深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
341	2025-12-05	Enabling Automatic Monitoring of Fluid Intake and Medical Adherence by Human Activities Recognition from a Wrist-Mounted MIMU Sensor 2025-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/EMBC58623.2025.11254658 PMID:41337333	研究论文	本研究通过手腕佩戴的MIMU传感器识别上肢手势，实现自动监测流体摄入和药物依从性	首次直接比较机器学习和深度学习模型，在单一MIMU传感器上实现高精度识别饮水与服药活动，准确率超过97%	仅使用单一手腕传感器，可能无法全面捕捉全身活动；样本可能局限于特定人群，未明确说明样本多样性	开发远程家庭健康监测系统，自动识别日常活动以评估老年人健康状况	老年人及脆弱人群的上肢日常活动，特别是饮水和服药行为	机器学习	老年疾病	磁惯性测量单元（MIMU）传感器	机器学习（ML）和深度学习（DL）模型	传感器数据（陀螺仪和磁力计）	NA	NA	NA	准确率	NA
342	2025-12-05	Deep Learning Models Generalization for Predicting 14-day Mortality in Traumatic Brain Injury Patients 2025-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/EMBC58623.2025.11254697 PMID:41337340	研究论文	本研究评估了深度学习模型在预测巴西不同地区创伤性脑损伤患者14天死亡率方面的泛化能力	首次在同一国家内使用两个不同数据集评估预测模型的泛化性能，并强调了整合局部变量（如创伤至入院时间和疫情相关变量）对提高模型准确性的重要性	模型在圣保罗训练后未能在马瑙斯良好泛化，表明模型对地区特定特征的依赖性较强	评估机器学习模型在创伤性脑损伤患者死亡率预测中的性能和泛化能力	巴西圣保罗和马瑙斯地区的创伤性脑损伤患者	机器学习	创伤性脑损伤	NA	CNN	结构化数据（17个预测变量）	两个巴西地区的数据集（具体样本数未提供）	NA	1-D CNN	AUC	NA
343	2025-12-05	Impact of Noise on Deep Learning-Based Pseudo-Online Gesture Recognition with High-Density EMG 2025-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/EMBC58623.2025.11254719 PMID:41337352	研究论文	本研究探讨了典型噪声对基于高密度表面肌电信号（HD-sEMG）的深度学习手势识别系统性能的影响	通过引入合成噪声（如加性高斯白噪声、通道丢失和电极移位），系统评估了不同特征集在噪声条件下的鲁棒性，揭示了噪声类型和强度对性能退化的影响	研究使用了合成噪声而非真实环境噪声，且样本量较小（13名参与者），可能限制结果的泛化能力	评估噪声对基于深度学习的手势识别系统性能的影响，以推动实用化人机接口的发展	十三名参与者执行手腕运动时采集的高密度表面肌电信号（HD-sEMG）	机器学习	NA	高密度表面肌电信号（HD-sEMG）采集	自编码器增强的循环神经网络（RNN）	肌电信号	13名参与者	NA	自编码器增强的RNN	NA	NA
344	2025-12-05	Time-frequency deep metric learning of resting-state fNIRS signals for staging Alzheimer's disease 2025-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/EMBC58623.2025.11254651 PMID:41337354	研究论文	本研究提出了一种深度度量学习框架，利用时频域的连续小波变换层将静息态fNIRS信号嵌入特征空间，用于阿尔茨海默病（AD）的分期分类	提出了一种结合连续小波变换的深度度量学习框架，能够从有限的fNIRS数据中生成鲁棒信号嵌入，并通过学习的距离度量评估样本间相似性，有效捕捉脑信号复杂性	数据集规模有限，传统数据密集型深度学习模型性能受限且泛化能力不足	开发一种基于静息态fNIRS信号的深度度量学习方法，用于阿尔茨海默病的分期分类	阿尔茨海默病患者、轻度认知障碍患者和健康对照个体的静息态fNIRS信号	机器学习	阿尔茨海默病	功能近红外光谱（fNIRS），连续小波变换	深度度量学习	信号数据（fNIRS时频信号）	包含AD、MCI和HC个体的静息态fNIRS数据集（具体数量未明确说明）	NA	NA	分类准确率	NA
345	2025-12-05	Deep Learning-Based Generation of 4D Reference Lung Volumes for Personalized Respiratory Function Assessment 2025-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/EMBC58623.2025.11252743 PMID:41337364	研究论文	本研究利用深度学习技术生成个性化的4D参考肺体积，用于评估呼吸功能	结合卷积自编码器和LSTM网络，从动态3D磁共振图像中预测患者的健康假设呼吸动态，为个性化呼吸疾病评估提供基线参考	NA	建立个性化的参考肺动态模型，作为患者呼吸功能评估的基线	动态3D磁共振肺图像	数字病理学	肺疾病	动态3D磁共振成像	卷积自编码器, LSTM	图像	NA	NA	卷积自编码器, LSTM	NA	NA
