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
1361	2025-12-05	Precision Needle Localization Using Electromagnetic Tracking and AR Visualization in Ventricular Interventions 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/EMBC58623.2025.11253039 PMID:41336115	研究论文	本研究开发了一种基于电磁追踪和增强现实可视化的实时导航系统，用于提高脑室外引流手术的精确性和患者安全性	结合深度学习面部标志检测与坐标配准技术，首次将电磁追踪与增强现实可视化集成用于脑室外引流手术的实时导航	研究仅在体模模型上进行实验，未涉及真实患者临床验证，样本量较小（20次试验）	提高脑室外引流手术的精确性和安全性，开发新型手术导航技术	脑室外引流手术中的导管插入过程	计算机视觉	神经系统疾病	电磁追踪，增强现实可视化，深度学习面部标志检测，CT成像	深度学习模型	图像，三维坐标数据	20次体模模型试验（20次引流操作和20次精度测量）	NA	NA	欧几里得距离误差（1.68 ± 0.66 mm），手术成功率（100%）	NA
1362	2025-12-05	Segmentation Variability in Bayesian U-Net versus Manual Annotations: Impact on Radiomic Reproducibility in Lung Tumor CT Images 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/EMBC58623.2025.11253060 PMID:41336105	研究论文	本研究评估了基于深度学习的贝叶斯U-Net分割方法在肺肿瘤CT图像中的不确定性量化与专家标注变异性的一致性，并探讨其对影像组学特征可重复性的影响	将蒙特卡洛丢弃方法集成到U-Net模型中，以量化分割不确定性，并首次系统比较这种不确定性如何反映专家标注的变异性，从而优化影像组学特征的再现性	研究仅基于两个公开数据集，样本量可能有限；影像组学特征对分割变异性仍高度敏感，即使在最佳条件下仅约半数特征达到可重复性	评估深度学习分割方法的不确定性量化是否与专家标注变异性一致，并确定最大化影像组学特征可重复性的最佳配置	肺肿瘤CT图像	计算机视觉	肺癌	CT成像	U-Net	图像	两个公开数据集中的肺肿瘤CT图像	NA	U-Net	可重复性	NA
1363	2025-12-05	Multi-Task Deep Learning Approach for Contactless Simultaneous Heart Rate and Oxygen Saturation Estimation 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/EMBC58623.2025.11253062 PMID:41336117	研究论文	本文提出了一种基于多任务深度学习的方法，利用多光谱视频非接触式同时估计心率和血氧饱和度	首次使用多任务神经网络从多光谱视频中同时估计心率和血氧饱和度的绝对值，并引入了部分共享特征提取器、任务特定分支、特征图通道注意力机制和任务权重平衡机制	研究仅涉及23名健康参与者，且为短时测量，未在更广泛或临床患者群体中进行验证	开发一种卫生、舒适的非接触式生命体征监测方法，以替代传统脉搏血氧仪	健康参与者的心率和血氧饱和度	计算机视觉	NA	多光谱视频采集	多任务神经网络	多光谱视频	23名健康参与者	NA	NA	平均绝对误差, 皮尔逊相关系数	NA
1364	2025-12-05	TRAM-UNet: Transformer and Region Attention Module based U-Net for Breast Ultrasound Image Segmentation 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/EMBC58623.2025.11253082 PMID:41336113	研究论文	提出一种结合Transformer模块和区域注意力模块的U-Net变体TRAM-UNet，用于提升乳腺超声图像分割性能	首次将Transformer模块与专门设计的区域注意力模块（RAM）集成到U-Net架构中，以增强边界细化和对不同病灶特征的适应性	未提及模型的计算效率、实时性表现或在更大规模数据集上的泛化能力验证	提升乳腺超声图像分割的准确性和边界精细化程度，以辅助乳腺癌早期诊断	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	CNN, Transformer	医学图像（超声图像）	三个公开数据集：BUS-BRA、BUSI、BLUI（具体样本数未在摘要中说明）	未明确说明	U-Net, Transformer	Dice系数	未明确说明
1365	2025-12-05	Leveraging Transfer Learning and Monte Carlo Dropout for Uncertainty Informed NIRS-based Detection of Systemic Sclerosis Hand Perfusion Patterns 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/EMBC58623.2025.11253081 PMID:41336120	研究论文	本研究探索了结合近红外光谱与深度学习，基于手部灌注模式对系统性硬化症患者进行分类	采用带有迁移学习的MobileNetV2概率卷积神经网络分析NIRS氧饱和度图，并整合蒙特卡洛Dropout方法评估预测不确定性，为模型置信度和检测分布外输入能力提供见解	数据集有限，未来工作需扩展数据集、整合多模态成像并探索更先进的架构以提高泛化性和临床适用性	开发一种非侵入性、自动化的深度学习工具，用于检测系统性硬化症患者的微血管功能障碍，以改善早期诊断和监测	系统性硬化症患者的手部灌注模式	数字病理学	系统性硬化症	近红外光谱	CNN	图像	有限数据集	NA	MobileNetV2	准确率	NA
