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
1421	2025-12-05	Deep Learning Enhances the Robustness of Online HD-sEMG Decomposition Against Electrode Detachment 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/EMBC58623.2025.11253298 PMID:41335964	研究论文	本研究首次提出基于深度学习的双向门控循环单元网络结合数据增强技术，以提升高密度表面肌电信号分解在电极脱落干扰下的鲁棒性	首次将深度学习技术应用于缓解电极脱落对表面肌电信号分解的影响，通过模拟电极脱落进行数据增强，并构建双向门控循环单元网络以提高分解的鲁棒性	仅模拟了两种电极脱落干扰水平（0-4和0-8个随机脱落通道），可能未覆盖所有实际脱落场景；研究主要基于模拟和实验信号，临床实际应用效果需进一步验证	提高高密度表面肌电信号分解在电极脱落干扰下的准确性和鲁棒性	高密度表面肌电信号及其在电极脱落干扰下的分解	机器学习	NA	表面肌电信号采集与分解技术	Bi-GRU	表面肌电信号	NA	NA	双向门控循环单元网络	匹配率	NA
1422	2025-12-05	A Deep Learning Framework for Multi-Source EEG Localization 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/EMBC58623.2025.11253252 PMID:41335962	研究论文	本文提出了一种基于深度学习的框架，用于从短时EEG片段中稳健地识别多个活动源，以解决传统线性逆方法在多源定位中的局限性	开发了一种深度学习框架，通过使用与经典求解器不同的前向模型进行训练，避免了“逆犯罪”风险，并在多源特别是空间接近源的定位上优于传统方法	方法主要基于合成数据训练和测试，虽然使用了生理学上合理的模拟，但尚未在大量真实临床数据上进行广泛验证	提高EEG多源定位的准确性和鲁棒性，克服传统线性逆方法的“单源偏差”问题	脑电图（EEG）信号中的多个并发神经活动源	机器学习	NA	脑电图（EEG）	CNN	EEG信号	数千个模拟EEG记录	NA	ConvNET	定位准确性	NA
1423	2025-12-05	Deep learning based generation of 3D-maximum Intensity Projection (MIP) of MRA from T1-weighted MRI scans for Cerebrovascular Abnormalities Characterization 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/EMBC58623.2025.11253273 PMID:41335960	研究论文	本研究提出了一种基于U-Net框架的深度学习方法，用于从常规3D T1加权MRI扫描中合成3D最大强度投影MRA图像，以辅助脑血管异常的早期检测与表征	首次利用深度学习直接从常规T1加权MRI生成3D MIP-MRA图像，避免了传统MRA扫描时间长、可能需要造影剂的限制，为临床提供了一种高效、无创的脑血管成像替代方案	研究主要基于公开数据集进行训练和验证，虽然展示了良好的泛化能力，但在更广泛、更多样化的临床场景中的实际应用效果仍需进一步验证	开发一种能够从常规T1加权MRI合成高质量3D MIP-MRA图像的深度学习方法，以促进脑血管疾病的早期检测、治疗评估和管理	脑血管异常，特别是血管狭窄和不连续性，用于早期血管疾病检测	医学图像处理	脑血管疾病	磁共振成像（MRI），磁共振血管造影（MRA）	CNN	3D医学图像（MRI扫描）	使用了多个公开数据集进行训练和测试，包括IXI数据集（用于训练和测试）、Bullitt数据集、Study Forrest数据集、SIMON数据集和ATLAS数据集（用于验证和评估）	未明确提及，但基于U-Net框架	U-Net	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
1424	2025-12-05	Dual-Mamba: A Hybrid CNN-Mamba Architecture for Tumor Segmentation from 3D Medical 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/EMBC58623.2025.11253297 PMID:41335963	研究论文	提出一种名为Dual-Mamba的混合CNN-Mamba架构，用于从3D医学图像中进行肿瘤分割	提出了一种新颖的CNN-Mamba混合架构，引入了多尺度Mamba模块来建模多尺度局部-全局上下文依赖，以及空间-通道Mamba模块来增强跨通道特征交互，解决了现有Mamba方法中特征过度离散化、局部依赖建模弱和忽略跨通道关系的问题	未在摘要中明确说明	提高3D医学图像中肿瘤分割的准确性，以支持早期癌症诊断和治疗	3D医学图像中的肿瘤区域	数字病理	癌症	深度学习	CNN, Mamba	3D图像	多个数据集（具体数量未说明）	NA	Dual-Mamba（包含多尺度Mamba模块和空间-通道Mamba模块的混合架构）	NA	NA
