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
1401	2025-12-05	Motion-Aware Spatio-Temporal Fusion Memory Network for Semi-Supervised Echocardiography Video 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/EMBC58623.2025.11254032 PMID:41336401	研究论文	提出一种用于半监督超声心动图视频分割的运动感知时空融合记忆网络	通过光流估计网络提取运动信息，并与空间特征融合构建时空表示，利用记忆网络作为记忆提示有效保留时间信息，并引入运动记忆增强机制	NA	提升超声心动图视频分割的准确性，以辅助心脏疾病诊断和治疗规划	超声心动图视频	计算机视觉	心血管疾病	NA	CNN	视频	CAMUS数据集	NA	Motion-Aware Spatio-Temporal Fusion Memory Network	NA	NA
1402	2025-12-05	naviDCN: Navigator-Guided Multi-Modal Deep Clustering for Sepsis Phenotyping in Early ICU Admission 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/EMBC58623.2025.11254005 PMID:41336403	研究论文	本研究提出了一种名为naviDCN的新型聚类框架，用于在ICU早期入院阶段对脓毒症进行表型分析，通过整合导航器组件将临床知识融入聚类过程	提出naviDCN框架，首次在深度聚类中引入导航器模块，通过反向传播将临床知识整合到嵌入表示中，从而引导聚类产生具有临床意义的表型	未明确说明数据集的样本量或具体来源限制，且未详细讨论模型在不同医疗环境中的泛化能力	开发一种能够整合临床知识的深度聚类方法，以识别具有临床意义的脓毒症表型	ICU早期入院的脓毒症患者	机器学习	脓毒症	深度学习	深度聚类网络	电子健康记录（包括人口统计学、实验室检测结果和生命体征）	NA	NA	naviDCN（包含多模态编码器、深度聚类网络和导航器模块）	聚类性能（未指定具体指标）	NA
1403	2025-12-05	End-to-End Classification of Cognitive Impairment Using Daily-Life Gait 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/EMBC58623.2025.11254035 PMID:41336397	研究论文	本研究探讨了利用商用智能设备收集的日常步态数据进行认知障碍分类的可行性	首次在非受控的真实世界条件下，使用智能手机和智能手表收集的日常步态数据，通过深度学习模型区分需要治疗的认知障碍患者（AD和MCI）与无认知障碍者（SCD）	分类任务具有挑战性，因为SCD组与MCI共享认知症状，且数据在非受控的真实世界条件下收集，模型性能（AUC 0.70）仍有提升空间	利用可穿戴设备进行认知障碍的早期筛查和及时干预	125名50岁及以上的个体，根据认知诊断分为轻度阿尔茨海默病（AD）、轻度认知障碍（MCI）和主观认知下降（SCD）组	机器学习	老年疾病	加速度计和陀螺仪数据采集	深度学习分类器	时间序列传感器数据（加速度计和陀螺仪）	125名参与者	NA	NA	AUC（曲线下面积）	NA
1404	2025-12-05	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 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/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经编码器-解码器模型，用于编码和解码自然刺激下基于fMRI数据的大脑活动	利用时间卷积层处理连续电影帧的时间相关输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距，并通过显著性图探究视觉解码中贡献最大的脑区	NA	研究自然刺激下大脑活动的编码与解码，并探索视觉处理机制	fMRI数据中的体素活动，特别是视觉皮层及其周围区域	机器学习	NA	功能磁共振成像（fMRI）	编码器-解码器模型	fMRI数据，自然电影刺激	NA	NA	深度神经编码器-解码器模型，包含时间卷积层	NA	NA
1405	2025-12-05	BEAM: Brainwave Empathy Assessment Model for Early Childhood 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/EMBC58623.2025.11253982 PMID:41336415	研究论文	本文提出了一种名为BEAM的新型深度学习框架，用于预测4至6岁儿童的共情水平	提出了一种结合多视角脑电图信号、LaBraM编码器、特征融合模块和对比学习模块的深度学习框架，以捕捉共情的认知和情感维度及其时间动态	研究样本局限于4至6岁儿童，且依赖于特定数据集（CBCP），可能限制了模型的普适性	开发一种客观评估儿童共情水平的模型，以支持早期社会情感发展干预	4至6岁儿童的脑电图信号	机器学习	NA	脑电图	深度学习	脑电图信号	NA	NA	LaBraM	NA	NA
