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
1441	2025-12-05	Diffusion Model-Based Displacement Field Generation for 4D-CT Chest Image Generation 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/EMBC58623.2025.11254765 PMID:41335865	研究论文	本研究提出了一种基于条件扩散模型的框架，用于从单相三维胸部CT图像生成捕捉呼吸运动的位移矢量场，进而合成不同呼吸时相的四维CT图像	首次将条件扩散模型应用于从单相3D-CT生成位移矢量场，并提出了结合初始相位CT图像和目标相位平均DVF作为引导的模型，以仅使用位移幅度生成4D-CT图像	研究仅使用了62个病例的4D-CT图像进行训练和测试，样本量相对有限；方法依赖于呼吸运动的位移幅度，可能无法捕捉所有复杂的解剖变形	开发一种从单相三维胸部CT图像生成四维CT图像的框架，以减轻患者多次成像的负担并辅助放疗规划	呼吸运动和解剖变形数据，特别是用于放疗规划和手术精度提升的个体化呼吸运动建模	医学影像分析	胸部疾病（通用）	三维计算机断层扫描，四维计算机断层扫描	扩散模型	图像（3D-CT， 4D-CT）	62个病例的4D-CT图像	NA	条件扩散模型	定量比较（具体指标未在摘要中明确列出）	NA
1442	2025-12-05	Conditional Score-based Diffusion Models for Lung CT Scans Generation 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/EMBC58623.2025.11254813 PMID:41335870	研究论文	本研究探索了基于分数的扩散模型在条件生成肺部CT扫描切片中的应用，以解决数据有限、标注成本高和隐私问题	提出了使用条件分数扩散模型生成肺部CT扫描，并比较了VP和VE SDEs模型在生成高保真图像方面的性能	当前方法仅限于2D切片生成，未来需扩展到3D条件生成并使用更丰富的条件映射以涵盖更广泛的解剖变异	通过生成合成肺部CT扫描来增强深度学习模型训练，以支持肺部疾病诊断和分类	肺部CT扫描切片，包括肺部分割掩码和结节分割映射	计算机视觉	肺癌	CT扫描	扩散模型	图像	NA	NA	U-Net	SSIM, PSNR, FID, MMD, ECS	NA
1443	2025-12-05	Meta-Learning Coupled with Transfer Learning for Improved Few-Shot Classification of Cardiac MR 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/EMBC58623.2025.11254847 PMID:41335867	研究论文	本文提出了一种新颖的元迁移学习框架，用于心脏磁共振图像的少样本分类，以解决标注医学数据有限的问题	结合预训练深度神经网络与元学习，在少样本场景下实现心脏疾病的二元和五类分类，并在预训练和元训练阶段探索了相同与不同类别的实验	未明确说明模型在更广泛数据集或实际临床环境中的泛化能力，以及计算资源需求	提高心脏磁共振图像在有限标注数据下的分类准确性和泛化能力	心脏磁共振图像，包括健康与疾病状态（如正常心脏功能、扩张型心肌病、肥厚型心肌病、心肌梗死导致的心力衰竭、异常右心室）	计算机视觉	心血管疾病	心脏磁共振成像	深度神经网络	图像	基于ACDC数据集，具体样本数量未明确说明	NA	NA	准确率	NA
1444	2025-12-05	EEG-Translator: A Cross-Modality Framework for Subject-Specific EEG and Voice Reconstruction from Imagined Speech 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/EMBC58623.2025.11254826 PMID:41335877	研究论文	提出一种跨模态EEG翻译框架，用于从想象语音EEG重建发声语音EEG，以提升语音脑机接口性能	结合扩散模型与GAN训练，通过融合空间和频谱损失来保留EEG的类别信息和时频域特性，实现跨域EEG重建	未明确说明模型在跨被试或不同语言环境下的泛化能力，以及计算资源需求的具体细节	开发一种跨模态框架，用于从想象语音EEG重建发声语音EEG，以改善语音脑机接口的通信能力	想象语音和发声语音的脑电图信号	脑机接口	言语障碍	脑电图	扩散模型, GAN	脑电图信号, 频谱图特征	NA	NA	NA	分类解码准确率	NA
