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
5741	2025-03-06	Deep STI: Deep Stochastic Time-series Imputation on Electronic Health Records 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/EMBC53108.2024.10782239 PMID:40039068	研究论文	本文提出了一种名为Deep STI的深度随机时间序列插补算法，用于处理电子健康记录（EHRs）中的缺失值问题，以提高疾病预测的准确性	Deep STI算法创新性地结合了序列到序列生成网络和预测网络，能够从时间序列数据中准确推断缺失值	NA	提高电子健康记录（EHRs）中缺失值处理的准确性，以增强疾病预测和临床决策	电子健康记录（EHRs）中的时间序列数据	机器学习	肝癌	深度随机时间序列插补算法	序列到序列生成网络与预测网络的结合	时间序列数据	来自国立台湾大学医院的肝癌数据
5742	2025-03-06	A Hybrid GCN-LSTM Model for Ventricular Arrhythmia Classification Based on ECG Pattern Similarity 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/EMBC53108.2024.10781976 PMID:40039060	研究论文	本文提出了一种结合图卷积网络（GCN）和长短期记忆网络（LSTM）的混合模型，用于基于心电图（ECG）模式相似性的心室心律失常分类	创新点在于开发了一种结合GCN和LSTM的混合模型，利用可训练的加权ϵ邻域图捕捉ECG片段内时间序列的相似性，显著提高了VT、VF和非心室节律的分类效果	NA	研究目的是提高心室心动过速（VT）和心室颤动（VF）的自动分类准确性	研究对象是心电图（ECG）数据	机器学习	心血管疾病	深度学习	GCN-LSTM	时间序列数据	NA
5743	2025-03-06	Domain Specific Transporter Framework to Detect Fractures in Ultrasound 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/EMBC53108.2024.10782947 PMID:40039073	研究论文	本文提出了一种无监督的、特定领域的传输框架，用于从超声扫描中识别相关关键点，提供简洁的几何表示，突出具有高结构变化的区域	提出了一种无监督的、特定领域的传输框架，结合瞬时局部相位（LP）检测骨骼特征，用于超声骨折检测	需要进一步验证在更大样本量和不同骨折类型上的适用性	提高超声在骨折检测中的适用性	手腕3D超声视频	计算机视觉	骨折	深度学习（DL）	无监督传输框架	视频	30名受试者，每人由3名读者独立评估
5744	2025-03-06	Surrogate Simulation of Subject-Specific Lateral Pinch via 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/EMBC53108.2024.10782182 PMID:40039080	研究论文	本文提出了一种基于深度学习的自适应代理模型，用于侧捏动作的个性化模拟	该模型能够接受肌肉骨骼参数和肌肉激活作为输入，实现个性化模拟，并在速度和准确性上优于传统的多体模拟方法	模型的应用范围目前仅限于侧捏动作，尚未验证其在其他动作或更复杂场景中的适用性	开发一种快速且准确的个性化肌肉骨骼模拟方法，以替代传统计算密集型模拟	侧捏动作的肌肉骨骼模拟	机器学习	NA	深度学习	自适应代理模型	肌肉骨骼参数和肌肉激活数据	NA
5745	2025-03-06	Deep Learning Classification of Prostate Cancer on Confidently Labeled Micro-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/EMBC53108.2024.10782375 PMID:40039092	研究论文	本文利用深度学习技术对前列腺癌的微超声图像进行分类，并与专家评审结果进行对比	开发了一种将微超声与MRI及病理结果配准的方法，用于训练癌症分类器，并在小样本数据集上取得了优于新手评审、接近专家评审的表现	研究样本量较小（15例患者），需要更大数据集和更复杂模型进一步验证	探索微超声技术在前列腺癌识别中的应用，开发基于深度学习的分类方法	前列腺癌患者的微超声图像	计算机视觉	前列腺癌	微超声成像	深度学习分类模型	图像	15例患者
