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	Robust Automatic 3D Brain Extraction on T1 Weighted Magnetic Resonance Images for dogs and cats 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/EMBC58623.2025.11254288 PMID:41336704	研究论文	提出首个基于深度学习的鲁棒性自动3D大脑提取工具，适用于不同品种和健康状况的猫狗T1加权磁共振图像	首个针对猫狗跨品种、跨诊断的深度学习大脑提取工具，在形态学变异情况下优于现有基于图谱的方法VIBE和人类医学方法	未明确说明模型在极端颅骨形态或罕见病种上的泛化能力，训练数据规模相对有限（115只动物）	开发适用于兽医神经影像学的自动化、高精度大脑提取工具	猫和狗的T1加权磁共振图像	数字病理学	兽医神经疾病	T1加权磁共振成像	深度学习模型	3D医学图像	115只动物（猫和狗）	NA	NA	Dice系数	NA
1442	2025-12-05	NeuroMoE: A Transformer-Based Mixture-of-Experts Framework for Multi-Modal Neurological Disorder Classification 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/EMBC58623.2025.11254303 PMID:41336692	研究论文	本文提出了一种基于Transformer的混合专家框架，用于整合多模态MRI和临床数据以提升神经系统疾病的分类性能	提出了一种新颖的基于Transformer的混合专家框架，首次将解剖MRI、DTI和功能MRI与临床评估数据通过自适应门控机制进行动态融合	研究使用了独特的专有多模态临床数据集，其普适性可能受限；未详细说明模型在不同疾病亚型间的泛化能力	开发一个能够有效整合多模态医学数据以提升神经系统疾病诊断准确性的深度学习框架	神经系统疾病患者的多模态MRI数据（解剖MRI、DTI、功能MRI）及临床评估数据	医学影像分析	神经系统疾病	多模态磁共振成像	Transformer, 混合专家模型	医学影像, 临床数据	NA	NA	Transformer编码器, 混合专家	准确率	NA
1443	2025-12-05	Anomaly-Driven Approach for Enhanced Prostate 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/EMBC58623.2025.11254318 PMID:41336698	研究论文	本研究提出了一种结合异常检测与深度学习分割的框架（adU-Net），用于提升临床显著性前列腺癌在MRI图像中的分割性能	首次将基于Fixed-Point GAN生成的异常图集成到U-Net分割框架中，利用异常图引导模型关注潜在癌变区域	未明确说明训练数据的具体规模与来源多样性，外部测试集的性能提升幅度有限（平均分数从0.605提升至0.618）	提升临床显著性前列腺癌在MRI图像中的自动化分割准确性与泛化能力	双参数MRI序列中的前列腺癌病灶	数字病理	前列腺癌	双参数磁共振成像（biparametric MRI）	CNN, GAN	医学影像（MRI）	NA	NA	U-Net, Fixed-Point GAN, nnU-Net	AUROC, 平均精度（AP）, 平均分数（AUROC与AP的均值）	NA
1444	2025-12-05	Spinal Disease Classification Using Deep Learning on Dual-View Videos 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/EMBC58623.2025.11254342 PMID:41336702	研究论文	本研究提出了一种基于双视角步态视频的深度学习新方法，用于区分成人脊柱畸形（ASD）与非ASD患者	首次将双视角步态视频与神经网络结合，能够检测每位患者特有的步态波动，通过整合时空步态动力学增强定量诊断	未明确说明样本规模的具体细节，且仅提及F1分数有显著提升但总体准确率提升有限	开发一种用于成人脊柱畸形（ASD）定量诊断和步态评估的新方法	成人脊柱畸形（ASD）患者与非ASD患者的步态特征	计算机视觉	脊柱疾病	步态视频分析	CNN	视频	NA	PyTorch	3D CNN	准确率, F1分数	NA
