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
101	2025-03-06	Fuzzy-Label Weighted Deep Learning Classification for CT Image Quality Evaluation 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/EMBC53108.2024.10782438 PMID:40039488	研究论文	本文提出了一种基于模糊标签加权的深度学习图像分类方法，用于评估计算机断层扫描（CT）图像质量	提出了模糊标签加权方法，并引入了“模糊标签”概念以反映标注者对地面真实标注的信心，从而辅助基于深度学习的图像分类训练	仅使用单一标注者提供的注释进行训练，可能影响模型的泛化能力	评估CT图像质量，确定在特定辐射剂量下捕获的CT图像是否通过质量评估（QA）	CT图像	计算机视觉	NA	深度学习	深度学习图像分类模型	图像	NA
102	2025-03-06	Baseline Drift Tolerant Signal Encoding for ECG Classification with Deep Learning 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/EMBC53108.2024.10782759 PMID:40039501	研究论文	本研究提出了一种名为Derived Peak (DP)编码的非参数方法，用于提高基于深度学习的ECG分类对基线漂移等常见伪影的鲁棒性	DP编码方法对信号的平移和缩放伪影具有不变性，且无需用户定义参数，简化了实现过程	NA	提高自动化ECG分析和解释对常见伪影的鲁棒性	12导联ECG数据	机器学习	心血管疾病	DP编码	1D-ResNet-18	ECG信号	18,869名参与者的PTB-XL数据集
103	2025-03-06	Label Noise-Robust Ensemble Deep Multimodal Framework For Neuroimaging 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/EMBC53108.2024.10782672 PMID:40039505	研究论文	本文提出了一种用于神经影像数据的标签噪声鲁棒性集成深度学习框架，旨在识别精神疾病的大脑标记物	结合深度卷积框架和bagging方法，处理诊断分类中的标签噪声问题，并识别潜在的生物标志物	依赖于现有的诊断类别，可能存在分类不清晰的问题	提高神经影像数据在精神疾病诊断中的分类性能，并减少标签噪声的影响	情绪和精神病类别的结构性和功能性MRI数据	神经影像分析	精神疾病	深度卷积框架，bagging方法	CNN	MRI数据	NA
104	2025-03-06	High-rate emphasized DeepLabV3Plus for Semantic Segmentation of Breast Cancer-related Hematoxylin and Eosin-stained 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/EMBC53108.2024.10782325 PMID:40039512	研究论文	本文提出了一种深度卷积神经网络模型，用于乳腺癌相关H&E染色图像的分割，通过增强Atrous可分离卷积和高比率空间金字塔池化来提高性能	在DeepLabV3Plus模型中引入了高比率的Atrous可分离卷积，增强了空间金字塔池化，从而提高了乳腺癌相关H&E染色图像的语义分割性能	未提及模型在其他类型癌症或病理图像上的泛化能力	提高乳腺癌相关H&E染色图像的语义分割性能	乳腺癌相关的H&E染色图像	数字病理学	乳腺癌	深度学习	DeepLabV3Plus, ResNet50	图像	三种组织类型：肿瘤、肿瘤浸润淋巴细胞和基质
105	2025-03-06	High-Quality Medical Image Generation from Free-hand Sketch 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/EMBC53108.2024.10781774 PMID:40039523	研究论文	本文提出了一种名为Sketch2MedI的模型，能够从手绘草图中生成高质量的医学图像	Sketch2MedI模型通过将手绘草图编码到StyleGAN的潜在空间中，从而生成医学图像，这种方法仅需要合成草图进行训练，具有成本效益	模型依赖于合成草图进行训练，可能在实际应用中对手绘草图的泛化能力有限	研究目的是开发一种能够从手绘草图中生成高质量医学图像的模型	手绘草图和生成的医学图像	计算机视觉	NA	StyleGAN	Sketch2MedI	图像	NA