1425	2025-12-05	Breast Cancer Classification in Deep Ultraviolet Fluorescence Images Using a Patch-Level Vision Transformer Framework 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/EMBC58623.2025.11253275 PMID:41335967	研究论文	本研究提出了一种基于patch级视觉Transformer的框架，用于在深紫外荧光图像中对乳腺癌进行分类	首次将patch级视觉Transformer应用于深紫外荧光全切片图像的乳腺癌分类，并引入Grad-CAM++显著性加权以增强结果可解释性	未明确说明样本来源的多样性或外部验证结果	开发一种用于乳腺癌术中切缘评估的自动分类方法	乳腺切除组织样本的深紫外荧光全切片图像	数字病理学	乳腺癌	深紫外荧光扫描显微镜	Transformer	图像	未明确说明具体样本数量	未明确说明	Vision Transformer	准确率	未明确说明
1426	2025-12-05	Deep Learning-Driven Radiomic Feature Extraction for Predicting Complete Pathological Response to Neoadjuvant Chemotherapy in Breast Cancer from 18F-Fluorodeoxyglucose Positron Emission Tomography/Computed Tomography Scans 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/EMBC58623.2025.11253253 PMID:41335974	研究论文	本研究旨在评估结合18F-FDG PET/CT参数、纹理特征及临床数据，预测乳腺癌患者新辅助化疗后病理完全缓解的潜力	整合基线及随访PET/CT影像的放射组学特征、纹理分析与乳腺癌分子亚型信息，构建联合预测模型，提升新辅助化疗早期疗效预测准确性	研究样本量有限（共204例），且未明确说明模型在独立外部验证集上的泛化性能	预测乳腺癌患者接受首疗程新辅助化疗后的病理完全缓解	204名接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	18F-FDG PET/CT成像	机器学习分类器	医学影像（PET/CT扫描）、临床数据	204例乳腺癌患者（含HER2亚型76例、三阴性亚型52例）	nnUNet, Scikit-learn	nnUNet, Random Forest, XGBoost, Support Vector Machine	平衡准确度	NA
1427	2025-12-05	Unified Gait Event Detection using Temporal Convolutional Network and Bayesian Optimization 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/EMBC58623.2025.11253228 PMID:41335986	研究论文	提出了一种基于时序卷积网络和贝叶斯优化的统一步态事件检测框架，用于从惯性测量单元信号中准确识别脚跟触地和脚尖离地事件	开发了一个统一的深度学习框架，无需为不同活动或环境训练多个模型，通过贝叶斯优化进行超参数调优、高斯核生成地面真值以及加权损失函数来强调具有挑战性的步态事件	未明确提及研究的具体局限性，如模型在更广泛人群或极端环境下的泛化能力	开发一个通用的步态事件检测方法，以量化步态异常并应用于临床步态分析、康复和辅助技术设计	从惯性测量单元信号中检测脚跟触地和脚尖离地等关键步态事件	机器学习	NA	惯性测量单元信号分析	时序卷积网络	时间序列信号	20名受试者	NA	时序卷积网络	F1分数, 平均绝对误差	NA