1366	2025-12-05	BlaVeS: A Novel Hand-Labeled Dataset for Improved Bladder Vessel Segmentation with Modified U-Net 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/EMBC58623.2025.11253092 PMID:41336126	研究论文	本文介绍了一个用于膀胱血管分割的新型公开数据集BlaVeS，并提出了一种改进的U-Net架构以提高分割性能	首次公开了专用于膀胱血管分割的内窥镜图像数据集，并设计了结合深度跳跃连接和注意力机制的改进U-Net架构	未明确说明数据集的具体样本数量，且精度指标（0.55）相对较低，表明模型在精确识别血管方面仍有改进空间	提升膀胱血管分割的准确性，以辅助泌尿肿瘤学中的患者特异性治疗	膀胱内窥镜图像中的血管结构	数字病理学	膀胱癌	内窥镜成像	CNN	图像	NA	NA	U-Net	准确率, 精确率	NA
1367	2025-12-05	Modeling Arterial Blood Flow Using Physics-Informed Neural Networks 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/EMBC58623.2025.11253037 PMID:41336128	研究论文	本文开发了一种基于物理信息神经网络的计算模型，用于模拟动脉血流动力学及其与动脉壁的相互作用	将深度学习与纳维-斯托克斯方程等偏微分方程相结合，构建物理信息神经网络，以准确表示心血管系统中的生物力学现象，并能在数据不完整或稀疏的情况下进行稳健模拟	模型尚未扩展到更复杂的生理场景，未来工作将关注于此	开发用于模拟动脉血流动力学的计算模型，以支持心血管研究和临床应用	动脉血流动力学及其与动脉壁的相互作用	机器学习	心血管疾病	物理信息神经网络	PINN	NA	NA	NA	物理信息神经网络	压力、速度	NA
1368	2025-12-05	Lightweight Deep Learning-Based Aortic Valve Segmentation on RGB Images 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/EMBC58623.2025.11253048 PMID:41336134	研究论文	本研究评估了使用MobileNetV3 + DeepLabV3+模型在RGB图像上进行主动脉瓣分割的可行性，并探讨了合成数据增强和无监督预训练的影响	首次将轻量级MobileNetV3 + DeepLabV3+模型应用于主动脉瓣RGB图像分割，并创新性地结合了条件去噪扩散概率模型生成合成数据以及深度卷积自编码器进行无监督预训练	研究仅使用猪主动脉瓣数据集，未来需要扩展到人类数据；当前方法需要预处理步骤，未来计划实现基于实例的分割以消除预处理	开发一种轻量级深度学习模型，用于主动脉瓣的准确分割，以支持手术评估和计算建模	猪主动脉瓣	计算机视觉	心血管疾病	RGB图像采集	CNN	图像	猪主动脉瓣数据集（具体数量未明确说明），采用留一心脏交叉验证策略	未明确说明，可能为PyTorch或TensorFlow	MobileNetV3, DeepLabV3+	平均交并比, 准确率	未明确说明，但强调模型具有最小计算成本
1369	2025-12-05	KAN-ULM: Advancing Super Resolution Imaging in Ultrasound Localization Microscopy Through Compact Deep Learning 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/EMBC58623.2025.11253040 PMID:41336144	研究论文	本研究提出了一种名为KAN-ULM的紧凑深度学习模型，用于优化超声定位显微镜中的微泡定位步骤，以提高成像分辨率	首次将Kolmogorov-Arnold Networks (KAN)应用于超声定位显微镜领域，开发了高度紧凑的KAN-ULM模型，在有限参数范围内实现了超越现有方法的超分辨率成像性能	模型在有限参数范围内进行优化，可能未充分探索更大规模架构的潜力；研究主要关注定位步骤优化，未涉及ULM全流程加速	通过深度学习模型优化超声定位显微镜中的微泡定位精度，提升微血管成像分辨率	超声定位显微镜成像中的微泡定位过程	医学影像分析	脑血管疾病	超声定位显微镜	Kolmogorov-Arnold Networks (KAN)	超声图像	NA	NA	KAN-ULM	分辨率	NA
1370	2025-12-05	Position-Prior-Guided Network for System Matrix Super-Resolution in Magnetic Particle Imaging 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/EMBC58623.2025.11253569 PMID:41336185	研究论文	本文提出了一种基于位置先验引导的网络，用于磁粒子成像中系统矩阵的超分辨率重建	将对称位置先验知识整合到现有深度学习框架中，以提升系统矩阵校准的效率和分辨率	未明确提及具体实验限制或数据不足等问题	加速磁粒子成像系统矩阵的校准过程，并提高其分辨率	磁粒子成像中的系统矩阵	医学影像	NA	磁粒子成像	深度学习超分辨率网络	系统矩阵数据	NA	NA	NA	NA	NA
