自动癫痫发作检测方法	癫痫患者的EEG数据	机器学习	癫痫	EEG信号分析	1D CNN, MLSTM, 多注意力层（MAT）	EEG信号数据	CHB-MIT EEG数据集
27	2025-05-12	Multi-dataset Collaborative Learning for Liver Tumor 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/EMBC53108.2024.10781844 PMID:40031465	研究论文	提出一种利用外部公开数据集进行MRI肝脏和肿瘤分割的多数据集协作学习方法	采用伪标签、非配对图像到图像转换和自集成学习技术，显著提升了肝脏和肿瘤分割的性能	依赖于外部数据集的可用性，且未明确说明数据集的规模和多样性	提高MRI肝脏和肿瘤自动分割的准确性和鲁棒性	MRI肝脏和肿瘤图像	数字病理	肝癌	伪标签、非配对图像到图像转换、自集成学习	nnU-Net	MRI图像	NA
28	2025-05-12	EEG-Based Tension Recognition Annotated with Electrodermal Activity 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/EMBC53108.2024.10782145 PMID:40031475	research paper	提出了一种通过整合皮肤电活动（EDA）和脑电图（EEG）数据来精确标注情绪的新方法	利用EDA作为情绪唤醒的心理生理标记，为EEG数据提供高唤醒和低唤醒的精确标注	现有标注方法通常为整个视频分配统一标签，忽略了观看过程中受试者情绪唤醒的变化	提高情绪EEG数据集的标注精确度，增强情绪识别的准确性	情绪EEG数据集	machine learning	NA	electrodermal activity (EDA), EEG	machine learning, deep learning	EEG数据	初始训练集中的71.75%数据
29	2025-05-12	Channel Stacking: A Rapid Classification Method for Parkinson's Disease Based on EEG Data 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/EMBC53108.2024.10782619 PMID:40031483	research paper	本文介绍了一种名为'通道堆叠'的技术，用于基于脑电图数据准确识别帕金森病	提出'通道堆叠'技术，结合多通道信息为模型准备输入信号，使深度学习架构能高效捕获跨通道信息	NA	开发一种快速分类方法，用于帕金森病的准确识别	帕金森病患者	machine learning	帕金森病	EEG	ResNet18	EEG信号	NA
30	2025-05-12	RTA-Former: Reverse Transformer Attention for Polyp 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/EMBC53108.2024.10782181 PMID:40031481	研究论文	本文提出了一种名为RTA-Former的新型网络，用于提高息肉分割的边缘准确性	创新性地在解码器中采用了反向注意力机制与Transformer阶段相结合的方法	未提及具体的局限性	提高基于Transformer的息肉分割准确性，以改善临床决策和患者结果	息肉分割	计算机视觉	结直肠癌	深度学习	Transformer, RTA-Former	图像	五个息肉分割数据集
31	2025-05-12	Automated Basilar Artery Lumen Segmentation for High Resolution in Black Blood MRI 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/EMBC53108.2024.10781514 PMID:40031485	研究论文	开发了一种自动图像分割技术，用于在基底动脉的黑血MR血管壁图像中检测管腔和壁边界	利用Detectron2/Mask RCNN深度学习模型实现基底动脉管腔和壁的自动分割，通过迁移学习有效标记薄血管结构	研究数据集较小，仅包含26个MRI扫描	开发自动化图像分割技术以评估基底动脉疾病的管腔形状和壁厚	基底动脉的管腔和壁	数字病理学	脑血管疾病	黑血MR血管壁成像	Detectron2/Mask RCNN	MRI图像	26个MRI扫描（20个用于训练，6个用于测试），169个基底动脉横截面图像
32	2025-05-12	Via Multi-attention Guided UNet for Thyroid Nodule Segmentation of Ultrasound 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/EMBC53108.2024.10782780 PMID:40031497	research paper	提出了一种多注意力引导的UNet（MAUNet）用于甲状腺结节超声图像分割	引入了多尺度交叉注意力（MSCA）模块和双注意力（DA）模块，减少了结节形状和大小对分割结果的影响	未提及具体的数据集大小或多样性限制	提高甲状腺结节超声图像分割的准确性	甲状腺结节超声图像	computer vision	thyroid disease	deep learning	UNet with multi-attention modules	ultrasound images	多中心超声图像，来自17家医院
33	2025-05-12	A Method of Cross-Subject Transfer Learning for Ultra Short Time SSVEP 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/EMBC53108.2024.10782593 PMID:40031504	研究论文	提出了一种名为CSA-GSDANN的新方法，用于超短时间SSVEP分类的跨主体迁移学习	结合了全局注意力机制(GAM)和优化的SSVEPNet以及预训练方法CSA，采用领域对抗神经网络(DANN)框架，显著提高了超短时间输入场景下的SSVEP特征提取性能	仅在包含12个受试者的IMUT数据集上进行了评估，样本量相对较小	提高超短时间(小于0.2秒)SSVEP分类的准确性和信息传输率(ITR)	稳态视觉诱发电位(SSVEP)和脑机接口(BCIs)	脑机接口	NA	迁移学习，领域对抗神经网络(DANN)	SSVEPNet，约束卷积网络	脑电图(EEG)数据	12名受试者的IMUT数据集