1428	2025-12-05	A Hybrid EffViT-B6 Model for Automated Wrist Fracture Detection Using X-Ray 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/EMBC58623.2025.11253233 PMID:41335978	研究论文	本文提出了一种混合EffViT-B6模型，用于通过X射线成像自动检测腕部骨折，结合了EfficientNet-B6和Vision Transformers的优势	提出了一种混合EffViT-B6模型，自动提取并整合局部和全局特征表示，无需手动标注或预定义感兴趣区域检测，通过梯度加权类激活图识别骨折区域	未明确提及具体限制，但可能涉及成像质量变异性和模型对信息最丰富区域关注不一致的挑战	开发一种自动腕部骨折检测模型，以增强诊断准确性、效率和及时性，特别是在紧急医疗环境中	腕部X射线图像，用于腕部骨折检测	计算机视觉	腕部骨折	X射线成像	CNN, Transformer	图像	使用两个公开基准数据集MURA和GRAZPEDWRI-DX，包含多样化的腕部X射线图像，具体样本数量未明确说明	未明确提及，但可能基于深度学习框架如TensorFlow或PyTorch	EffViT-B6（结合EfficientNet-B6和Vision Transformers）	分类准确率, AUC	未明确提及
1429	2025-12-05	Balancing Accuracy and Interpretability in Automated 3D Lung Segmentation for Lung Disease: The Role of Classical Techniques 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/EMBC58623.2025.11252893 PMID:41336006	研究论文	本研究提出了一种用于在3D CT图像中准确分割带病理衰减肺部的自动分割算法，重点探讨了经典图像处理技术在平衡准确性与可解释性方面的作用	通过结合固有图像分解滤波和小波变换等经典图像处理方法，并评估凸包与角点检测两种轮廓优化策略，证明了经典方法在减少极端分割误差和保持可解释性方面仍具竞争力	未与更多先进的深度学习模型进行广泛比较，且未来需要探索经典方法与深度学习技术的混合模型以进一步提升性能	开发一种自动、准确且可解释的3D肺部图像分割方法，用于肺部疾病分析	包含病理衰减的3D肺部CT图像	数字病理学	肺部疾病	固有图像分解滤波、小波变换	NA	3D CT图像	NA	NA	NA	Dice相似系数, Hausdorff距离	NA
1430	2025-12-05	A photoplethysmogram-based 1D-CNN algorithm for automated atrial fibrillation 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/EMBC58623.2025.11253262 PMID:41335994	研究论文	本文提出了一种基于光电容积脉搏波信号的一维卷积神经网络算法，用于自动检测心房颤动	开发了一种基于PPG信号的1D-CNN算法，用于心房颤动的自动检测，相比传统心电图方法，更适合可穿戴设备，并探索了模型剪枝和二值化以降低计算复杂度	NA	开发一种基于光电容积脉搏波信号的高精度心房颤动自动检测方法，适用于可穿戴设备	光电容积脉搏波信号	机器学习	心血管疾病	光电容积脉搏波	CNN	信号	基于MIMIC III波形数据库	NA	1D-CNN	准确率, F1分数	NA
1431	2025-12-05	Assessment of Cyclic Alternating Pattern of sleep during late pregnancy 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/EMBC58623.2025.11252911 PMID:41336003	研究论文	本研究开发了一个深度学习模型集成，用于自动检测孕妇脑电图数据中的A相，并从循环交替模式的角度评估妊娠晚期孕妇的睡眠质量	首次在妇产科背景下评估孕妇的循环交替模式，为孕妇睡眠质量评估引入了睡眠不稳定性这一新指标	研究未明确说明孕妇样本的具体数量及招募标准，且对照组非孕妇的匹配细节可能有限	从循环交替模式角度研究妊娠晚期睡眠质量良好孕妇的睡眠模式	孕妇（妊娠晚期）与非孕妇对照组	数字病理学	老年疾病	脑电图	深度学习模型集成	脑电图信号	使用Physionet CAP数据库的脑电图数据训练模型，并应用于孕妇脑电图数据，具体样本数量未明确说明	NA	NA	CAP率指数	NA
1432	2025-12-05	Evaluating the Effect of Input Features on Deep Learning Models for Blood Glucose Forecasting 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/EMBC58623.2025.11252941 PMID:41336000	研究论文	本研究评估了输入特征（如饮食、胰岛素和体力活动）对深度学习模型在1型糖尿病患者血糖预测中性能的影响	系统评估了多种输入特征组合对深度学习模型血糖预测性能的影响，特别是量化了体力活动数据在运动期间预测准确性上的改进	尽管改进具有统计学意义，但由于变化幅度有限，其潜在的临床益处可能受限	评估输入特征对深度学习模型在1型糖尿病患者血糖预测性能的影响	497名1型糖尿病患者的日常生活数据	机器学习	1型糖尿病	连续血糖监测, 胰岛素数据, 碳水化合物摄入记录, 心率监测, 运动数据	深度学习模型	时间序列数据	497名个体，为期四周的日常生活数据	NA	CNN-Transformer	均方根误差, 时间增益	NA