1406	2025-12-05	Single Trial Classification of per-stimulus EEG between Different Speed Accuracy Tradeoffs Instruction 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/EMBC58623.2025.11254002 PMID:41336422	研究论文	本研究利用深度学习框架对单次试验EEG信号进行分类，以区分参与者基于速度或准确性优先策略的响应，验证了单次试验EEG分类在认知策略识别中的可行性	首次将深度学习应用于单次试验EEG信号分类，以区分不同的速度-准确性权衡策略，并采用通道堆叠技术将EEG数据转换为类RGB图像输入卷积神经网络	研究样本量较小（20名参与者），且仅基于镜像判断任务，可能限制了结果的泛化性	探索神经数据分类以区分不同的速度-准确性权衡策略，并验证单次试验EEG分类在此领域的应用潜力	20名参与者在镜像判断任务中的EEG信号	脑机接口	NA	连续小波变换	CNN	EEG信号	20名参与者	NA	RegNet	分类准确率	NA
1407	2025-12-05	BreastHistoNet: A Efficient Breast Cancer Histopathological Image Classification Using Multiscale Features and Channel Recalibration 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/EMBC58623.2025.11253992 PMID:41336432	研究论文	本文提出了一种轻量级模型BreastHistoNet，用于乳腺癌组织病理学图像的自动分类，旨在实现高精度且低计算复杂度的分类	提出了一种结合深度可分离扩张多尺度点卷积块、离散小波变换和挤压激励块的轻量级模型，有效捕获多尺度特征并降低计算成本	未提及模型在外部数据集上的泛化能力或临床部署中的实际验证	开发一个高效且轻量化的乳腺癌组织病理学图像分类模型，以支持资源受限的临床诊断	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN	图像	NA	NA	DDMP-SE块, 全局平均池化, 密集层	准确率, 精确率, 特异性, 召回率, F1分数	NA
1408	2025-12-05	Dual-Branch Deep Learning for Continuous Gait Cycle Estimation with wearable IMU Sensors and Anthropometric 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/EMBC58623.2025.11251706 PMID:41336443	研究论文	本研究提出了一种结合CNN-LSTM的双分支深度学习模型，利用可穿戴IMU传感器数据和人体测量学特征进行步态周期相位预测	采用双分支深度学习架构整合IMU数据和人体测量学特征，通过滑动窗口方法实现实时步态估计，并利用特征选择优化关键运动学特征	未明确说明模型在不同人群或病理条件下的泛化能力，且未来需开发更全面的AI驱动系统	开发实时步态监测系统，用于康复训练、异常步态检测和假肢控制	步态周期相位预测	机器学习	NA	可穿戴IMU传感器数据采集，人体测量学特征提取	CNN, LSTM	IMU传感器数据，人体测量学数据	NA	NA	CNN-LSTM双分支架构	相关系数R	NA
1409	2025-12-05	Clinical Assessment Of A Five-DOF Upper Limb Exoskeleton For Severely Disabled Individuals In Performing Daily Activities 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/EMBC58623.2025.11251698 PMID:41336464	研究论文	本研究评估了EXOTIC上肢外骨骼在辅助重度残疾个体执行日常活动中的性能和可用性	结合了基于舌头的控制界面和智能计算机视觉辅助的混合深度学习模型	仅涉及六名四肢瘫痪个体，样本量较小；设计需适应不同轮椅倾斜角度和用户手指僵硬度的考量	评估上肢外骨骼在辅助重度残疾个体执行日常活动中的性能和可用性	六名四肢瘫痪个体	计算机视觉	四肢瘫痪	深度学习	混合深度学习模型	NA	六名四肢瘫痪个体	NA	NA	NA	NA
1410	2025-12-05	Enhancing EEG Classification for Motor Imagery Control of a VR Game based on Deep Learning Techniques on Small Datasets 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/EMBC58623.2025.11251707 PMID:41336480	研究论文	本文提出了一种基于Wasserstein生成对抗网络（WGAN）的数据增强方法和卷积神经网络（CNN）分类器，用于增强小规模EEG数据集上的运动想象分类，以控制VR游戏	使用WGAN进行数据增强以防止深度分类器过拟合，并比现有模型更快达到训练收敛；开发CNN以消除BCI文盲引起的噪声成分并提取稳健的EEG时间特征表示	研究基于仅16名BCI新手用户的小规模数据集，可能限制模型的泛化能力；未与更多先进深度学习模型进行广泛比较	提高小规模EEG数据集上运动想象分类的准确性，以增强基于运动想象的脑机接口（BCI）在VR游戏控制中的应用	来自16名BCI新手用户的EEG信号，用于运动想象任务	机器学习	NA	EEG信号记录	GAN, CNN	EEG信号	16名BCI新手用户	NA	Wasserstein GAN, 卷积神经网络	准确性	NA