1445	2025-12-05	Unsupervised Deep Embedding for Robust Epileptic Seizure 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/EMBC58623.2025.11254792 PMID:41335874	研究论文	本文提出了一种名为深度变分高斯混合（DVGM）模型的新方法，用于鲁棒的癫痫发作检测	提出了一种结合深度变分自编码器、奇异值分解和高斯混合模型的深度聚类算法，以解决监督模型训练时间长和泛化能力差的问题	未明确提及具体局限性	提高癫痫发作检测的准确性和效率，并解决跨患者群体的泛化挑战	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	脑电图（EEG）分析	深度变分自编码器（VAE），高斯混合模型（GMM）	EEG信号	使用波士顿儿童医院（CHB）公开数据集进行训练，并在法国昂热大学医院中心（CHU）数据集上进行测试	未明确指定	深度变分高斯混合（DVGM）模型	未明确指定具体指标	未明确指定
1446	2025-12-05	Attention-enabled Explainable AI for Bladder Cancer Recurrence Prediction 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/EMBC58623.2025.11254767 PMID:41335879	研究论文	提出一种基于注意力机制的可解释深度学习框架，用于预测非肌层浸润性膀胱癌的复发风险	首次将向量嵌入与注意力机制结合用于膀胱癌复发预测，识别了手术时长和住院时间等传统模型未考虑的新风险因素，并提供患者层面的可解释性	未明确说明样本数据的具体来源和采集时间范围，模型在表格数据上的准确率为70%仍有提升空间	改进非肌层浸润性膀胱癌的复发预测精度并提供临床可解释的决策支持	非肌层浸润性膀胱癌患者	医疗人工智能	膀胱癌	深度学习	注意力机制模型	表格数据	未明确说明具体样本数量（涉及全球46万患者群体）	未明确说明	未明确说明具体架构名称	准确率	未明确说明
1447	2025-12-05	Predicting the efficacy of first-line therapy for patients with colorectal cancer liver metastases using CT imaging and clinical 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/EMBC58623.2025.11254758 PMID:41335887	研究论文	本文提出了一种新颖的多模态交叉注意力模型，结合增强肝脏CT影像和临床数据，用于预测结直肠癌肝转移患者一线治疗的疗效	提出了一种新颖的多模态交叉注意力模型，通过nnUNetv2进行肝脏和肿瘤区域分割，结合放射组学特征和临床变量，利用多头交叉注意力模块实现多模态信息的有效交换与对齐	样本量相对较小（177名患者），可能影响模型的泛化能力，且仅使用了CT影像和临床数据，未考虑其他影像模态或分子生物学数据	预测结直肠癌肝转移患者一线治疗的疗效，以支持个性化治疗策略的制定	结直肠癌肝转移患者	计算机视觉	结直肠癌	增强CT成像	深度学习模型	图像, 临床数据	177名患者	PyTorch	nnUNetv2	AUC	NA
1448	2025-12-05	Advancing Survival Analysis with Large Language Models: A Solution to Data Scarcity and Missing Information in Healthcare 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/EMBC58623.2025.11254763 PMID:41335883	研究论文	本文提出了一种利用大语言模型生成包含所有相关信息的句子，以解决医疗数据稀缺和缺失问题的新方法，用于生存分析和患者风险评估	通过大语言模型生成综合句子，直接使用患者数据而无需转换，处理缺失数据，并模拟临床文档的自然变异性，避免了传统数据插补的假设限制	未明确说明大语言模型生成数据的潜在偏差或泛化能力限制，以及方法在更广泛数据集上的验证情况	解决医疗数据稀缺和缺失信息问题，以改进生存分析和患者风险评估	医疗数据集中的患者信息，特别是包含文本描述符的表格数据	自然语言处理	NA	大语言模型	NA	文本	FLCHAIN、METABRIC和SUPPORT数据集	NA	简单网络	C-index, IBS	NA
1449	2025-12-05	Learning Generalizable Features for Tibial Plateau Fracture Segmentation Using Masked Autoencoder and Limited Annotations 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/EMBC58623.2025.11254785 PMID:41335895	研究论文	本文提出了一种基于掩码自编码器的训练策略，用于从CT图像中准确分割胫骨平台骨折，该方法利用无标签数据预训练学习通用特征，仅需少量标注数据进行微调	利用掩码自编码器从无标签数据中捕获全局骨骼结构和细粒度骨折细节，显著减少对大量标注数据的依赖，并增强了模型学习可泛化和可迁移特征的能力	方法仅在内部数据集（180例CT扫描）和另一个公共骨盆CT数据集上进行了验证，需要更多样化的数据集以进一步证明其泛化能力	开发一种能够利用有限标注数据实现准确、可泛化的胫骨平台骨折自动分割方法	胫骨平台骨折的CT图像	数字病理学	骨折	CT扫描	掩码自编码器	图像	内部数据集包含180例胫骨平台骨折CT扫描，微调仅使用20例标注病例；并在另一个公共骨盆CT数据集（髋部骨折）上进行了迁移性测试	PyTorch	掩码自编码器	Dice相似系数, 平均对称表面距离, Hausdorff距离	NA