5746	2025-03-06	Unsupervised Hybrid Deep Feature Encoder for Robust Feature Learning from Resting-State 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/EMBC53108.2024.10781741 PMID:40039110	研究论文	本文提出了一种无监督混合深度特征编码器，用于从静息态EEG数据中学习鲁棒特征表示	提出了一种新的无监督混合深度特征编码器，专门针对静息态EEG数据进行特征学习，解决了现有模型主要针对任务相关EEG数据的局限性	研究仅针对静息态EEG数据，未涉及任务相关EEG数据的对比分析	研究目的是开发一种能够从静息态EEG数据中学习鲁棒特征表示的模型	静息态EEG数据	机器学习	NA	变分自编码器(VAE), K-means聚类	VAE, K-means	EEG数据	未明确提及样本数量
5747	2025-03-06	Evaluating Atypical Gaze Patterns through Vision Models: The Case of Cortical Visual Impairment 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/EMBC53108.2024.10782199 PMID:40039116	研究论文	本文通过视觉模型评估非典型注视模式，特别是针对皮质视觉障碍（CVI）的研究	利用深度学习模型生成视觉显著性图，结合眼动追踪技术，揭示CVI患者的非典型视觉显著性，为严重神经发育障碍建立眼动追踪特征	研究主要依赖于定性的临床描述，缺乏客观的CVI严重程度衡量标准	研究皮质视觉障碍（CVI）对视觉功能的影响，并建立客观的评估方法	CVI儿童及年龄匹配的对照组儿童	计算机视觉	神经发育障碍	眼动追踪技术	深度学习模型	图像	CVI儿童及年龄匹配的对照组儿童
5748	2025-03-06	Deep Learning-based Open-set Person Identification using Radar Extracted Cardiac 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/EMBC53108.2024.10782527 PMID:40039114	研究论文	本文介绍了一种基于深度学习的人员识别算法，利用雷达提取的生命体征进行非接触式测量	该算法在开放集条件下进行人员识别，结合了两个基于卷积神经网络（CNN）的模型和分布模型进行校准，通过策略性决策过程结合模型输出，实现了优越的识别效果	NA	开发一种在开放集条件下进行人员识别的新算法	雷达提取的生命体征信号	机器学习	NA	多普勒雷达	CNN	雷达信号	公共雷达生命体征数据集
5749	2025-03-06	Sleep structure discriminates patients with isolated REM sleep behavior disorder: a deep learning approach 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/EMBC53108.2024.10782600 PMID:40039123	研究论文	本文提出了一种基于深度学习的快速客观模型，用于根据睡眠结构识别孤立性快速眼动睡眠行为障碍（iRBD）患者	使用深度学习模型（ResNet-18）和睡眠结构的概率表示（hypnodensity graphs）来客观识别iRBD患者，避免了传统方法的主观性和耗时性	样本量相对较小（86名iRBD患者和81名对照），且仅基于PSG数据，未考虑其他可能的生物标志物	开发一种快速且客观的方法来识别孤立性快速眼动睡眠行为障碍（iRBD）患者	孤立性快速眼动睡眠行为障碍（iRBD）患者和健康对照	数字病理学	神经退行性疾病	深度学习	ResNet-18	睡眠结构数据（hypnodensity graphs）	167名受试者（86名iRBD患者和81名健康对照）
5750	2025-03-06	Passive BCI Towards Health and Safety in Industry: Forecasting Human Vigilance 5.5 s Ahead 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/EMBC53108.2024.10782689 PMID:40039137	研究论文	本研究提出了一种新的实验协议和分析流程，用于预测重复任务中的警觉性下降	引入了基于EEG记录的脑机接口，用于工业领域中的健康和安全管理，特别是预测人类警觉性下降	样本量较小，仅涉及10名志愿者	通过优化工业操作员的认知负荷和促进人机交互，提升健康、安全和性能	10名志愿者观察机器人手臂执行三种不同动作时的EEG数据	脑机接口	NA	连续小波变换	编码器-解码器门控循环单元模型	EEG数据	10名志愿者
