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
4881	2025-03-06	A Framework for Extracting Heart Rate Variability Features from Earbud-PPG for Stress 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/EMBC53108.2024.10782088 PMID:40039377	研究论文	本文提出了一种从消费级耳塞设备中的光电容积描记法（PPG）信号中提取心率变异性（HRV）特征以进行压力检测的框架	该框架首次使用深度学习从相对嘈杂的耳塞PPG信号中预测HRV特征，并将这些特征用于压力分类任务，相比现有最先进的HRV特征提取方法，准确率、敏感性和特异性至少提高了5%	NA	研究目的是通过可穿戴传感器连续监测压力，以防止未管理的压力导致严重的生理和心理健康问题	消费级耳塞设备中的PPG信号	机器学习	NA	光电容积描记法（PPG）	深度学习	信号数据	NA
4882	2025-03-06	A BERT base model for the analysis of Electronic Health Records from diabetic patients 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/EMBC53108.2024.10782488 PMID:40039371	研究论文	本文提出了一种基于BERT的模型，用于分析糖尿病患者的电子健康记录（EHRs）序列	将原始的BERT模型调整为处理不同的EHRs模式，并引入了一个表示序列开始时的患者状态向量	使用DL模型处理临床数据存在许多限制，主要由于标记数据的可用性及其固有特性	通过改进的BERT模型提高不同临床任务的AUROC	糖尿病患者的电子健康记录（EHRs）	自然语言处理	糖尿病	深度学习	BERT	电子健康记录（EHRs）	超过200,000名糖尿病患者的5年数据
4883	2025-03-06	fMRINet: Repurposing the EEGNet model to identify emotional arousal states in fMRI 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/EMBC53108.2024.10782984 PMID:40039361	研究论文	本研究提出了一种新方法，利用fMRI数据分类情绪唤醒水平，特别适用于数据有限的项目	将原本用于EEG信号分类的EEGNet架构适应于fMRI数据，成功应用于情绪状态识别	研究样本量有限，且仅针对情绪唤醒水平进行分类，未涉及更复杂的情绪维度	探索深度学习模型在fMRI数据中识别情绪状态的潜力	fMRI数据，特别是与情绪唤醒相关的数据	机器学习	NA	fMRI	EEGNet	fMRI时间序列数据	典型和临床参与者
4884	2025-03-06	Cough Sound Based Deep Learning Models for Diagnosis of COVID-19 Using Statistical Features and Time-Frequency Spectrum 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/EMBC53108.2024.10781593 PMID:40039388	研究论文	本文提出了一种基于咳嗽声音的深度学习模型，用于分类COVID-19患者	使用咳嗽声音数据，结合统计特征和时频谱，通过深度学习模型进行COVID-19诊断	数据集来自众包，可能存在数据质量和一致性问题	开发一种基于咳嗽声音的COVID-19诊断方法	COVID-19患者	机器学习	COVID-19	深度学习	Xception	声音波形	Cambridge数据集、Virufy数据集和Coswara数据集
4885	2025-03-06	Non-invasive stroke diagnosis using speech data from dysarthria patients 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/EMBC53108.2024.10781716 PMID:40039396	研究论文	本研究开发了一种利用构音障碍患者语音数据进行非侵入性脑卒中诊断的深度学习方法	使用深度学习模型从构音障碍患者的语音数据中提取和分类脑卒中症状特征，提供了一种非侵入性、经济有效的早期脑卒中检测方法	需要进一步研究以提高准确性	开发一种非侵入性、经济有效的脑卒中诊断方法	构音障碍患者的语音数据	自然语言处理	脑卒中	深度学习	ResNet50, InceptionV4, ResNeXt50, SEResNeXt18, AttResNet50	语音数据	NA