1445	2025-12-05	Using mmWave Radar and Deep Learning to Classify Caregiver Activities for Infection Prevention 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/EMBC58623.2025.11254344 PMID:41336691	研究论文	本文提出了一种基于毫米波雷达和深度学习技术的护理人员活动识别系统，用于分类护理人员在患者房间内的活动并评估其感染风险等级，以支持临床环境中的感染预防策略	利用毫米波雷达获取的3D点云数据进行非侵入式、保护隐私的活动识别，并首次将护理人员活动按感染风险等级（行走、环境接触、低风险患者接触、高风险患者接触）进行分类评估	研究在模拟医院环境中进行，未来需要在实际临床环境中验证；深度学习模型架构有待进一步优化以提高性能	开发一种非侵入式活动识别系统，用于监测护理人员活动并评估感染风险，以增强临床环境中的感染预防能力	护理人员在患者房间内的30种不同活动，按感染风险分为四个等级	计算机视觉	感染性疾病	毫米波雷达	深度学习	3D点云数据	在模拟医院环境中收集的30种护理人员活动数据集	NA	PointNet++, Pointformer, DGCNN	准确率, F1分数	NA
1446	2025-12-05	UNI-HoverNet: nuclei segmentation and classification across diverse tissue sections based on the UNI foundation 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/EMBC58623.2025.11254327 PMID:41336708	研究论文	本研究提出了一种名为UNI-HoverNet的深度学习模型，用于在多样化的组织病理学切片中进行精确的细胞核分割与分类	将UNI基础模型集成到HoverNet编码器中，结合了CNN的局部特征提取能力和视觉Transformer的全局上下文建模；在解码器中引入SE模块并利用跳跃连接有效融合多尺度特征	NA	开发一个能在多样化组织切片中实现精确细胞核分割与分类的深度学习模型，以辅助病理分析	组织病理学切片中的细胞核	数字病理学	肿瘤（泛指）	NA	CNN, Transformer	图像	PanNuke公共数据集	NA	UNI, HoverNet	多类全景质量, F1分数	NA
1447	2025-12-05	Recover from Horcrux: A Spectrogram Augmentation Method for Cardiac Feature Monitoring from Radar Signal Components 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/EMBC58623.2025.11254289 PMID:41336721	研究论文	本文提出了一种名为Horcrux的频谱图增强方法，用于基于雷达信号的心脏特征监测，旨在解决数据稀缺问题并提升深度学习模型性能	提出了一种适用于回归任务的频谱图增强方法，通过注入零值增强模型对细微心脏特征的感知能力，同时保持增强数据与原始真实生理信号的忠实性	未明确说明实验数据的具体来源和规模限制，且方法在其他频谱图任务中的扩展性需进一步验证	开发一种数据增强方法以解决基于雷达信号的心脏特征监测中数据稀缺问题，支持分类和回归任务	雷达信号及其频谱图，用于心跳检测和心电图重建等心脏特征监测	机器学习	心血管疾病	雷达信号处理，频谱图分析	深度学习模型（未指定具体类型）	频谱图	NA	NA	NA	NA	NA
1448	2025-12-05	Enhancing Segmentation Accuracy of the Common Iliac Vein in OLIF51 Surgery in Intraoperative Endoscopic Video through Gamma Correction: A 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/EMBC58623.2025.11254299 PMID:41336724	研究论文	本文提出了一种通过伽马校正增强深度学习模型在OLIF51手术内窥镜视频中准确分割髂总静脉的方法	结合伽马校正技术优化内窥镜图像，以提高髂总静脉在复杂手术环境中的自动分割精度	NA	开发一种术中支持系统，通过自动提取静脉区域来标准化髂总静脉的识别，降低手术损伤风险	脊柱疾病治疗中的髂总静脉	计算机视觉	脊柱疾病	内窥镜视频成像	深度学习模型	视频	NA	NA	NA	NA	NA