1411	2025-12-05	Deep-Meg: A deep learning approach for magnetoencephalograhic inverse problem solutions 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/EMBC58623.2025.11251761 PMID:41336477	研究论文	本文提出了一种名为Deep-MEG的深度学习算法，用于基于MEG设备捕获的信号进行时空源重建	提出了一种混合神经网络架构，能够从MEG传感器信号中提取时空信息，并能够处理整个大脑，包括皮层和皮层下源，这是传统方法难以实现的	NA	解决MEG数据处理中源级脑信号估计的挑战，提高空间分辨率以支持临床诊断	MEG设备捕获的脑信号	机器学习	NA	MEG（脑磁图）	混合神经网络	信号	NA	NA	NA	NA	NA
1412	2025-12-05	Estimating Ejection Fraction from Single View Echocardiographic 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/EMBC58623.2025.11251839 PMID:41336493	研究论文	本研究提出了一种基于深度学习和几何建模的自动化框架，利用单视图超声心动图图像估计射血分数	结合注意力机制U-Net分割左心室和椭球体模型进行三维重建，实现从单视图图像自动量化射血分数	三维心室体积重建精度需进一步优化以提高测量精确性	开发自动化射血分数估算方法以支持心力衰竭的分类和管理	超声心动图图像中的左心室	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	NA	NA	U-Net	准确性, Bland-Altman分析	NA
1413	2025-12-05	Myoelectric Temporal Patching: Future Prosthetics Shall Effectively Leverage sEMG Temporal 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/EMBC58623.2025.11251814 PMID:41336501	研究论文	本文提出了一种名为肌电时序补丁（MTP）的新型手工特征提取方法，用于从表面肌电（sEMG）信号中捕获短期和长期时序动态，以提升下肢假肢控制的性能	提出了一种新颖的手工特征提取方法MTP，能够从sEMG信号的短段补丁中提取多信号特征，并在窗口间传播信息，有效捕获信号的时序动态，同时避免了深度学习模型的高计算负担	NA	开发一种计算效率高的特征提取方法，以提升下肢主动辅助设备和假肢的肌电控制性能	表面肌电（sEMG）信号，用于下肢运动意图解码	机器学习	NA	表面肌电（sEMG）信号分析	LDA, KNN, SVM	sEMG信号	使用了两个数据集：SIAT-LLMD数据集（用于步态相位识别）和MyPredict 1数据集（用于运动模式识别），具体样本数量未在摘要中明确说明	Scikit-learn	NA	准确率	NA
1414	2025-12-05	Tri-MTL: A Triple Multitask Learning Approach for Respiratory 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/EMBC58623.2025.11251810 PMID:41336502	研究论文	本研究提出了一种名为Tri-MTL的三重多任务学习方法，用于呼吸系统疾病的诊断，通过整合呼吸音模式、疾病表现和患者元数据属性来提升诊断性能	将多任务学习与先进深度学习架构结合，首次在呼吸音分类和疾病诊断中系统评估元数据在多任务学习框架中的有效性，揭示了整合听诊器信息能显著提升性能	未明确说明样本的具体来源或多样性限制，且敏感性指标在呼吸音分类中较低（41.56%），可能影响模型在临床实践中的泛化能力	探索多任务学习与深度学习架构如何增强呼吸音分类和呼吸系统疾病诊断	呼吸音、疾病表现和患者元数据属性	机器学习	呼吸系统疾病	NA	深度学习	音频（呼吸音）、元数据	NA	NA	NA	特异性, 敏感性	NA
1415	2025-12-05	MPM-DCE: Multi-stage Progressive Mechanism for Early and Late DCE Prostate MRI Synthesis 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/EMBC58623.2025.11251784 PMID:41336522	研究论文	提出一种基于多阶段GAN的框架MPM-DCE，用于合成前列腺DCE-MRI的早期和晚期响应图像	采用多阶段渐进机制，通过自适应级联间特征融合块逐步细化灌注特征，超越单阶段架构的限制	NA	改善前列腺癌诊断，减少对造影剂的依赖	前列腺DCE-MRI图像	计算机视觉	前列腺癌	DCE-MRI	GAN	图像	NA	NA	编码器-解码器生成器	PSNR, SSIM, MAE	NA