4886	2025-03-06	A Two-Step Framework for Multi-Material Decomposition of Dual Energy Computed Tomography from Projection Domain 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/EMBC53108.2024.10782757 PMID:40039390	研究论文	本文提出了一种名为rFast-MMDNet的两步框架，用于从投影域进行双能计算机断层扫描的多材料分解，特别针对乳腺组织的区分	rFast-MMDNet框架在非递归设置下操作原始投影数据，改进了传统方法在多材料分解上的性能，特别是在乳腺纤维腺体、脂肪组织和钙化的分解上	虽然rFast-MMDNet在乳腺组织分解上表现出色，但其应用范围目前仅限于乳腺组织，未涉及其他类型的组织或材料	改进双能计算机断层扫描中的多材料分解技术，特别是在乳腺组织区分上的应用	乳腺组织，包括纤维腺体、脂肪组织和钙化	计算机视觉	乳腺癌	双能计算机断层扫描（DECT）	rFast-MMDNet（包括SinoNet和FBP-DenoiseNet）	图像	1000对训练图像，10对验证图像，100对测试图像
4887	2025-03-06	Advancements in Continuous Glucose Monitoring: Integrating Deep Learning and ECG Signal 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/EMBC53108.2024.10781881 PMID:40039424	研究论文	本文提出了一种利用心电图（ECG）进行无创高血糖监测的新方法，基于包含1119名受试者的大型数据库	设计了能够识别不同空间位置重要特征并检查每个卷积层内不同特征之间相互依赖关系的深度神经网络模型，通过分割每个用户的心电图以加速处理速度	先前的研究在训练时使用了所有受试者的心电图，未考虑未见过的受试者，这影响了方法的泛化能力和可扩展性	开发一种能够有效检测高血糖的无创监测方法	1119名受试者的心电图数据	机器学习	高血糖	深度学习	深度神经网络	心电图信号	1119名受试者，其中727名用于训练，168名用于验证，224名用于测试，数据集包含9000个片段
4888	2025-03-06	Enhancing Emotion Recognition: A Dual-Input Model for Facial Expression Recognition Using Images and Facial Landmarks 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/EMBC53108.2024.10782924 PMID:40039450	研究论文	本文提出了一种双输入模型，结合面部图像和面部关键点来增强面部表情识别的准确性	创新点在于融合了两种神经网络架构，分别处理面部关键点和面部图像，以提高面部表情识别的准确性	尽管结果与AffectNet数据集上的最佳结果相当，但60.17%的准确率仍有提升空间	提高自动面部表情识别的准确性	面部表情	计算机视觉	NA	深度学习	1D CNN, DenseNet	图像, 面部关键点	AffectNet数据库
4889	2025-03-06	EEG Artifact Removal using Stacked Multi-Head Attention Transformer Architecture 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/EMBC53108.2024.10782044 PMID:40039452	研究论文	本研究提出了一种使用堆叠多头注意力层的变压器注意力模型，用于去除脑电图（EEG）信号中的噪声，特别是解决由眼动和肌肉噪声引起的信号失真问题	通过引入多个多头注意力层，解决了现有深度学习模型在捕捉时间长期依赖性方面的不足，从而更有效地消除眼动和肌肉异常	未提及具体的数据集限制或模型在其他类型噪声上的表现	提高脑电图（EEG）信号去噪的效能，以改善疾病诊断和脑机接口（BCI）应用	脑电图（EEG）信号	机器学习	NA	深度学习（DL）	变压器模型（Transformer）	脑电图（EEG）信号	使用EEGdenoiseNet数据集进行实验
4890	2025-03-06	Personality Trait Recognition using ECG Spectrograms and 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/EMBC53108.2024.10782328 PMID:40039445	研究论文	本文提出了一种使用深度学习方法和心电图（ECG）信号识别个性特征的创新方法	利用ECG衍生的频谱图作为信息特征来检测大五人格特质模型，并确定了频谱图生成的最佳窗口大小，使用Resnet-18和视觉变换器（ViT）进行特征提取和人格特质分类	NA	探索ECG信号在人格特质识别中的潜力	大五人格特质模型（外向性、神经质、宜人性、尽责性和开放性）	机器学习	NA	深度学习	CNN, Resnet-18, ViT	ECG信号	58名参与者的ECG记录
4891	2025-03-06	Improving Endoscopy Lesion Classification Using Self-Supervised 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/EMBC53108.2024.10782717 PMID:40039453	研究论文	本文评估了自监督学习（SSL）方法在胃炎萎缩（GA）和肠化生（IM）病变检测中的影响	在低数据量情况下，SSL模型相较于监督学习基线有约1.5%的准确率提升，展示了SSL在利用未标记数据方面的潜力	SSL性能显著依赖于特定的数据增强技术和对比学习参数，需要进一步研究针对胃病变检测应用的最优数据增强框架	评估自监督学习方法在胃病变检测中的应用效果	胃炎萎缩（GA）和肠化生（IM）病变	计算机视觉	胃癌	自监督学习（SSL）	深度学习模型	图像	Chengdu数据集