1449	2025-12-05	Freezing of Gait Detection Using Gramian Angular Fields and Federated Learning from Wearable Sensors 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/EMBC58623.2025.11254302 PMID:41336735	研究论文	本文提出了一种名为FOGSense的系统，用于在自由生活环境中使用单个可穿戴传感器检测帕金森病的冻结步态症状	结合Gramian Angular Field变换和隐私保护的联邦深度学习，以捕捉传统方法遗漏的时空步态模式，并实现个性化模型适应	研究基于公开数据集进行，需要在更广泛的患者群体和更长期的自由生活环境中进一步验证	开发一种准确、实时且可部署于自由生活环境的冻结步态检测系统，以支持及时干预和长期症状管理	帕金森病患者的冻结步态症状	机器学习	帕金森病	可穿戴传感器数据采集	深度学习	时间序列传感器数据	使用公开的帕金森病数据集（具体样本数未在摘要中说明）	联邦学习框架	NA	准确率, F1分数, 假阳性率, 灵敏度	智能手机（用于模型同步和部署）
1450	2025-12-05	Depth-Regularized 3D Gaussian Splatting for Robust Endoscopic Reconstruction in Feature-Scarce Environments 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/EMBC58623.2025.11254375 PMID:41336748	研究论文	本文提出了一种结合深度学习SfM技术和深度正则化的先进3D高斯溅射框架，用于在特征稀缺的内窥镜环境中实现鲁棒的三维重建	将Super-point和Superglue集成到SfM中以鲁棒提取和匹配胃肠道场景特征，并引入预训练的Depth-Anything-V2模型进行单目深度预测，通过尺度偏移调整和L损失与SfM深度对齐，同时采用Huber损失进行硬深度正则化以确保3D高斯点的精确放置，并通过全局-局部深度归一化保持细节与结构一致性	未明确提及方法在极端光照条件或运动模糊场景下的性能，也未讨论计算效率与实时性	解决在狭窄视场和纹理均匀的胃肠道环境中现有三维重建方法（如NeRF和标准3DGS）性能不佳的问题	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	结构光运动恢复（SfM），单目深度预测	深度学习模型	内窥镜图像	多个内窥镜数据集（未指定具体数量）	NA	Depth-Anything-V2	重建质量，伪影减少（未指定具体量化指标）	NA
1451	2025-12-05	Automatic Cough Analysis for Non-Small Cell Lung 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/EMBC58623.2025.11254401 PMID:41336743	研究论文	本研究探索了使用自动咳嗽分析作为区分非小细胞肺癌患者与健康对照的预筛查工具	首次将自动咳嗽分析与机器学习技术结合，用于非小细胞肺癌的早期检测，并利用SHAP增强模型可解释性，同时评估了模型在不同人口统计学群体中的公平性	需要更大、更多样化且无偏的数据集，特别是包括有NSCLC风险的个体和早期疾病阶段的患者，以增强研究结果的可靠性	改善肺癌筛查方法，促进非小细胞肺癌的早期诊断	非小细胞肺癌患者和健康对照者	机器学习	肺癌	音频分析	SVM, XGBoost, CNN	音频	227名受试者（包括NSCLC患者和健康对照）	NA	VGG16	准确率	NA
1452	2025-12-05	A Pilot Study: Automatically Monitoring the Physical Dysfunction of Idiopathic REM Sleep Behaviour Disorder with Wearables and 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/EMBC58623.2025.11254362 PMID:41336751	研究论文	本研究探索使用可穿戴设备和深度学习自动监测特发性快速眼动睡眠行为障碍（iRBD）患者的身体功能障碍	开发了一种新颖的通道注意力集成时间卷积网络（STCN）用于活动识别，并验证了通过跟踪UPDRS III测试表现自动监测iRBD的潜力	样本量较小（仅11名iRBD患者），且依赖特定物理检查，可能受设备佩戴位置和信号质量影响	探索一种经济有效的家庭持续监测iRBD的方法，以替代昂贵的视频多导睡眠图	特发性快速眼动睡眠行为障碍（iRBD）患者、帕金森病（PD）患者和健康对照者	机器学习	帕金森病	加速度计信号采集、MDS-UPDRS III物理检查	CNN	加速度计信号	11名iRBD患者、17名PD患者和14名健康对照者	NA	STCN（通道注意力集成时间卷积网络）	F1分数	NA