1450	2025-12-05	TAKD: A Temporal Attention-Based Knowledge Distillation Framework for Efficient Multi-Lead ECG 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/EMBC58623.2025.11251878 PMID:41335904	研究论文	本文提出了一种基于时序注意力的知识蒸馏框架（TAKD），用于在资源受限设备上实现高效的多导联心电图诊断	利用时序注意力机制增强从教师模型到轻量级学生模型的特征迁移，提升学生对关键时序特征和多导联交互的关注	仅基于ICBEB2018数据集进行实验，未在其他数据集或真实临床环境中验证	开发一种轻量化的深度学习模型，用于心律失常的早期检测与诊断	多导联心电图信号	机器学习	心血管疾病	心电图分析	深度学习模型	时序信号数据	ICBEB2018数据集	未明确提及	未明确提及	准确率	资源受限设备
1451	2025-12-05	Automated Radiomics Analysis from Multi-Modal Image Segmentation for Predicting Triple Negative Breast Cancer 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/EMBC58623.2025.11252611 PMID:41335910	研究论文	本研究提出了一种结合深度学习分割和机器学习分类的自动化流程，利用PET/CT影像的放射组学特征预测三阴性乳腺癌	首次将深度学习自动分割与机器学习分类相结合，利用PET/CT多模态影像的放射组学特征来区分三阴性乳腺癌与非三阴性乳腺癌	回顾性研究，样本量相对有限（217例患者），且仅来自单一医疗中心	研究PET/CT提取的定量放射组学特征能否区分三阴性乳腺癌与非三阴性乳腺癌	217名乳腺癌患者的PET/CT影像（57例三阴性乳腺癌，160例非三阴性乳腺癌）	数字病理学	乳腺癌	PET/CT影像分析，放射组学特征提取	深度学习模型（用于分割），机器学习分类器	多模态医学影像（PET和CT）	217例患者（57例三阴性乳腺癌，160例非三阴性乳腺癌）	NA	NA	F1分数，AUC，准确率，灵敏度，特异性	NA
1452	2025-12-05	Framework to Simulate Perceived Images Affected by Human Visual System Disorders 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/EMBC58623.2025.11251890 PMID:41335920	研究论文	本文提出了一种利用PerceptNet模型结合JAX/Flax深度学习框架的计算框架，用于模拟人类视觉系统疾病如何影响图像感知	结合PerceptNet模型与深度学习优化技术，首次构建了能够模拟多种视觉系统疾病（如色盲和创伤性脑损伤）感知变化的计算框架	未明确说明框架在模拟其他视觉疾病时的泛化能力，且未提供大规模临床验证数据	开发一个计算框架来模拟人类视觉系统疾病对图像感知的影响	人类视觉系统疾病（如色盲、创伤性脑损伤）患者的视觉感知变化	计算机视觉	视觉系统疾病	深度学习优化技术	PerceptNet	图像	NA	JAX/Flax	PerceptNet	NA	NA
1453	2025-12-05	SViT-ECG: Spectrogram Vision Transformer for Detection of Short-Term Atrial Fibrillation from ECG 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/EMBC58623.2025.11252617 PMID:41335921	研究论文	本研究提出了一种基于Transformer深度学习技术的新方法，用于从心电图信号中检测短期心房颤动	首次将微调的Vision Transformer模型应用于心电图谱图，以检测短期心房颤动，相比现有最先进算法有显著进步	未提及	开发一种用于早期和精确诊断心房颤动的方法	患者的心电图信号	计算机视觉	心血管疾病	心电图信号处理	Transformer	图像（谱图）	未提及具体样本数量	未提及	Vision Transformer	准确率, F分数	未提及