4892	2025-03-06	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	本研究通过整合全切片图像（WSIs）和多组学数据，利用多实例学习和共注意力机制，改进胶质母细胞瘤（GBM）的生存预测	首次将多组学数据与全切片图像结合，并引入生物通路知识，通过多实例学习和共注意力机制进行生存预测	研究样本量相对较小，仅包含214名GBM患者的数据	改进胶质母细胞瘤（GBM）的生存预测	胶质母细胞瘤（GBM）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、共注意力机制	图像、多组学数据	214名GBM患者，447张全切片图像，927个RNA测序基因表达，1,168个拷贝数变异，1,489个DNA甲基化模式
4893	2025-03-06	Leveraging Deep Learning Model for Computer Vision-Based Brain Tumor Classification in 3D MRI Brain 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/EMBC53108.2024.10782201 PMID:40039474	研究论文	本研究利用计算机视觉技术结合EfficientNet-3D和3DResnet深度学习架构，在磁共振成像（MRI）中检测脑肿瘤	结合EfficientNet-3D和3DResnet两种深度学习架构，通过综合分析处理各种场景，并能够将实例分类为'未知'以供进一步研究	未提及具体局限性	早期检测脑肿瘤，改善患者预后并促进有效治疗计划	脑MRI图像	计算机视觉	脑肿瘤	MRI	EfficientNet-3D, 3DResnet	3D MRI图像	586组脑MRI图像
4894	2025-03-06	PhysioSens1D-NET: A 1D Convolution Network for Extracting Heart Rate from Facial Videos 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/EMBC53108.2024.10782272 PMID:40039469	研究论文	本文介绍了一种名为PhysioSens1D-NET的一维卷积神经网络，用于从面部视频中提取心率	PhysioSens1D-NET在计算效率和心率测量准确性方面均表现出色，相比传统信号处理算法和现有深度学习模型有显著改进	未提及具体局限性	开发一种既能保持计算效率又能提供准确心率测量的非接触式心率监测方法	面部视频中的心率数据	计算机视觉	NA	深度学习	1D CNN	视频	未提及具体样本数量
4895	2025-03-06	Research on Tone Enhancement of Mandarin Pitch Controllable Electrolaryngeal Speech Based on 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/EMBC53108.2024.10782916 PMID:40039465	研究论文	本文提出了一种基于深度学习的普通话音调可控电子喉语音增强方法，通过生成模型改进和增强普通话的音调	首次将循环一致性对抗网络（CycleGAN）与连续小波变换技术结合，用于普通话电子喉语音的音调增强，显著提高了音调的准确性	研究仅针对普通话的四声调，未涉及其他声调语言或更复杂的语音场景	提高普通话电子喉语音的音调质量，使其更接近正常语音	普通话电子喉语音	自然语言处理	NA	循环一致性对抗网络（CycleGAN）、连续小波变换	CycleGAN	语音数据	NA
4896	2025-03-06	Semantic Segmentation Refiner for Ultrasound Applications with Zero-Shot Foundation Models 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/EMBC53108.2024.10781870 PMID:40039477	研究论文	本文提出了一种无需提示的超声图像语义分割方法，利用分割基础模型的能力来分割抽象形状，以解决低数据环境下分割模型性能下降的问题	提出了一种新颖的提示点生成算法，使用粗略的语义分割掩码作为输入，并以零样本可提示的基础模型作为优化目标	实验仅在小型肌肉骨骼超声图像数据集上进行，可能限制了方法的普适性	解决低数据环境下医学图像分割模型性能下降的问题	超声图像中的病理异常	计算机视觉	肌肉骨骼疾病	深度学习	零样本可提示的基础模型	超声图像	小型肌肉骨骼超声图像数据集
4897	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
4898	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
4899	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
4900	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