346	2025-12-05	Multimodal Generative Modeling for DaT Scan Reconstruction in Parkinson's Disease 2025-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/EMBC58623.2025.11252739 PMID:41337393	研究论文	本文提出了一种多模态深度学习模型，用于重建帕金森病中的DaT扫描图像，以促进合成医学数据的生成	引入了一种结合目标DaT扫描和共配准T1加权MRI扫描的多模态深度学习模型，用于重建DaT扫描图像，以在保护隐私的同时生成具有真实统计分布的合成数据	未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力或隐私保护机制的详细评估	旨在解决核医学研究中数据共享受限的问题，通过重建DaT扫描来支持大规模数据增强，应用于帕金森病的早期检测和疾病进展研究	帕金森病进展标志物倡议数据集中的健康对照、帕金森病患者以及无多巴胺能缺陷影像证据的个体	数字病理学	帕金森病	I-FPCIT SPECT（DaT）扫描，T1加权MRI扫描	多模态深度学习模型	图像	大型帕金森病进展标志物倡议数据集，包括健康对照、帕金森病患者和无多巴胺能缺陷影像证据的个体	NA	NA	强度差异，对比噪声比，基于区域的分析	NA
347	2025-12-05	Classification of ECG Arrhythmia Types Using 2D Recurrence Polar Maps and Deep Learning Techniques 2025-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/EMBC58623.2025.11252764 PMID:41337407	研究论文	本文提出了一种基于二维复发极坐标图和深度学习技术的心电图心律失常分类方法	引入了两种新颖的二维表示方法——复发极坐标图和交叉复发极坐标图，以捕捉12导联心电图信号的空间和时间复杂性，并利用多通道神经网络模型进行分类	未提及模型在更广泛或多样化数据集上的泛化能力，也未讨论计算效率或实时应用的可能性	自动化心电图分析，准确分类四种主要心律失常类型	12导联心电图信号	机器学习	心血管疾病	心电图分析	多通道神经网络	二维图像（复发极坐标图）	NA	NA	NA	准确率	NA
348	2025-12-05	Impact of Adversarial Attack on Pediatric Hip Ultrasound Deep Learning Models 2025-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/EMBC58623.2025.11253101 PMID:41337411	研究论文	本文研究了对抗性攻击对基于儿科髋关节超声图像的深度学习分类模型的影响，并通过对抗性训练提升模型鲁棒性	首次在儿科髋关节超声图像的深度学习模型中应用并比较了多种白盒对抗性攻击方法（FGSM、PGD、BIM），并利用对抗性训练显著提高了模型在扫描充分性评估中的鲁棒性	研究仅使用了两个相对较小的数据集（108和200名受试者），且对抗性攻击仅限于白盒场景，未涵盖黑盒攻击或更广泛的临床验证	评估儿科髋关节超声深度学习模型对对抗性攻击的脆弱性，并通过对抗性训练提升其鲁棒性	儿科髋关节超声图像	计算机视觉	儿科髋关节疾病	B型超声成像	CNN	图像	两个数据集，分别来自108名和200名受试者	NA	AlexNet, ResNet, DenseNet, Inception, VGG	准确率	NA
349	2025-12-05	Study about deep Bifurcation learning model for separation of ultrasound echo signals and tissue acoustic properties 2025-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/EMBC58623.2025.11253118 PMID:41337428	研究论文	本文开发了一种基于自动编码器的深度学习模型，用于分离超声回波信号中的镜面反射和散斑信号成分，并定量估计反射和散射等声学特性	模型采用分叉多任务架构，能高效分离信号成分和声学特性，并引入可训练的共享损失函数以减少任务间损失不平衡导致的学习性能下降	NA	开发深度学习模型以改进超声成像，通过分离信号成分和估计声学特性来提升临床诊断效果	医学超声回波信号	数字病理学	NA	NA	自动编码器	超声回波信号	NA	NA	ResNet-50	SSIM	NA
350	2025-12-05	Multi-Modal Feature Fusion Using Transformer for Early Alzheimer's Disease Diagnosis 2025-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/EMBC58623.2025.11253151 PMID:41337426	研究论文	本文提出了一种基于Transformer的多模态特征融合模型，用于阿尔茨海默病的早期诊断	利用Transformer融合图像与非图像特征，并引入类别不平衡损失函数以优化早期AD诊断性能	未明确提及模型在外部验证集或临床实际应用中的泛化能力	开发智能早期阿尔茨海默病诊断模型以提高诊断准确性	阿尔茨海默病患者数据，包括图像和非图像特征	数字病理学	阿尔茨海默病	多模态特征融合	Transformer	图像, 非图像特征	未明确说明具体样本数量，但采用分层5折交叉验证	未明确说明	Transformer	准确性	未明确说明