1453	2025-12-05	Time-Frequency Analysis of Frontal EEG Channels for Alzheimer's Disease Detection 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/EMBC58623.2025.11254406 PMID:41336754	研究论文	本研究提出了一种基于EEG信号的新型阿尔茨海默病检测框架，利用连续小波变换和深度学习模型进行分类	提出了一种结合连续小波变换生成RGB时频谱图和集成CBAM注意力模块的ResNet18网络，用于阿尔茨海默病的检测，并在相同验证协议下取得了优于先前方法的性能	NA	开发一种基于额叶EEG信号的阿尔茨海默病检测方法	阿尔茨海默病患者及额颞叶痴呆患者的EEG信号	机器学习	阿尔茨海默病	脑电图	CNN	图像	公开可用数据集	PyTorch	ResNet18	准确率	NA
1454	2025-12-05	Effect of Accurate Segmentation of Prostate Areas on Radiomics based model for Prostate Cancer Classification 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/EMBC58623.2025.11254417 PMID:41336763	研究论文	本研究探讨了前列腺不同区域（如移行区和外周带）的放射组学特征对前列腺癌分类模型性能的影响	通过比较前列腺整体、移行区、外周带及预设宽度区域的放射组学特征，识别出移行区和外周带特征对诊断准确性贡献最大，且高b值（800）DWI为最具信息量的成像模态	样本量较小（仅80名患者），且未详细说明分割算法的具体准确性或泛化能力	开发非侵入性前列腺癌诊断和分层工具，通过放射组学分析提高临床显著前列腺癌的检测准确性	前列腺癌患者的多参数MRI图像，重点关注前列腺整体、移行区、外周带及预设区域	数字病理学	前列腺癌	多参数MRI（包括T2加权和扩散加权成像DWI）	机器学习模型（未指定具体类型，但提到两种模型）	医学图像（MRI）	80名患者	NA	NA	诊断准确性	NA
1455	2025-12-05	Deep-Learning Based Segmentation of In-Ear Cardiac 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/EMBC58623.2025.11254370 PMID:41336766	研究论文	本研究提出了一种基于U-Net深度学习模型，用于从入耳式麦克风采集的心音信号中进行心音分割的方法	首次利用主动降噪耳机上的入耳式麦克风进行心音分割，并针对IEM信号与PCG信号的时频特性差异定制了U-Net模型，提出了一种更严格的分割精度评估方法	样本量较小（仅11名参与者），模型在更广泛人群和不同环境下的泛化能力有待验证	开发一种适用于便携式、连续、院外场景的心音自动分割方法	通过入耳式麦克风采集的心音信号	数字病理学	心血管疾病	心音听诊，信号采集	CNN	音频信号	11名参与者	NA	U-Net	准确率	NA
1456	2025-12-05	Combining Deep Learning Techniques and Image Analysis Methods for Vertebrae, Disc, and Spinal Stenosis Characterization in Lumbar Spine 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/EMBC58623.2025.11254420 PMID:41336772	研究论文	本文提出了一种基于深度学习和图像分析的决策支持方法，用于从腰椎MRI中分类和量化椎体、椎间盘及椎管狭窄等腰部疾病	开发了一种结合U-Net分割网络的ANN辅助决策支持方法，能够以最小的用户输入自动分割和表征腰椎结构，为放射科医生提供临床支持	研究仅使用了200名患者的1960个MRI切片，样本量相对有限，且仅基于T2加权图像	开发一种计算机辅助诊断方法，以支持腰椎疾病的分类和量化	腰椎MRI图像中的椎体、椎间盘和椎管狭窄	数字病理学	腰部疾病	MRI	CNN	图像	200名患者的1960个T2加权腰椎MRI切片	NA	U-Net	Dice相似系数	NA