5751	2025-03-06	Dual Prototypical Self-Supervised Learning for One-shot Medical Image 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/EMBC53108.2024.10782248 PMID:40039131	研究论文	本文提出了一种新颖的双原型网络，通过引入部分原型来补充局部原型，以提取细粒度特征并增强一次性医学图像分割中的模型性能	提出了一种双原型网络，引入部分原型来补充局部原型，以提取细粒度特征，从而在一次性医学图像分割中提升模型性能	NA	解决一次性医学图像分割中的标签稀缺问题，减少临床实践中的标注成本	医学图像	计算机视觉	NA	深度学习	双原型网络	图像	CHAOS数据集
5752	2025-03-06	Ultrasound for Automated Classification of Full-Thickness Rotator Cuff Tendon Tears using 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/EMBC53108.2024.10782185 PMID:40039129	研究论文	本文提出了一种基于深度学习的超声图像自动分类方法，用于诊断全层肩袖肌腱撕裂	采用两步法，首先通过CNN-自编码器进行分割，然后使用VGG-16进行分类，仅将关键部分传递给分类网络，提高了检测准确性和临床相关性	需要进一步验证在更大样本和不同设备上的泛化能力	开发一种AI工具，通过超声图像自动识别全层肩袖肌腱撕裂，提高临床诊断的可及性	肩袖肌腱撕裂	计算机视觉	肩部损伤	深度学习	CNN-自编码器, VGG-16	超声图像	210名患者，训练集11600张图像，测试集2900张图像
5753	2025-03-06	Challenging Deep Learning Methods for EEG Signal Denoising under Data Corruption 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/EMBC53108.2024.10782132 PMID:40039138	研究论文	本文首次对在存在数据损坏通道情况下的EEG信号去噪方法性能进行了基准研究	首次在存在数据损坏通道的情况下评估EEG信号去噪方法的性能，并提供了广泛的基准数据集	未提及具体的研究局限性	评估在数据损坏情况下EEG信号去噪方法的性能	EEG信号	机器学习	NA	深度学习	NA	EEG信号	多种数据集
5754	2025-03-06	Predicting Functional Surface Topographies Combining Topological Data Analysis and Deep Learning Across the Human Protein Universe 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/EMBC53108.2024.10782681 PMID:40039158	研究论文	本文开发了一种结合拓扑数据分析和深度学习方法DeepFRI的方法，用于预测人类蛋白质的功能口袋及其相关的基因本体（GO）术语和酶委员会（EC）编号	结合拓扑数据分析和深度学习技术DeepFRI，预测蛋白质的功能口袋及其功能注释，填补了现有蛋白质功能注释和表面地形信息的不足	研究依赖于AlphaFold2预测的蛋白质结构，可能存在预测误差	预测蛋白质的功能口袋及其功能注释，以更好地理解蛋白质的功能	65,013个AlphaFold2预测的人类非单例代表结构，可映射到186,095个“非片段”AlphaFold2预测的人类蛋白质结构	生物信息学	NA	拓扑数据分析，DeepFRI	DeepFRI	蛋白质结构数据	65,013个AlphaFold2预测的人类非单例代表结构
5755	2025-03-06	TAU-DI Net: A Multi-Scale Convolutional Network Combining Prob-Sparse Attention for EEG-based Depression Identification 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/EMBC53108.2024.10782219 PMID:40039164	研究论文	本文提出了一种基于自适应时频分布网络的新架构，用于从EEG信号中识别重度抑郁症（MDD）	结合频率周期变换和多尺度CNN提取多频信息表示，并采用自适应加权融合和降采样Prob-Sparse Attention来提炼静息态EEG中的可靠模式	未提及具体局限性	提高基于EEG信号的重度抑郁症（MDD）识别准确率	重度抑郁症（MDD）患者的EEG信号	机器学习	抑郁症	EEG信号分析	多尺度CNN结合Prob-Sparse Attention	EEG信号	未提及具体样本数量