1433	2025-12-05	Regional Brain Age Measures Based on Convolutional Neural Networks (CNNs)-Symmetry Properties and Associations with Fluid and Crystallized Intelligence 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/EMBC58623.2025.11252950 PMID:41336025	研究论文	本研究利用卷积神经网络（CNN）从3D MR图像中估计区域脑年龄，并探讨其对称性以及与流体和晶体智力的关联	提出了区域脑年龄测量方法，并引入“百分位匹配”方法以缓解脑年龄研究中的“回归到均值”问题	研究样本主要来自人类连接组计划，可能缺乏更广泛人群的代表性，且仅基于T1加权图像	探究区域脑年龄的对称性及其与认知功能（流体和晶体智力）的关联	人类大脑的18个皮质区域（每个大脑半球9个）	计算机视觉	NA	3D MR成像	CNN	3D图像	1,703个T1加权图像，来自人类连接组计划（HCP-年轻成人和HCP-老龄化）	NA	3D卷积神经网络	平均绝对误差, 均方根误差, Spearman相关系数	NA
1434	2025-12-05	Multi-scale Feature Learning with CNN-RNN-Attention Framework for ECG-based Cancer Therapy-Related Cardiac Dysfunction 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/EMBC58623.2025.11252929 PMID:41336026	研究论文	本文提出了一种基于CNN-RNN-Attention框架的深度学习模型，用于从心电图信号中检测癌症治疗相关的心功能不全	提出了一种结合CNN、RNN和注意力机制的多尺度特征学习框架，用于从ECG信号中检测CTRCD，并通过可视化注意力权重增强了模型的可解释性	未明确提及研究的局限性	开发一种低成本、可靠的诊断工具，用于监测癌症治疗期间的心脏副作用	癌症治疗相关的心功能不全	机器学习	心血管疾病	心电图	CNN, RNN	信号	NA	NA	CNN-RNN-Attention框架	NA	NA
1435	2025-12-05	A Joint Optimization Guided Deep Learning Model based on CNN and Channel-Wise Transformers for Robust Sleep Stage Classification from EEG Signal 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/EMBC58623.2025.11252945 PMID:41336036	研究论文	提出了一种基于CNN和通道级Transformer的轻量级双分支深度学习模型，用于从EEG信号中进行鲁棒的睡眠阶段分类	结合CNN的特征提取能力和Transformer的通道级注意力机制，在避免过高计算复杂度的同时有效捕捉生理信号的局部和全局依赖关系	未明确说明模型在实时部署中的具体延迟或资源消耗数据	开发高效准确的自动化睡眠阶段分类方法以辅助睡眠障碍诊断	睡眠EEG信号	机器学习	睡眠障碍	EEG信号分析	CNN, Transformer	生理信号（EEG）	四个基准数据集（SleepEDF-20, SleepEDF-78, SleepEDFx, SHHS）	未明确说明	双分支架构（CNN分支 + 通道级Transformer分支）	未明确说明具体指标	未明确说明
1436	2025-12-05	Synthesizing Ultrasound B-mode Images from Subsampled RF Data: A Data-Driven Deep Learning Approach 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/EMBC58623.2025.11252942 PMID:41336039	研究论文	本研究提出了一种基于数据驱动的深度学习方法，用于从下采样的射频数据合成超声B模式图像	利用卷积网络架构直接从射频数据重建B模式图像，即使数据经过下采样也能保持图像质量，并允许在相同帧率下扫描更宽的横向视野	未明确说明网络架构的具体细节或训练数据的规模限制	研究从射频数据重建B模式图像的方法，以提高数据采集和传输效率	超声射频数据和B模式图像	计算机视觉	NA	脉冲回波成像	CNN	图像	NA	NA	卷积网络	图像质量相似性	NA
