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
1061	2025-05-12	Toward the TCN-based Real-Time BCI System for Target 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/EMBC53108.2024.10782928 PMID:40039787	研究论文	本研究开发了一种基于TCN的实时脑机接口系统，用于军事应用中的目标检测	利用干电极EEG信号和TCN模型提升RSVP任务中目标检测的准确性和效率	未提及具体样本量或实验范围限制	开发实时脑机接口系统以增强快速连续视觉呈现任务中的目标检测能力	军事应用中的目标检测	脑机接口	NA	EEG信号处理	TCN	EEG信号	NA
1062	2025-05-12	Embedded Force Sensor with Deep Transformation Calibration for Interventional Soft Robots 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/EMBC53108.2024.10782738 PMID:40039800	research paper	提出了一种基于明胶-石墨的软传感器的校准方法，利用卷积深度学习技术处理传感器的非线性行为并减少噪声放大	该方法提供了比其他方法更小的最小可检测力，特别适用于敏感的手术场景，最佳校准方案（CQT）具有高性能和准确的力估计	NA	开发一种用于介入软机器人的嵌入式力传感器校准方法，以提高手术精度并减少手术创伤	明胶-石墨基软传感器	机器人与传感器技术	NA	卷积深度学习	CNN	力传感器数据	NA
1063	2025-05-12	CBAM_SAUNet: A novel attention U-Net for effective segmentation of corner cases 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/EMBC53108.2024.10782335 PMID:40039820	研究论文	提出了一种名为CBAM_SAUNet的新型注意力U-Net，用于有效分割医学图像中的极端案例	在SAUNet的解码器块中使用了卷积块注意力模块（CBAM）的通道注意力的新型变体，提高了对极端案例的分割性能	仅针对心脏MRI分割挑战（ACDC）进行了验证，未在其他医学图像分割任务中测试	提高深度学习模型在医学图像分割极端案例中的性能	心脏MRI图像中的左心室（LV）、右心室（RV）和心肌（MYO）	数字病理	心血管疾病	MRI	CBAM_SAUNet（基于U-Net和注意力机制）	医学图像	ACDC心脏MRI分割挑战数据集
1064	2025-05-12	Explainable framework to detect Parkinson's disease related depression from EEG 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/EMBC53108.2024.10782333 PMID:40039816	research paper	提出一个可解释的功能连接框架，用于从脑电图（EEG）中检测帕金森病相关抑郁	首次将可解释性模块引入帕金森病相关抑郁的检测框架，填补了病理生理机制与计算机辅助诊断之间的空白	未提及样本量的具体限制或数据集的多样性问题	开发一个可解释的框架，用于早期诊断帕金森病相关抑郁	帕金森病患者的抑郁症状	digital pathology	Parkinson's disease	EEG	deep learning networks	EEG signals	NA
1065	2025-05-12	Magnifying Facial Micro-movements for Cognitive 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/EMBC53108.2024.10782235 PMID:40039839	research paper	该研究提出了一种新型深度学习模型，通过放大面部微动来评估认知功能	利用计算机视觉和深度学习技术，通过分析面部微动自动评估认知功能，替代传统的MMSE评分	需要进一步的临床验证以确保其可靠性和普适性	开发一种自动化的认知评估方法，提高评估的准确性和便捷性	认知功能评估	computer vision	geriatric disease	deep learning	深度学习模型	video	NA
1066	2025-05-12	Performance of Regression-Based Models for Real-Time Estimation of Anterior Ground Reaction Forces during Walking 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/EMBC53108.2024.10782133 PMID:40039833	研究论文	本研究评估了基于回归的模型在行走过程中实时估计前向地面反作用力（AGRF）的效果	首次探索了使用惯性测量单元（IMUs）实时估计前向-后向地面反作用力（AGRFs）的方法	模型在预测峰值推进力方面表现不足，且时间序列数据的R值较低，NRMSE值较高	评估基于回归的模型在实时估计前向地面反作用力（AGRF）中的效果	行走过程中的前向地面反作用力（AGRF）	生物力学	NA	惯性测量单元（IMUs）和力板数据记录	回归模型（未加权模型和加权模型）	时间序列数据	10名参与者
1067	2025-05-12	A deep spatio-temporal attention model of dynamic functional network connectivity shows sensitivity to Alzheimer's in asymptomatic individuals 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/EMBC53108.2024.10781740 PMID:40039841	研究论文	本文提出了一种基于深度时空注意力模型的动态功能网络连接分析方法，用于在无症状个体中检测阿尔茨海默病的敏感性	引入了transformer-convolution框架，结合时空自注意力机制，以捕捉脑网络依赖性和时间动态，显著优于其他流行机器学习方法	研究仅限于使用dFNC数据，可能未考虑其他潜在的生物标志物	早期检测阿尔茨海默病并理解不同阶段的动态功能网络连接变化	阿尔茨海默病患者、轻度认知障碍患者及无症状个体	数字病理学	阿尔茨海默病	fMRI, dFNC	transformer-convolution框架	功能磁共振成像数据	包括阿尔茨海默病患者和轻度认知障碍患者，具体样本数量未明确说明