5756	2025-03-06	Fast Rule-based NER in SpaCy for Chest Radiography Reports with CheXpert's 14 Categories 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/EMBC53108.2024.10782341 PMID:40039172	研究论文	本研究开发了一种基于规则的NER工具，用于从胸部X光报告中提取诊断信息，以加速高质量标注图像的生成	利用SpaCy开发的规则基NER工具，能够识别CheXpert的14个类别中的词汇和表达，显著提高了标注效率	未提及具体的数据集规模或模型在其他数据集上的泛化能力	提高胸部X光图像标注的效率，以训练更准确的AI模型	胸部X光报告	自然语言处理	NA	自然语言处理（NLP），命名实体识别（NER）	规则基模型	文本	使用了美国国家医学图书馆的Open-i数据集
5757	2025-03-06	Single Bone Modeler: deep learning bone segmentation for cone-beam CT 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/EMBC53108.2024.10782187 PMID:40039173	研究论文	本文介绍了一种基于深度学习的创新工作流程，用于精确分割锥形束计算机断层扫描（CBCT）中的骨骼，称为单骨建模器（SBM）	提出了一种新的深度学习工作流程，结合U-Net架构和多平面训练策略，显著提高了CBCT扫描中骨骼分割的精度	未提及具体的研究局限性	提高CBCT扫描中骨骼分割的精度，以支持骨科诊断和手术规划	CBCT扫描中的骨骼，特别是复杂区域如四肢的骨骼	计算机视觉	骨科疾病	深度学习，锥形束计算机断层扫描（CBCT）	U-Net, SegNet	图像	未提及具体样本数量
5758	2025-03-06	Grade classification of nasal obstruction from endoscopy videos using machine 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/EMBC53108.2024.10781696 PMID:40039197	研究论文	本研究旨在通过机器学习方法，利用鼻内窥镜视频自动分类鼻阻塞的等级	首次提出基于解剖分割图的定量方法，用于区分常见的鼻阻塞病症	需要进一步研究额外特征和从帧级分类数据获取视频级分类的策略，以达到适合临床应用的评分一致性	自动化鼻阻塞等级的诊断，以减少不必要的耳鼻喉科转诊	鼻阻塞患者，特别是过敏性鼻炎、慢性鼻窦炎和鼻中隔偏曲患者	计算机视觉	鼻阻塞	鼻内窥镜	SVM, ResNet-50, Vision Transformers (ViT)-tiny	图像	73名参与者
5759	2025-03-06	Leveraging Deep Learning to Enhance Optical Microphone System Performance with Unknown Speakers for Cochlear Implants 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/EMBC53108.2024.10782084 PMID:40039183	研究论文	本研究通过将激光多普勒振动计（LDV）与深度学习相结合，提出了一种在噪声条件下从未知说话者重建清晰语音的创新解决方案，以提升人工耳蜗（CI）用户的语音捕获性能	首次将LDV与深度学习结合，用于从未知说话者在噪声条件下重建清晰语音，显著提升了人工耳蜗系统的性能	研究主要针对特定噪声和距离场景，未涉及所有可能的实际应用环境	提升人工耳蜗系统在低信噪比和远距离说话场景下的性能	人工耳蜗用户	机器学习	听力损失	激光多普勒振动计（LDV）	深度学习	语音数据	未明确提及样本数量
5760	2025-03-06	Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders 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/EMBC53108.2024.10782502 PMID:40039209	研究论文	本文提出了一种基于变分自编码器（VAE）的PPG信号模型，称为PPG-VAE，并讨论了其优势和样本应用	提出了一种新的PPG信号处理模型PPG-VAE，能够识别PPG心跳波的局部斜率、去除局部高频噪声，并生成与现有信号段形态匹配的新信号段	NA	探索变分自编码器在PPG信号处理中的应用，以提高信号分析的精度和效率	PPG信号	机器学习	NA	变分自编码器（VAE）	VAE	信号数据	NA