1454	2025-12-05	Frequency-Aware Masked Autoencoders for Human Activity Recognition using Accelerometers 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/EMBC58623.2025.11252605 PMID:41335931	研究论文	本文提出了一种基于频率感知掩码自编码器的新方法，用于利用加速度计数据进行人类活动识别，并引入了两种新的基于频谱图的损失函数	提出了两种新颖的基于频谱图的损失函数（对数尺度平均幅度损失和对数尺度幅度方差损失），并将其应用于时间序列Transformer掩码自编码器的自监督预训练中	对数尺度幅度方差损失的加入反而降低了模型性能，表明该损失函数的设计可能需要进一步优化	开发更有效的人类活动识别算法，以更准确地监测身体活动	加速度计数据	机器学习	NA	自监督预训练	Transformer, LSTM	时间序列数据	预训练使用UK Biobank加速度计数据集（n=109k），下游评估使用较小的标注数据集	NA	掩码自编码器, ResNet	F1分数	NA
1455	2025-12-05	A Deep Learning-based Method for Detection of Severity Stages of Otitis Media by Otoscopic 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/EMBC58623.2025.11251873 PMID:41335930	研究论文	本研究提出了一种基于深度学习的方法，利用耳镜图像检测中耳炎的严重程度阶段	首次将EfficientNet B3和Inception V3模型应用于耳镜图像，以分类中耳炎的不同严重阶段，包括急性、急性严重和慢性化脓性中耳炎	CSOM类别的召回率较低（EfficientNet B3为33%），总体准确率为78.18%，仍有提升空间，且数据集可能受限于单一医疗机构的监督	通过深度学习技术精确检测中耳炎的严重程度阶段，以辅助临床诊断	中耳炎患者，特别是影响年轻人的中耳疾病，研究聚焦于鼓膜图像	计算机视觉	中耳炎	耳镜成像	CNN	图像	NA	NA	EfficientNet B3, Inception V3	准确率, 精确率, 召回率, 特异性	NA
1456	2025-12-05	A Bidirectional Long Short-Term Memory Deep Learning Model for Classification of Pulse Waveform 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/EMBC58623.2025.11252620 PMID:41335941	研究论文	本研究提出了一种双向长短期记忆深度学习模型，用于将动脉血压波形分类为A型和B/C型，以增强无创心血管监测	首次应用双向长短期记忆模型对动脉血压波形进行分类，特别是针对生理形状受限的波形（如Type B/C），扩展了波形分析的范围	研究仅针对主动脉和股动脉波形进行了分类，未涉及其他动脉部位或更广泛的波形类型	增强无创心血管监测并促进动脉改变的早期检测	动脉血压波形	机器学习	心血管疾病	波形分离分析	BiLSTM	波形数据	NA	NA	双向长短期记忆	准确率	NA
1457	2025-12-05	Invertible Conditional Generative Adversarial Networks to Effectively Generate Myocardial Infarction from Normal ECG 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/EMBC58623.2025.11253299 PMID:41335953	研究论文	本研究探索使用可逆条件生成对抗网络（IcGAN）进行风格迁移，将12导联心电图从正常窦性心律转换为心肌梗死（下壁和前间隔心肌梗死）信号	与需要为每个类别转换训练多个模型的CycleGAN不同，IcGAN仅需训练一个条件GAN和一个编码器，提供了更高效灵活的框架	研究仅基于PTB-XL数据集进行训练和评估，未在其他独立数据集上验证模型的泛化能力	探索深度学习方法在生物医学信号处理中的应用，特别是生成合成生理信号	12导联心电图心跳信号	机器学习	心血管疾病	心电图信号处理	GAN, IcGAN, CycleGAN	信号数据	来自Physionet PTB-XL数据集的心电图心跳	NA	可逆条件生成对抗网络, 循环生成对抗网络	视觉检查, GAN训练分数, GAN测试分数, ST段幅度比较	NA
1458	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
1459	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
1460	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