1416	2025-12-05	AttenGluco: Multimodal Transformer-Based Blood Glucose Forecasting on AI-READI Dataset 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/EMBC58623.2025.11251776 PMID:41336518	研究论文	本文提出了一种基于多模态Transformer的长期血糖预测框架AttenGluco，用于整合连续血糖监测和活动数据以提高预测准确性	采用交叉注意力机制有效融合不同采样率的多模态数据，并利用多尺度注意力捕获时间数据中的长期依赖关系	未明确说明模型在处理极端血糖波动或罕见事件方面的局限性，也未讨论模型在临床环境中的实际部署挑战	开发一个能够准确预测长期血糖水平的深度学习模型，以帮助糖尿病患者和护理人员管理血糖	健康个体、糖尿病前期患者和2型糖尿病患者	机器学习	糖尿病	连续血糖监测	Transformer	时间序列数据	AI-READI数据集中的多个受试者队列	未指定	Transformer	均方根误差, 平均绝对误差, 相关系数	NA
1417	2025-12-05	Deep Learning Method for Classifying Spatial Patterning of Early Differentiated Human Induced Pluripotent Stem Cells using Micropattern 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/EMBC58623.2025.11251796 PMID:41336529	研究论文	本文提出了一种基于CNN和全局平均池化的深度学习方法，用于分类早期分化的人类诱导多能干细胞在微图案图像中的空间模式	采用CNN结构和全局平均池化来分类具有遗传异常的人类诱导多能干细胞早期分化的微图案图像，以表征异常模式	NA	分析具有遗传异常的人类诱导多能干细胞早期分化过程	人类诱导多能干细胞（hiPSCs）的早期分化微图案图像	计算机视觉	NA	微图案培养	CNN	图像	七类外胚层细胞图像	NA	CNN	准确率	NA
1418	2025-12-05	Cardiac Arrhythmia Detection Leveraging Deep Learning Convolutional Neural Network 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/EMBC58623.2025.11253367 PMID:41336545	研究论文	本研究开发了一种基于深度卷积神经网络（DCNN）的方法，利用光电容积脉搏波（PPG）信号区分窦性心律、早搏和心房颤动	提出了一种基于1D VGG16-Net的深度卷积神经网络，首次利用PPG信号同时区分窦性心律、早搏和心房颤动	模型准确率有待进一步提高	开发一种能够区分心房颤动、窦性心律和早搏的深度卷积神经网络	91名患者的光电容积脉搏波（PPG）信号数据	机器学习	心血管疾病	光电容积脉搏波（PPG）信号采集	CNN	信号数据	91名患者的46827个10秒PPG信号段	NA	1D VGG16-Net	平衡准确率	NA
1419	2025-12-05	AI-Enhanced Pulmonary Auscultation for Heart Failure 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/EMBC58623.2025.11253377 PMID:41336555	研究论文	本研究探讨了利用人工智能和肺听诊在家庭环境中早期检测心力衰竭的可行性	提出了一种基于非临床听诊的AI听诊器概念，结合信号处理和深度学习模型，以克服个体依赖性变化并揭示与心力衰竭相关的肺音特征	样本量较小（仅30名受试者），且模型特异性相对较低（71.4%），可能影响泛化能力	开发一种经济、高效、快速的家庭用心力衰竭筛查方法	心力衰竭患者和健康受试者的肺音数据	机器学习	心血管疾病	肺听诊	CNN, Transformer	音频	30名受试者（15名心力衰竭患者和15名健康受试者）	NA	紧凑型卷积神经网络, 预训练Transformer	特异性, 敏感性	NA
1420	2025-12-05	A Deep Learning Approach to Grading Neonatal Hypoxic-Ischemic Encephalopathy Using ECG Spectrograms 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/EMBC58623.2025.11253390 PMID:41336558	研究论文	本研究提出了一种基于深度学习的方法，利用心电图谱图对新生儿缺氧缺血性脑病进行分级	提出了一种直接从心电图信号提取谱图作为卷积神经网络输入的新方法，避免了耗时的计算过程，并实现了更高的AUC性能	NA	开发一种自动化的新生儿缺氧缺血性脑病分级系统，以替代脑电图分析	新生儿的心电图信号	机器学习	新生儿缺氧缺血性脑病	心电图信号分析	CNN	心电图谱图	来自新生儿的大型心电图数据集	NA	卷积神经网络	AUC	NA