1457	2025-12-05	A Text-Image Network for Isocitrate Dehydrogenase(IDH) Mutation Status Prediction in Glioma Diagnosis Using Multimodal MRI and Radiology Report 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/EMBC58623.2025.11254372 PMID:41336771	研究论文	本文提出了一种结合3D MRI图像和放射学报告文本的多模态深度学习模型，用于预测脑胶质瘤中IDH突变状态	首次将MRI图像与放射学报告文本结合，通过多模态方法预测IDH突变状态，相比仅使用图像的方法提升了4%的准确率	未明确说明模型的计算复杂度、泛化能力到其他数据集的验证，以及文本标注可能存在的偏差	预测脑胶质瘤中IDH突变状态，以辅助临床诊断和治疗策略规划	脑胶质瘤患者	数字病理学	脑胶质瘤	磁共振成像（MRI）	深度学习模型	3D MRI图像，文本报告	基于BraTS20挑战数据集，具体数量未明确说明	未明确说明	未明确说明	准确率	未明确说明
1458	2025-12-05	MR-FusionMamba: A Visual Mamba Network with Range-Null Decomposition for Multi-Modal MRI reconstruction 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/EMBC58623.2025.11254412 PMID:41336782	研究论文	本文提出了一种基于视觉Mamba网络与Range-Null分解的多模态MRI重建方法	首次将状态空间模型（Mamba）引入多模态MRI重建，通过线性复杂度实现全局感知，并采用Range-Null分解定理提升数据一致性	仅在BraTS数据集上进行验证，未在其他多模态MRI数据集测试泛化能力	开发高效的多模态磁共振成像重建算法	多模态磁共振图像	计算机视觉	NA	磁共振成像	Mamba, CNN	医学图像	BraTS数据集（具体数量未说明）	NA	双U型网络, Mamba块	NA	NA
1459	2025-12-05	Deep Learning-Based Classification of Anopheles stephensi Adult Mosquitoes with Enhanced Solutions for Data Imbalance 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/EMBC58623.2025.11254377 PMID:41336785	研究论文	本研究利用深度学习和公民科学图像，针对数据不平衡问题，开发了一种用于分类危险入侵蚊种——斯氏按蚊的AI模型	首次将焦点损失函数应用于处理斯氏按蚊图像分类中的类别不平衡问题，并通过Grad-CAM可视化验证模型学习到的解剖学相关特征	数据集仅包含现代智能手机拍摄的图像，背景多变，可能影响模型在标准化环境下的泛化能力	开发一种能够有效检测斯氏按蚊的AI分类系统，以支持蚊虫监测和疟疾防控	斯氏按蚊与非斯氏按蚊的成虫图像	计算机视觉	疟疾	智能手机图像采集	CNN	图像	总计7216张图像（斯氏按蚊1195张，非斯氏按蚊6021张）	NA	EfficientNet-B1	准确率	NA
1460	2025-12-05	Multimodal Pulmonary Embolism Diagnosis Tool with Electrical Impedance Tomography and Electronic Health Records under Different Data Availability 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/EMBC58623.2025.11254394 PMID:41336781	研究论文	本研究提出了一种结合肺电阻抗断层扫描和电子健康记录的多模态深度学习框架，用于量化肺栓塞风险	首次将EIT成像与按可用性分组的EHR数据集整合，展示了在不同数据可用性场景下EIT的临床潜力	EIT数据为模拟数据，未使用真实EIT数据，可能影响模型在真实世界中的泛化能力	开发准确且经济高效的肺栓塞早期检测工具，以应对CT成像成本高和可及性有限的挑战	肺栓塞患者，涉及肺功能和电子健康记录数据	数字病理学	肺栓塞	电阻抗断层扫描，电子健康记录分析	深度学习模型	图像，文本	大型CT-EHR数据集和模拟EIT数据	NA	NA	AUC	NA