1068	2025-05-12	Feature Imitating Networks Enhance the Performance, Reliability and Speed of Deep Learning on Biomedical Image Processing Tasks 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/EMBC53108.2024.10782373 PMID:40039853	研究论文	本文评估了特征模仿网络（FINs）在生物医学图像处理任务中的性能、可靠性和速度提升	首次将FINs应用于生物医学图像处理任务，并通过实验证明其能提升模型性能、加快收敛速度并增强一致性	研究仅针对三种特定任务（COVID-19检测、脑肿瘤分类和分割），未涵盖其他可能的生物医学图像处理任务	评估FINs在生物医学图像处理任务中的有效性	CT扫描和MRI扫描图像	数字病理学	COVID-19, 脑肿瘤	深度学习	FINs（特征模仿网络）	医学影像	NA
1069	2025-05-12	Enhancing Wearable based Real-Time Glucose Monitoring via Phasic Image Representation Learning based 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/EMBC53108.2024.10781542 PMID:40039837	研究论文	提出一种基于相位图像表示学习的深度学习方法，用于增强可穿戴设备的实时血糖监测	使用频域中改进的递归图结合机器学习，提高了有限数据集下血糖水平预测的准确性	依赖于历史数据进行测试，可能未充分覆盖所有潜在使用场景	提高可穿戴设备实时血糖监测的准确性	可穿戴设备收集的血糖数据	机器学习	糖尿病	改进的递归图、机器学习	深度学习	信号数据	NA
1070	2025-05-12	Optimizing Modified Barium Swallow Exam Workflow: Automating Pre-Analysis Video Sorting in Swallowing Function Assessment 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/EMBC53108.2024.10782457 PMID:40039880	research paper	该研究提出了一种深度学习方法，用于自动识别改良钡餐吞咽检查（MBS）中的视频方向和侦察视频片段，以优化吞咽功能评估的预处理流程	首次将深度学习应用于MBS检查的视频分类，实现了多任务学习框架下91%的侦察/吞咽任务区分准确率	在侦察视频与吞咽任务的区分上准确率最高为86%，仍有提升空间	优化改良钡餐吞咽检查的预处理流程，提高临床工作效率	改良钡餐吞咽检查视频数据	digital pathology	geriatric disease	video-fluoroscopy	deep learning	video	2,315个视频片段（来自172次MBS检查和106名患者）
1071	2025-05-12	The Recurrent U-Net for Needle Segmentation in Ultrasound Image-Guided Surgery 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/EMBC53108.2024.10782677 PMID:40039871	研究论文	本文提出了一种基于U型网络和卷积门控循环单元的针分割方法，用于超声图像引导手术中的针分割	结合U型网络和卷积门控循环单元，捕捉针的运动信息，提高针分割的准确性	仅在牛肝数据集上进行了测试，未涉及人体数据	提高微创手术中超声图像引导下的针分割精度	超声图像中的针	计算机视觉	NA	深度学习	U-Net, 卷积门控循环单元	超声图像	192个视频，来自20个不同的牛肝
1072	2025-05-12	Wearable-oriented Support for Interpretation of Behavioural Effects on Sleep 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/EMBC53108.2024.10781768 PMID:40039890	research paper	本文探讨了一种利用可穿戴设备和深度学习技术解释多特征纵向数据以分析健康问题可能原因的策略	提出了一种可解释的深度学习模型，用于识别导致睡眠质量差的主要前日行为	需要探索更多特征的数据集以验证这些特征的组合及其对健康方面的影响	通过可穿戴设备和深度学习技术分析日常行为对睡眠质量的影响	可穿戴设备收集的1874天的多特征纵向数据	machine learning	geriatric disease	deep learning	DL	wearable data	1874天的可穿戴数据
1073	2025-05-12	A Multimodal Transfer Learning Approach for Histopathology and SR-microCT Low-Data Regimes 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/EMBC53108.2024.10781540 PMID:40039905	research paper	提出一种多模态迁移学习方法，用于在低数据量情况下分割人类骨组织病理学和同步辐射微计算机断层扫描（SR-microCT）图像中的骨细胞和腔隙	在低数据量情况下，采用深度U-Net进行域内和多模态迁移学习，显著提高了骨细胞和腔隙的分割性能	需要标记和多模态数据集，这在处理高维图像时较为困难	开发一种方法，用于在低数据量情况下分割骨细胞和腔隙，以支持骨微尺度研究和骨细胞-腔隙病理生理学研究	人类骨组织病理学和SR-microCT图像中的骨细胞和腔隙	digital pathology	geriatric disease	SR-microCT	U-Net	image	有限数量的训练图像（比基线数据集小44倍）