1371	2025-12-05	TexSegNet: An Attention-Guided Feedback-Driven Texture-Aware Deep Learning Model for Nuclei Segmentation and Classification in Digital Pathology Images of Breast Tissues 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/EMBC58623.2025.11253497 PMID:41336183	研究论文	提出一种用于数字病理图像中细胞核分割与分类的纹理感知深度学习模型TexSegNet	整合了多尺度卷积、细胞核纹理提取块、高级注意力机制和反馈驱动的分类分支的混合编码器-解码器模型	未明确说明模型在非乳腺组织或其他癌症类型上的泛化能力	提高数字病理图像中细胞核实例分割和分类的准确性，以支持乳腺癌诊断	数字病理图像中的细胞核（包括肿瘤细胞、上皮细胞、炎性细胞和结缔组织细胞）	数字病理	乳腺癌	深度学习	CNN, 注意力机制	图像	基于PanNuke数据集（包含所有组织类型）及其乳腺子集	NA	混合编码器-解码器	准确率, F1分数	NA
1372	2025-12-05	EDGeNet: Electroencephalography Denoising Efficient Network for Fast Artifact Removal 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/EMBC58623.2025.11253564 PMID:41336186	研究论文	本文提出了一种基于深度学习的自动化EEG去噪与伪影去除框架，旨在实现实时部署	提出了一种参数效率极高的深度学习模型（EDGeNet），能够同时去除多种伪影，且参数量比现有方法少295倍，适合实时应用	未明确提及模型在极端噪声环境或特定临床场景下的泛化能力限制	开发一种高效、自动化的EEG信号去噪与伪影去除方法，以克服传统方法计算资源需求高、需手动调参的局限	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）	深度学习模型	时序信号数据	NA	NA	EDGeNet	相对均方根误差（RRMSE）, 结构相似性指数（SSIM）, 相关系数（CC）	NA
1373	2025-12-05	U-Grad: A Grad-CAM-Guided Reduced U-Net for Efficient Lung Cancer Segmentation 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/EMBC58623.2025.11253530 PMID:41336182	研究论文	本文提出了一种名为U-Grad的新型模型，用于从2D CT切片中进行肺结节分割	提出了一种结合Grad-CAM生成热图以增强结节表征，并采用改进的Reduced U-Net架构的新模型	模型在测试集上的性能略低于Reduced U-Net（DC 91.27% vs 93.15%）	开发一种高效且可解释的肺结节分割模型，以辅助疾病评估和治疗	CT扫描图像中的肺结节	数字病理学	肺癌	CT扫描	CNN	图像	使用NSCLC Radiogenomics数据集进行训练和测试	NA	Reduced U-Net	Dice系数, 交并比	NA
1374	2025-12-05	Fine-Tuning Strategies for Continual Online EEG Motor Imagery Decoding: Insights from a Large-Scale Longitudinal Study 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/EMBC58623.2025.11253543 PMID:41336201	研究论文	本研究探讨了在大型用户群体和多会话设置下，用于在线纵向脑电图运动想象解码的持续微调策略，并整合了在线测试时间适应以提升模型性能	首次在大型用户群体中探索持续微调策略，结合在线测试时间适应，以改善解码器的性能和稳定性，支持无校准操作	未明确提及具体限制，但暗示传统单被试单策略研究限制了结果的泛化能力	研究在线纵向脑电图运动想象解码的持续微调策略，以提升脑机接口在现实应用中的性能	大型用户群体的脑电图数据，涉及多个会话的在线运动想象任务	机器学习	NA	脑电图	深度学习模型	脑电图信号	大型用户群体，每个参与者多个会话	NA	NA	解码器性能、稳定性	NA
1375	2025-12-05	Consistent Ovulation Window Prediction based on Physiological Temporal Variability Patterns from Wearable Devices 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/EMBC58623.2025.11253520 PMID:41336207	研究论文	本研究提出了一种基于可穿戴设备生理时序变异模式的排卵窗口预测框架，通过整合心率和体温数据，利用机器学习模型提高预测准确性，尤其针对不规则月经周期	提出整合时序心率变异性模式与高分辨率体温特征的新颖特征生成方法，并采用轻量梯度提升机模型，特别提升了不规则周期排卵预测的准确性	研究未明确说明样本的种族、年龄分布细节，且模型在部分群体中的泛化能力有待进一步验证	开发一种准确预测排卵窗口的方法，以改善生育管理	围绝经期女性的排卵周期	机器学习	NA	心电图监测、体温传感	LGBM	生理时序数据	未明确说明具体样本数量，参与者佩戴了心电图设备和温度传感器	LightGBM	轻量梯度提升机	AUROC	NA