351	2025-12-05	Gaze-Guided Medical Image Segmentation: A Training-Free Approach using SAM Foundation Model 2025-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/EMBC58623.2025.11253157 PMID:41337454	研究论文	本文提出了一种利用眼动数据作为隐式提示，结合SAM基础模型实现无需训练的医学图像分割方法	首次将眼动数据作为隐式提示引入SAM模型，用于医学图像分割，无需任务特定训练或标注数据，提供了一种自然、低成本的交互方式	研究仅在息肉分割和前列腺分割两个任务上验证，尚未扩展到更多医学图像类型和疾病；眼动数据的采集可能受设备限制	开发一种无需训练、资源高效的医学图像自动分割方法，以降低标注成本并实现近实时分割	医学图像（结肠镜图像中的息肉、MRI图像中的前列腺）	计算机视觉	结直肠癌, 前列腺癌	眼动追踪	基础模型	图像	Kvasir-SEG数据集和NCI-ISBI 2013数据集（具体样本数未在摘要中提供）	NA	SAM	NA	NA
352	2025-12-05	Automated Wrist Ultrasound Image Bone Enhancement and Segmentation Using Deep Learning 2025-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/EMBC58623.2025.11253133 PMID:41337456	研究论文	本研究提出了一种基于深度学习的自动手腕超声图像骨增强与分割框架，用于评估儿童手腕骨折	结合CLAHE图像增强技术与nnU-Net模型进行手腕超声图像中骨骼结构（如骨骺和干骺端）的自动分割，在儿科急诊环境中验证了可行性	研究样本量相对有限（74名受试者的训练数据和18名受试者的测试数据），且未详细讨论模型在不同超声设备或操作者间的泛化能力	开发一种自动分割手腕超声图像中骨骼结构的方法，以辅助儿科急诊中手腕损伤的严重性评估，减少X射线检查的需求	手腕超声图像中的骨骼结构，包括骨骺、干骺端和腕骨	计算机视觉	手腕骨折	超声成像	CNN	图像	74名受试者的16,865张训练图像和18名受试者的3,822张测试图像	PyTorch	nnU-Net	DICE分数	NA
353	2025-12-05	A Deep Learning approach for Depressive Symptoms assessment in Parkinson's disease patients using facial videos 2025-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/EMBC58623.2025.11253137 PMID:41337455	研究论文	本研究利用深度学习模型分析帕金森病患者的视频，以评估其抑郁症状的存在与严重程度	首次将ViViT、Video Swin Tiny和3D CNN-LSTM等深度学习模型应用于帕金森病患者面部视频的时空分析，以评估抑郁症状，并考虑了药物状态（ON/OFF）的影响	研究样本量相对有限（178名患者），且未明确说明模型的泛化能力或在不同人群中的验证情况	开发一种可扩展、非侵入性的方法，用于帕金森病患者抑郁症状的自动评估与监测	帕金森病患者	计算机视觉	帕金森病	面部视频分析	深度学习模型	视频	178名患者的1,875个视频	NA	ViViT, Video Swin Tiny, 3D CNN-LSTM	准确率, F1分数	NA
354	2025-12-05	AI and Tomosynthesis for Breast Cancer Molecular Subtyping: A step toward precision medicine 2025-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/EMBC58623.2025.11253140 PMID:41337459	研究论文	本研究探讨了结合人工智能与数字乳腺断层合成技术，用于非侵入性乳腺癌分子亚型分类的可行性	首次将深度学习模型应用于数字乳腺断层合成图像，以实现对侵袭性乳腺癌亚型（Luminal B2、HER2阳性和三阴性）的非侵入性分类	在区分Luminal B2亚型方面仍存在挑战，性能相对较低	开发一种基于人工智能和影像学的非侵入性方法，用于乳腺癌分子亚型分类，以支持精准医疗	乳腺癌患者，特别是侵袭性亚型（Luminal B2、HER2阳性、三阴性）	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	NA	NA	ResNet-101, Inception-v3	AUC	NA