106	2025-03-06	Hybrid Model Design For Protein Function Prediction 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/EMBC53108.2024.10781799 PMID:40039529	研究论文	本文设计了一种基于传统和深度学习方法的混合模型，用于预测蛋白质功能，旨在提高预测准确性	结合了高效的序列比对工具DIAMOND和深度学习方法，通过融合序列特征、域特征和蛋白质-蛋白质相互作用特征，优化了蛋白质功能预测模型	未提及模型在特定类型蛋白质或复杂功能预测上的局限性	提高蛋白质功能预测的准确性，以支持药物开发和健康监测	蛋白质序列及其功能	生物信息学	NA	序列比对（DIAMOND）、深度学习	混合模型（传统方法+深度神经网络）	蛋白质序列数据	未明确提及样本数量
107	2025-03-06	Embryonic Quality Assessment using Advanced Deep Learning Architectures utilizing Microscopic Images of Blastocysts 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/EMBC53108.2024.10782620 PMID:40039541	研究论文	本文利用先进的深度学习架构评估胚胎质量，通过处理胚胎显微图像提高辅助生殖技术的成功率	采用图卷积网络（GCN）和图注意力网络（GAT）等深度学习模型，显著提高了胚胎质量评估的准确性和特异性	未提及样本的具体数量及多样性，可能影响模型的泛化能力	提高胚胎质量评估的准确性和效率，以增加体外受精的成功率	胚胎显微图像	计算机视觉	NA	深度学习	GCN, GAT	图像	NA
108	2025-03-06	Electrocardiographic Classification using Deep Learning with Lead Switching 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/EMBC53108.2024.10781949 PMID:40039540	研究论文	本文提出了一种基于神经网络的ECG分类方法，通过切换观察导联来提高分类性能	创新点在于使用导联切换策略，而非传统的固定导联，以提高ECG信号的分类性能	研究仅限于6,877个ECG记录，可能无法涵盖所有类型的ECG异常	研究目的是提高心电图（ECG）信号中节律和形态异常的分类性能	研究对象是心电图（ECG）信号	机器学习	心血管疾病	深度学习	神经网络	ECG信号	6,877个ECG记录，包含九种诊断
109	2025-03-06	Exploring Pre-trained General-purpose Audio Representations for Heart Murmur 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/EMBC53108.2024.10782479 PMID:40039556	研究论文	本研究探讨了在大规模数据集上预训练的通用音频表示在心脏杂音检测中的迁移学习潜力	首次将自监督学习模型Masked Modeling Duo (M2D)应用于心脏杂音检测，并展示了其优越性能	心脏声音数据集规模有限，可能影响模型的泛化能力	探索预训练的通用音频表示在心脏杂音检测中的应用	心脏声音数据	机器学习	心血管疾病	自监督学习	Masked Modeling Duo (M2D)	音频	CirCor DigiScope心脏声音数据集
110	2025-03-06	Automated Abnormality Detection in Patient Retinal Function: A Deep Learning-Powered Electroretinogram Analysis System 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/EMBC53108.2024.10782233 PMID:40039563	研究论文	本文介绍了一种基于深度学习的视网膜电图（ERG）分析系统，用于自动检测患者视网膜功能的异常	提出了一种新颖的深度学习系统，能够自动分析ERG波形，快速检测视网膜功能异常	系统的F1-score为77.59%，仍有提升空间	开发一种自动化工具，辅助电生理学家和眼科医生快速评估视网膜功能异常	患者的视网膜电图（ERG）数据	数字病理学	视网膜疾病	深度学习	NA	视网膜电图（ERG）波形数据	470名患者的5,640条ERG记录