1437	2025-12-05	Automated Cavity Detection and Classification Using Deep 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/EMBC58623.2025.11252946 PMID:41336045	研究论文	本研究提出了一种基于深度学习的多尺度AI辅助方法，用于牙科X光片中的龋齿检测与分类，比较了图像级和牙齿级方法	引入了多尺度AI辅助方法，结合分类与检测任务，并利用Ultralytics YOLO11框架对比图像级与牙齿级方法，突出了牙齿级分析在提升检测精度方面的优势	研究未详细说明分割技术的具体改进方向，且临床数据集有待扩展，性能在不同成像条件下的验证尚不充分	开发自动化龋齿检测与分类系统，以辅助早期诊断和治疗规划	牙科X光片中的龋齿	计算机视觉	龋齿	深度学习	YOLO	图像	未明确说明样本数量	Ultralytics YOLO11	YOLO11	准确率, mAP@50, 召回率	NA
1438	2025-12-05	Fine-Tuning of Wav2Vec 2.0 for Multimodal Classification of Abnormal Heart Sounds 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/EMBC58623.2025.11251626 PMID:41336057	研究论文	本研究通过微调Wav2Vec 2.0模型，结合信号处理和去噪扩散模型进行数据增强，用于同步心音图（PCG）和心电图（ECG）信号的多模态异常心音分类	首次将Wav2Vec 2.0模型与WaveGrad、DiffWave等去噪扩散模型结合进行心音数据增强，并在同步PCG/ECG数据上实现了超越现有最佳方法的性能	研究依赖于有限的同步PCG和ECG数据，数据增强方法可能引入未知偏差	开发准确且低成本的心血管疾病早期预筛查方法	心音图（PCG）和心电图（ECG）信号	数字病理学	心血管疾病	信号处理，去噪扩散模型	Transformer	音频信号（PCG），生理信号（ECG）	Computing in Cardiology (CinC) 2016训练数据集及所有CinC数据库	PyTorch	Wav2Vec 2.0, WaveGrad, DiffWave	准确率，未加权平均召回率，灵敏度，特异性，马修斯相关系数	NA
1439	2025-12-05	Alignment-Guided Forward-Distortion Model for Deep Unsupervised Correction of Susceptibility Artifacts in EPI 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/EMBC58623.2025.11251667 PMID:41336064	研究论文	提出了一种用于快速无监督校正EPI磁敏感伪影的对齐引导前向畸变网络（agFD-Net）	在FD-Net基础上引入了预训练的对齐网络（AlignNet），首次在物理驱动的无监督框架中同时处理磁敏感伪影和受试者运动	未明确说明模型在极端运动情况下的性能，也未与其他深度学习方法进行广泛比较	开发一种能够同时校正磁敏感伪影并补偿受试者运动的快速计算方法	磁共振成像中的EPI图像	医学图像处理	NA	磁共振成像（MRI），回波平面成像（EPI）	深度学习网络	医学图像	实验性NIH数据集	NA	agFD-Net, AlignNet, FD-Net	NA	NA
1440	2025-12-05	Atlas-Free Semi-Automatic Segmentation of Sheep Cerebrospinal Fluid Space from MRI 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/EMBC58623.2025.11251670 PMID:41336071	研究论文	本文提出了一种无图谱半自动分割方法，用于从绵羊的磁共振成像（MRI）中分割脑脊液空间	开发了一种针对绵羊脑脊液空间的无图谱半自动分割方法，利用nn-UNet深度学习框架，在四只成年绵羊脑数据上训练模型，实现了快速分割（一分钟内）	方法仅在四只成年绵羊脑数据上训练和验证，需要更大临床数据集进行进一步验证以支持临床应用	自动化分割绵羊脑中的解剖结构，特别是脑脊液空间，以支持实验性脑研究和人类病理管理（如轻度创伤性脑损伤）	绵羊的脑脊液空间，包括整体脑脊液空间和复杂的脑室脑脊液空间	数字病理学	轻度创伤性脑损伤	磁共振成像	CNN	图像	四只成年绵羊脑的MRI数据	nn-UNet	nn-UNet	Dice系数	NA