355	2025-12-03	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Jul-14, ArXiv PMID:40709302	研究论文	本研究利用基于Swin Transformer的深度学习框架，结合多壳层扩散MRI数据，旨在支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	首次将Swin Transformer应用于多壳层扩散MRI数据，并集成低秩适应技术以在有限标记神经影像数据上高效微调模型	研究在数据有限的生物医学环境中进行，可能影响模型的泛化能力	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	多壳层扩散MRI	Transformer	图像	未明确说明具体样本数量	PyTorch	Swin Transformer	平衡准确率	NA
356	2025-12-01	An automated ATAC-seq method reveals sequence determinants of transcription factor dose response in the open chromatin 2025-Jul-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.24.666684 PMID:40777328	研究论文	开发自动化ATAC-seq平台RoboATAC，系统研究转录因子剂量对染色质可及性的定量影响	首次建立可扩展的自动化ATAC-seq平台，系统分析22种转录因子的剂量梯度对染色质可及性的定量影响，发现DNA序列可独立预测剂量敏感性	研究仅限于HEK293T细胞系，未在其他细胞类型中验证	揭示转录因子剂量与染色质可及性之间的定量关系	HEK293T细胞中的22种转录因子	基因组学	NA	ATAC-seq, 深度学习	深度学习模型	基因组测序数据	246个样本（22种TF的梯度过表达）	NA	NA	NA	NA
357	2025-11-30	Sidechain conditioning and modeling for full-atom protein sequence design with FAMPNN 2025-Jul, Proceedings of machine learning research PMID:41307002	研究论文	提出FAMPNN方法，在蛋白质序列设计中同时建模序列身份和侧链构象	首次在固定骨架蛋白质序列设计中显式建模侧链构象，通过联合分类交叉熵和扩散损失目标学习氨基酸身份和侧链构象的分布	NA	开发能够同时优化蛋白质序列和侧链构象的深度学习方法	蛋白质序列和三维结构	计算生物学	NA	深度学习	图神经网络	蛋白质结构数据	NA	NA	MPNN（消息传递神经网络）	序列恢复率，侧链包装精度，结合和稳定性预测	NA
358	2025-11-28	An ensemble deep learning model for author identification through multiple features 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11596-5 PMID:40691694	研究论文	提出一种结合多种特征的自注意力加权集成深度学习框架，用于提高作者身份识别的准确性和稳定性	通过自注意力机制智能整合多种写作风格特征表示，动态学习不同类型特征的重要性	仅在包含4位和30位作者的数据集上测试，未验证在大规模作者群体上的性能	提高自然语言处理中作者身份识别的准确性和鲁棒性	文本作者身份识别	自然语言处理	NA	TF-IDF, Word2Vec	CNN, 自注意力机制	文本	两个数据集：数据集A（4位作者）和数据集B（30位作者）	NA	卷积神经网络, 自注意力加权集成框架	准确率	NA
359	2025-11-28	Transformer-Based Decomposition of Electrodermal Activity for Real-World Mental Health Applications 2025-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s25144406 PMID:40732534	研究论文	本研究提出了一种基于Transformer架构的EDA信号分解方法，用于分离皮肤电活动的相位和紧张成分	首次将Transformer架构应用于EDA信号分解，设计了具有池化和趋势去除机制的无监督分解模型	未明确说明模型在极端噪声条件下的性能表现和计算效率	开发适用于真实世界数据的EDA信号分解方法，用于心理健康应用	皮肤电活动信号	机器学习	心理健康	皮肤电活动信号采集	Transformer	生物信号时间序列数据	NA	PyTorch或TensorFlow（未明确指定）	Autoformer	SCR频率、SCR幅度、紧张斜率	NA
360	2025-11-25	RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking 2025-Jul-23, ArXiv PMID:39975446	研究论文	提出RAPID-Net深度学习算法，用于精确预测结合口袋并实现与分子对接流程的无缝集成	开发了轻量级推理算法，在保持竞争力的准确度同时实现可扩展性，能识别远端功能位点为变构抑制剂设计提供新机会	姿态排序而非采样是主要精度瓶颈，在部分测试场景中性能仍低于AlphaFold 3	开发用于药物设计的结合口袋精确识别算法	蛋白质结合口袋和配体对接	计算生物学	传染病（如COVID-19）	深度学习	深度学习网络	蛋白质结构数据	PoseBusters基准测试数据集	NA	RAPID-Net	RMSD, PoseBusters化学有效性标准, Top-1姿态准确率, 口袋-配体交集率	NA