111	2025-03-06	Modem Myoelectric Control - Is it Time to Change the Algorithmic Focus? 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/EMBC53108.2024.10782511 PMID:40039587	研究论文	本文探讨了肌电图（EMG）信号分析的发展趋势，重点关注深度学习算法在手、腕和手指运动识别中的应用	提出了一种新的多信号波形长度（MSWL）方法，并与现有的深度学习和传统方法进行了比较，挑战了深度学习在EMG模式识别中的主导地位	深度学习算法的高计算成本可能限制其在资源有限设备上的临床转化	评估和比较深度学习和传统方法在EMG模式识别中的性能，探讨是否需要改变算法焦点	22名参与者的EMG数据，进行11种手和腕部运动	机器学习	NA	EMG信号分析	深度学习（DL）、随机卷积核变换（ROCKET）、波形长度相位（WLPHASOR）、均方根相位（RMSPHASOR）、多信号波形长度（MSWL）	EMG信号	22名参与者，使用两个EMG臂带（分别为10和8通道）
112	2025-03-06	Deep Learning Method for Estimating Germ-layer Regions of Early Differentiated Human Induced Pluripotent Stem Cells on Micropattern Using Bright-field Microscopy Image 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/EMBC53108.2024.10782655 PMID:40039597	研究论文	本研究提出了一种深度学习方法，用于在明场显微镜图像上估计免疫荧光区域，以评估人类诱导多能干细胞（hiPSCs）的分化状态和三个胚层的形成过程	利用深度学习技术从明场图像估计荧光图像，避免了活细胞染色的高成本和潜在安全问题，为hiPSCs的多能性评估和胚层形成过程的无染色分析提供了新工具	未提及样本量大小，可能影响方法的普适性和可靠性	开发一种无需细胞染色的方法，用于评估hiPSCs的分化状态和胚层形成过程	人类诱导多能干细胞（hiPSCs）及其分化形成的三个胚层细胞	数字病理学	NA	深度学习	NA	图像	NA
113	2025-03-06	Knowledge-guided EEG Representation Learning 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/EMBC53108.2024.10782310 PMID:40039591	研究论文	本文提出了一种自监督学习模型，用于EEG信号的表示学习，通过状态空间深度学习架构和知识引导的预训练目标，提高了嵌入表示学习和下游任务的性能	提出了一种新的知识引导的预训练目标，考虑了EEG信号的特异性，显著减少了预训练数据的需求	未明确提及具体局限性	改进EEG信号的表示学习，提升下游推理任务的性能	EEG信号	机器学习	NA	自监督学习	状态空间深度学习架构	EEG信号	未明确提及样本数量
114	2025-03-06	Deep Learning for identifying systolic complexes in SCG traces: a cross-dataset analysis 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/EMBC53108.2024.10782433 PMID:40039595	研究论文	本文探讨了深度学习在识别SCG信号中的收缩期复合体中的应用，并进行了跨数据集分析	首次在跨数据集和真实世界场景中测试深度学习模型，展示了个性化步骤的重要性以及多通道方法的优势	之前的研究仅在受控环境下测试，且仅使用单一数据集，忽略了跨数据集场景的挑战	研究深度学习在识别SCG信号中收缩期复合体的有效性，并探索跨数据集和真实世界场景中的应用	SCG信号中的收缩期复合体	机器学习	心血管疾病	深度学习	深度学习模型	SCG信号	NA
115	2025-03-06	3D Multi-feature fusion convolutional network for Alzheimer's disease diagnosis 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/EMBC53108.2024.10782006 PMID:40039602	研究论文	本文提出了一种用于阿尔茨海默病诊断的3D多特征融合卷积网络，通过结构磁共振成像（sMRI）捕捉海马体的结构变化，提高诊断准确性	提出了一个双流多特征深度学习模型，首次在海马体的三角网格上建立了3D空间结构和形态萎缩特征的描述系统，并引入了厚度特征和热核签名（HKS）特征来编码形态萎缩特征	研究主要基于ADNI数据库的数据，样本来源较为单一，可能限制了模型的泛化能力	提高阿尔茨海默病的诊断准确性	阿尔茨海默病患者（Aβ+ AD）和正常认知者（Aβ- NC）	数字病理学	老年病	结构磁共振成像（sMRI）	3D多特征融合卷积网络	3D图像	269名Aβ+ AD患者和437名Aβ- NC受试者