1376	2025-12-05	AI-Driven Pathomics for Predicting Chemotherapy Response in Metastatic Colorectal Cancer: A Transfer Learning Approach with Attention-Based Multiple Instance 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/EMBC58623.2025.11253533 PMID:41336214	研究论文	本研究开发了一种基于迁移学习和注意力机制多示例学习的人工智能病理组学方法，用于预测转移性结直肠癌患者的化疗反应	采用迁移学习策略，先在TCGA数据集上预训练识别生存相关的组织病理学模式，再在转移性结直肠癌多中心队列上微调，提高了模型稳定性和预测准确性；通过注意力权重可视化揭示了与化疗耐药相关的肿瘤微环境特征	需要进一步优化才能投入临床部署	提高转移性结直肠癌化疗反应预测的准确性	转移性结直肠癌患者	数字病理学	结直肠癌	全切片图像分析	深度学习	图像	多中心转移性结直肠癌队列	NA	注意力机制多示例学习	AUC	NA
1377	2025-12-05	X2Graph for Cancer Subtyping Prediction on Biological Tabular Data 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/EMBC58623.2025.11253574 PMID:41336217	研究论文	本文提出了一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据集上进行癌症亚型预测	利用表格列间关系（如基因相互作用）将每个样本转换为图结构，从而应用标准消息传递算法进行图建模	NA	在数据稀缺的医学领域，特别是癌症诊断中，提升深度学习在表格数据上的应用性能	生物表格数据，特别是癌症亚型预测数据集	机器学习	癌症	NA	图神经网络	表格数据	NA	NA	消息传递算法	NA	NA
1378	2025-12-05	Deep Learning-Based Cardiac Output Estimation Using Multimodal Physiological Signals 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/EMBC58623.2025.11253561 PMID:41336227	研究论文	本研究应用深度学习技术，基于动脉压力、心电图、光电容积脉搏波等多模态生理信号，开发了一种非侵入性心输出量估计方法	首次结合动脉压力、心电图和光电容积脉搏波三种信号，利用深度学习模型实现非侵入性心输出量估计，并展示了多模态融合在提升估计精度方面的优势	模型可解释性不足，数据集规模有限，且未实现实时临床应用	开发一种准确的非侵入性心输出量估计方法，以替代或补充传统侵入性测量技术	心输出量（CO）作为心血管监测的关键生理参数	机器学习	心血管疾病	深度学习	深度学习模型（具体架构未在摘要中明确说明）	多模态生理信号（包括动脉压力、心电图、光电容积脉搏波）	使用公开可用的VitalDB数据库，具体样本数量未在摘要中说明	NA	NA	平均绝对误差（MAE），均方根误差（RMSE），偏差（bias），一致性界限（LOA），相关系数（R）	NA
1379	2025-12-05	Exploring the Effect of Race in Automated Skin Cancer Detection 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/EMBC58623.2025.11253322 PMID:41336231	研究论文	本研究探讨了基于AI的皮肤癌自动检测模型在不同种族人群（特别是亚洲人群）中的性能差异	揭示了在主要为高加索人群数据上训练的AI模型在亚洲人群（Fitzpatrick皮肤类型II-III）中性能下降，强调了种族因素在皮肤癌检测中的重要性	研究主要关注亚洲人群，样本可能有限，且未涵盖所有皮肤类型或种族群体	评估AI模型在皮肤癌检测中针对不同种族人群的泛化能力	皮肤癌检测，特别是针对亚洲人群的皮肤图像	计算机视觉	皮肤癌	深度学习	CNN	图像	ISIC 2019数据集（主要为高加索人群）、PH数据集（主要为高加索人群）和自有的亚洲人群数据集	NA	EfficientNetB2	AUC	NA
1380	2025-12-05	Self-supervised Contrastive Learning to Monitor Free-Body Movement Daily Activities of Parkinson's Disease Patients Using a Single Wrist 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/EMBC58623.2025.11253518 PMID:41336222	研究论文	本研究提出了一种基于自监督对比学习的方法，利用单个腕戴式加速度计传感器监测帕金森病患者的日常自由身体活动	采用自监督对比学习方法，利用单个腕戴传感器增强模型对帕金森病患者异常运动的泛化能力，超越了仅针对健康人群的模型	研究样本量较小（15名患者），数据记录时长有限（3.5小时），仅识别三种日常活动模式	开发一种非侵入性方法，可靠监测帕金森病患者的日常活动，以辅助临床管理和个性化物理治疗	帕金森病患者的日常自由身体活动	机器学习	帕金森病	加速度计传感	深度学习模型	传感器时序数据	15名帕金森病患者，共3.5小时记录数据	NA	NA	加权F1分数	NA