34	2025-05-12	A Multi-branch Attention-based Deep Learning Method for ALS Identification with sMRI Data 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/EMBC53108.2024.10782847 PMID:40031506	research paper	提出一种基于多分支注意力的深度学习方法，用于利用sMRI数据识别肌萎缩侧索硬化症（ALS）	采用多分支框架提取脊髓各层次的通用特征，并结合注意力模块和多尺度模块，以更关注轴向平面中脊髓的重要区域	NA	提高利用脊髓sMRI数据识别ALS的准确性和效率	脊髓的结构性磁共振成像（sMRI）数据	digital pathology	肌萎缩侧索硬化症（ALS）	sMRI	多分支注意力深度学习模型	image	NA
35	2025-05-12	STFormer: Learning to Explore Spot Relationships for Spatial Transcriptomics Prediction from Histology of Colorectal Cancer 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/EMBC53108.2024.10782295 PMID:40031511	research paper	提出了一种名为STFormer的深度学习方法，用于从结直肠癌组织学预测空间转录组学数据	引入了Style-Aug模块增强特征泛化能力，以及Cross-WSI Transformer模块有效捕捉跨WSI的spot关系	未明确提及具体局限性	开发一种更准确预测空间转录组学数据的深度学习方法	结直肠癌组织学数据和空间转录组学数据	digital pathology	colorectal cancer	deep learning	Transformer	image (Whole Slide Image) and gene expression data	内部和外部数据集（具体数量未提及）
36	2025-05-12	Biologically Interpretable Model for Precise Recurrence Prediction of Non-Small Cell Lung Cancer 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/EMBC53108.2024.10782336 PMID:40031520	research paper	提出了一种名为BioPAN的新型生物信息通路感知神经网络，用于非小细胞肺癌（NSCLC）的精确复发预测	通过自动提取生物先验知识指导DNN模型架构，设计了一个基因-通路-生物过程-疾病的统一架构，赋予每个神经元实体意义，实现完全可解释的NSCLC复发预测	未提及具体样本量或数据集的局限性	提高非小细胞肺癌术前复发预测的精确性和临床适用性	非小细胞肺癌（NSCLC）患者	digital pathology	lung cancer	deep learning	Biologically Informed Pathway-Aware Neural Network (BioPAN)	genomic data	NA
37	2025-05-12	Instance-Wise MRI Reconstruction Based on Self-Supervised Implicit Neural Representation 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/EMBC53108.2024.10781752 PMID:40031522	research paper	提出了一种基于自监督隐式神经表示的MRI重建方法，仅需单个欠采样MRI实例进行训练	首次提出完全自监督的隐式神经表示方法，无需全采样MRI图像进行训练，并在图像和频域引入多种新型监督信号	方法性能尚未在多种MRI模态或大规模临床数据上进行验证	开发无需全采样监督的MRI加速重建方法	欠采样MRI图像	医学影像重建	NA	隐式神经表示	隐式神经表示模型	MRI图像	单个欠采样MRI实例
38	2025-05-12	PPG-Based Sleep Staging Using SleepPPGNet: Extension to Wearables, Improvements, Limitations 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/EMBC53108.2024.10781611 PMID:40038927	research paper	该研究扩展了基于PPG的睡眠分期模型SleepPPGNet的应用至可穿戴设备，并探讨了其改进和局限性	将SleepPPGNet模型应用于手腕佩戴设备收集的PPG数据，并引入活动计数作为额外输入以提高准确性	模型在心律正常的受试者中表现良好，但在心律失常患者中准确性下降10%	开发更高效的睡眠分期方法，减少对传统多导睡眠图的依赖	成年人的PPG数据	machine learning	sleep disorders	photoplethysmography (PPG)	SleepPPGNet	PPG信号和活动计数	未明确提及具体样本数量，但涉及成年人和心律失常患者
39	2025-05-12	Unsupervised 3D Lung Segmentation by Leveraging 2D Segment Anything 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/EMBC53108.2024.10782129 PMID:40038928	research paper	该研究提出了一种利用2D Segment Anything Model（SAM）进行无监督3D肺部分割的方法	通过利用基础的2D SAM模型进行2D切片分割并生成2D掩码，然后将同一受试者的多个2D掩码重建为一个3D掩码，实现了无需标注数据的无监督3D肺部分割	研究仅在LUNA16数据集上进行了评估，未在其他数据集上验证其泛化能力	开发一种无需标注数据的无监督3D肺部分割方法	3D肺部CT数据	digital pathology	lung cancer	SAM	3D segmentation model	3D CT image	LUNA16数据集
40	2025-05-12	A Cross-Feature Mutual Learning Framework to Integrate Functional Connectivity and Activity for Brain Disorder 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/EMBC53108.2024.10781810 PMID:40038938	研究论文	提出了一种跨特征互学习框架（CFML），用于整合功能连接性和活动性特征以提升脑部疾病分类性能	开发了一种端到端的混合特征学习框架，通过互学习策略促进TC和FNC特征的协作学习与知识迁移	未提及具体的数据集规模限制或模型泛化能力的详细评估	提升脑部疾病（如精神分裂症）的分类准确率	健康对照组（HC）和精神分裂症患者（SZ）的功能磁共振成像数据	数字病理学	精神分裂症	功能磁共振成像（fMRI）	RNN和Transformer结合的混合模型	时间序列数据和功能网络连接数据	未明确提及具体样本数量