116	2025-03-06	A CNN-GNN Approach for Polarity Vectors Prediction in 3D Microscopy 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/EMBC53108.2024.10781861 PMID:40039635	研究论文	本文提出了一种结合卷积神经网络（CNN）和图神经网络（GNN）的新方法，用于预测3D显微镜图像中核与高尔基体的极性向量	首次提出使用GNN进行核与高尔基体链接预测，结合CNN和GNN的方法在极性向量检测上显著优于传统方法	方法仅在鼠视网膜的3D显微镜图像上进行了验证，尚未在其他细胞类型或生物体上测试	开发一种自动化且准确的方法来检测核与高尔基体的极性向量，以促进对细胞过程的研究	鼠视网膜的3D显微镜图像中的核与高尔基体	计算机视觉	NA	3D显微镜成像	CNN, GNN	3D图像	未明确说明样本数量，但研究对象为鼠视网膜的3D显微镜图像
117	2025-03-06	From Sprint to Recovery: LSTM-Powered Heart Rate Recovery Forecasting in HIIT Sessions 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/EMBC53108.2024.10781668 PMID:40039643	研究论文	本文开发了一个深度学习框架，用于预测高强度间歇训练后的心率恢复模式	结合信号处理技术和先进的深度学习架构，特别是基于LSTM的编码器-解码器架构，并使用特定任务的损失函数来提高模型的准确性和鲁棒性	NA	预测高强度间歇训练后的心率恢复模式，以优化运动训练和健康监测	高强度间歇训练期间的心率数据	机器学习	NA	深度学习	LSTM	信号数据	NA
118	2025-03-06	Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals 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/EMBC53108.2024.10782666 PMID:40039647	研究论文	本研究开发了一种基于视觉Transformer的方法，用于从单导联心电图数据中识别心房颤动，并与残差网络方法进行比较	采用视觉Transformer方法提高心房颤动检测的可解释性，并识别心电图信号中的关键特征	模型尚未在临床诊断中广泛接受，部分原因是AI算法的黑箱特性	提高心房颤动检测的自动化水平，并增强模型的可解释性	单导联心电图数据	计算机视觉	心血管疾病	深度学习	视觉Transformer, ResNet	心电图信号	Chapman-Shaoxing数据集
119	2025-03-06	Transfer Learning with Interpretability: Liver Segmentation in CT and MR using Limited Dataset 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/EMBC53108.2024.10782042 PMID:40039644	研究论文	本文提出了一种利用迁移学习和UNet架构进行CT和MR肝脏分割的通用解决方案，解决了深度学习网络需要大量数据的难题	利用公开数据训练模型，并通过有限的目标域数据进行进一步训练，避免了资源密集型模型的需求，同时引入了可解释的人工智能（XAI）以确保模型预测的透明度	需要依赖公开数据进行初步训练，且目标域数据有限	开发一种在时间和数据资源受限的情况下有效的肝脏分割方法	CT和MR图像中的肝脏实质	计算机视觉	肝脏疾病	深度学习	UNet	图像	NA
120	2025-03-06	Multi-class Prediction of Cognitively Normal / Mild Cognitive Impairment / Alzheimer's Disease Status in Dementia Based on Convolutional Neural Networks with Attention Mechanism 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/EMBC53108.2024.10781557 PMID:40039646	研究论文	本文开发了一种基于MRI的深度学习和多类阿尔茨海默病分类预测框架，用于区分认知正常、轻度认知障碍和阿尔茨海默病状态	在传统的VGG19架构中嵌入了卷积块注意力模块（CBAM）注意力层，构建了名为AD_Net的阿尔茨海默病定向预测3D卷积模型，并开发了基于多层感知器（MLP）的模型以整合年龄、性别和简易精神状态检查评分等额外因素	未提及样本量的具体细节，且模型在包含方向性影响因素的组别中预测准确率较低（51.2%）	开发一种基于深度学习的模型，用于阿尔茨海默病的早期诊断	阿尔茨海默病、轻度认知障碍和认知正常状态的MRI图像	计算机视觉	阿尔茨海默病	MRI	CNN（VGG19架构）与注意力机制（CBAM）结合，以及MLP	图像（MRI）	NA