1074	2025-05-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model 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/EMBC53108.2024.10781959 PMID:40039893	research paper	该研究提出了一种可解释的多模型深度学习方法，用于识别精神分裂症的可靠EEG标记	提出了一种基于特征交互的可解释性方法和几种新的多模型解释总结方法	未明确提及具体局限性	识别精神分裂症的可靠EEG生物标记，并开发稳健的方法从可解释的机器学习模型中识别神经精神疾病生物标记	精神分裂症患者的EEG频谱功率数据	machine learning	schizophrenia	EEG	deep learning	EEG spectral power data	NA
1075	2025-05-12	Adaptive High-frequency Enhancement Network with Equilibrated Mechanism for MR Imaging 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/EMBC53108.2024.10782846 PMID:40039914	research paper	提出一种自适应高频增强网络，结合平衡机制用于MR成像	通过自适应提升高频特征表示并结合深度平衡模型进行固定点迭代，增强了重建的鲁棒性	由于内存限制，展开方法迭代次数有限，且存在细节丢失问题	加速磁共振成像并提升图像重建质量	磁共振成像数据	digital pathology	NA	deep learning-based technique	deep equilibrium model	image	NA
1076	2025-05-12	Small Lesions, Big Impact: An Automated Segmentation Framework for Brain Metastases 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/EMBC53108.2024.10782216 PMID:40039917	研究论文	本文介绍了一种基于深度学习的自动分割框架，专注于提高脑转移瘤小病灶的准确分割	利用Swin Transformer的注意力机制和分层编码器，精确捕捉多模态MRI上脑转移瘤的复杂特征，显著提升小病灶分割的准确性	仅在BraTS-METS数据集上进行了训练和验证，未在其他数据集上测试泛化能力	开发自动分割脑转移瘤的深度学习框架，特别关注小病灶的精确分割	脑转移瘤	数字病理	脑肿瘤	多模态MRI	Swin Transformer	MRI图像	BraTS-METS数据集（具体样本数量未提及）
1077	2025-05-12	Channel- and Label-Flip Data Augmentation for Motor Imagery-Based Brain-Computer Interfaces 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/EMBC53108.2024.10782028 PMID:40039924	研究论文	提出了一种新的数据增强方法，用于提高基于运动想象的脑机接口的分类准确率	提出了一种结合通道翻转和类别标签翻转的数据增强方法，基于运动想象左右对称的神经科学发现	仅在OpenBMI数据集上进行了验证，需要更多数据集验证泛化性	提高基于运动想象的脑机接口系统的分类性能	脑电信号数据	脑机接口	NA	数据增强	机器学习模型和深度学习模型	脑电信号	54名参与者的脑电数据
1078	2025-05-12	Enhanced BCI Performance using Diffusion Model for EEG Generation 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/EMBC53108.2024.10782900 PMID:40039926	research paper	本研究探讨了使用去噪扩散概率模型（DDPM）人工合成脑电图（EEG）信号以提升基于运动想象（MI）的脑机接口（BCI）性能	首次将DDPM应用于EEG信号的人工合成，并通过定性和定量分析验证了生成信号的质量和实用性	未提及生成EEG信号的长期稳定性及在不同MI任务中的泛化能力	减轻BCI用户因深度学习算法需要大量训练样本而承受的负担	运动想象（MI）任务中的EEG信号	脑机接口	NA	去噪扩散概率模型（DDPM）	DDPM	EEG信号	未明确提及具体样本量，但涉及左右手运动想象任务的EEG数据
1079	2025-05-12	Resource-Efficient Continual Learning for Personalized Online 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/EMBC53108.2024.10781699 PMID:40039936	研究论文	本文探讨了使用深度学习技术进行自动化癫痫发作检测的潜力，特别关注基于持续学习的个性化模型	提出了一种新颖的持续学习算法，集成了重放缓冲机制，有效解决了静态深度学习模型在动态环境中应用时的灾难性遗忘问题	研究仅使用了CHB-MIT数据集，可能无法全面代表所有癫痫患者的EEG信号特征	开发资源高效的持续学习方法，用于个性化在线癫痫发作检测	癫痫患者的EEG信号	机器学习	癫痫	深度学习	持续学习算法	EEG信号	CHB-MIT数据集
1080	2025-05-12	A Study on Changes in Estimation Accuracy for EEG Data During Calibration and Operation in MI-BCI 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/EMBC53108.2024.10782616 PMID:40039945	研究论文	本研究分析了脑机接口（BCI）在校准和操作阶段准确性的差异，使用深度学习模型进行实验	通过模拟校准和操作阶段的任务，揭示了操作条件下脑电图（EEG）数据准确性的显著下降	研究未详细探讨心理因素如何具体影响BCI性能的变化	分析BCI在校准和操作阶段准确性的差异，以促进BCI技术的应用	脑机接口（BCI）的性能变化	脑机接口	NA	脑电图（EEG）	深度学习模型	EEG信号数据	参与者执行运动想象任务的数据