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
1461	2025-12-05	A Symbolic Approach for Task-related Gaze 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/EMBC58623.2025.11251585 PMID:41336801	研究论文	本文提出了一种创新的符号框架，用于任务相关的注视分类	将多变量眼动特征信号编码为符号字符串序列，从而计算可解释且鲁棒的距离度量	NA	开发一种不依赖黑盒模型的任务相关注视分类方法	眼动追踪数据	机器学习	NA	眼动追踪	符号模型	眼动特征信号	ETRA 2019数据集	NA	符号表示框架	准确性	NA
1462	2025-12-05	SO-MoE: A Novel Self-Organizing Mixture of Experts Framework for Cuffless Blood Pressure Measurement 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/EMBC58623.2025.11251555 PMID:41336795	研究论文	提出了一种用于无袖带血压测量的新型自组织专家混合框架，以解决不同人口群体间的性能差异问题	提出了一种自组织专家混合框架，该框架基于患者特定特征实现了自动化的专家分配机制，从而为个体化血压估计进行精确的专家选择	未在摘要中明确提及	开发一种公平且临床准确的血压估计方法，解决无袖带血压监测中固有的代表性挑战	无袖带血压监测数据，特别是针对代表性不足的人口群体和高血压人群	机器学习	心血管疾病	NA	深度学习模型，专家混合模型	血压监测数据	超过700名受试者的CAS-BP数据集	NA	自组织专家混合框架	平均绝对误差，估计误差（均值±标准差）	NA
1463	2025-12-05	MultiConsSleepNet: Self-Supervised Contrastive Learning for a Multimodal Consistency-Based Automatic Sleep Staging 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/EMBC58623.2025.11251569 PMID:41336818	研究论文	本文提出了一种基于多模态一致性的自监督对比学习模型MultiConsSleepNet，用于自动睡眠分期	结合单模态特征提取器与多模态一致性提取器，并引入自监督对比学习策略，以增强特征一致性并提升模型泛化能力	NA	解决自动睡眠分期中高效提取多模态表示、利用多模态信号相似性与差异以及利用未标记数据增强模型实用性的挑战	脑电图（EEG）和眼电图（EOG）信号	机器学习	睡眠障碍	NA	深度学习模型	多模态信号（EEG和EOG）	三个数据集	NA	MultiConsSleepNet	F1分数, 准确率	NA
1464	2025-12-05	EAMF: An Entropy-enhanced Attention-based Ensemble Metric Few-Shot Learning for MRI Image 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/EMBC58623.2025.11251527 PMID:41336808	研究论文	本文提出了一种名为EAMF的熵增强注意力集成度量少样本学习方法，用于MRI图像分类	通过计算图像熵生成熵特征向量，并结合注意力机制加权集成多个骨干网络的嵌入，以增强类内和类间差异的表示	未明确说明方法在更广泛疾病类型或更大规模数据集上的泛化能力	解决MRI图像分类中少样本学习问题，提高类间区分能力	MRI图像	计算机视觉	NA	MRI	集成学习	图像	两个MRI数据集	NA	NA	NA	NA
1465	2025-12-05	Towards MR-only radiotherapy: AI -generation of synthetic CT from Zero-TE MRI for Head and Neck cancer patients 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/EMBC58623.2025.11251534 PMID:41336829	研究论文	本研究提出了一种基于深度学习的从零回波时间MRI生成合成CT的方法，用于头颈癌患者的MRI-only放疗计划与验证	在Unet架构中引入了深度残差单元和注意力门，提出了注意力深度残差Unet（ADR-Unet）模型，相比Unet++和现有方法在合成CT生成上表现更优	研究样本量较小（仅17名患者），且未来工作需进一步评估合成CT在剂量计算方面的应用	实现MRI-only放疗，通过MRI替代CT进行靶区勾画和剂量计算，减少患者辐射暴露和影像融合不确定性	头颈癌患者	数字病理	头颈癌	Zero-Time Echo MRI（ZTE），深度学习	CNN	图像（MRI和CT）	17名头颈癌患者	NA	Unet, Unet++, ADR-Unet	MAE（平均绝对误差）, CNR（对比度噪声比）	NA
1466	2025-12-05	AI-enabled electrical impedance tomography (EIT) system for detecting and quantifying metabolic associated steatotic liver disease 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/EMBC58623.2025.11251537 PMID:41336834	研究论文	本研究开发了一种基于AI和多光谱电阻抗断层扫描（EIT）的便携式系统，用于检测和量化代谢相关脂肪性肝病（MASLD）	首次将多光谱EIT频率差重建与人体测量学数据结合，并利用ResNet-18等深度学习模型来预测受控衰减参数（CAP），显著提升了MASLD筛查系统的性能	未明确说明样本的具体来源和多样性，且系统在社区大规模应用中的长期稳定性和普适性有待进一步验证	开发一种适用于社区大规模、高通量筛查的便携式、非侵入性、经济高效的MASLD早期检测与监测系统	代谢相关脂肪性肝病（MASLD）患者	医学影像分析	脂肪肝	多光谱电阻抗断层扫描（EIT）、振动控制瞬时弹性成像（VCTE）	CNN	EIT重建图像、人体测量学数据	NA	NA	ResNet-18	决定系数R²、敏感性、特异性、受试者工作特征曲线下面积（AUC）	NA
1467	2025-12-05	Transformer Neural Network for Estimating Tremor Severity in Parkinson's Disease During Daily Living 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/EMBC58623.2025.11251605 PMID:41336839	研究论文	本研究提出了一种创新的Transformer神经网络，用于从可穿戴传感器采集的原始陀螺仪数据中预测帕金森病患者的震颤严重程度	引入具有多头自注意力机制的Transformer神经网络，结合卷积层进行时空特征提取和正弦位置编码，以捕捉数据中的短期和长期依赖关系，相比传统循环深度学习方法具有更低的错误率和更高的相关性	研究样本量较小（24名PD患者），且仅基于预处理的信号进行监督学习，可能限制了模型的泛化能力	通过数字监测技术改进帕金森病的震颤严重程度评估，以支持数据驱动的治疗决策和改善患者预后	24名帕金森病患者在进行日常生活活动时产生的原始陀螺仪数据	机器学习	帕金森病	可穿戴传感器数据采集	Transformer	时间序列数据（陀螺仪信号）	24名帕金森病患者	NA	Transformer with Multi-Head Self-Attention, 卷积层	错误率, 相关系数（r）	NA
1468	2025-12-05	Uncovering Population PK Covariates from VAE-Generated Latent Spaces 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/EMBC58623.2025.11252862 PMID:41336851	研究论文	本研究提出了一种结合变分自编码器（VAE）和LASSO回归的数据驱动框架，用于从模拟的他克莫司药代动力学数据中识别关键协变量	提出了一种无模型的数据驱动框架，首次将VAE深度学习模型与LASSO回归结合用于药代动力学协变量选择，通过VAE将高维药代动力学信号压缩为结构化潜在空间，再利用LASSO进行稀疏特征选择	研究基于模拟的他克莫司药代动力学数据，尚未在真实临床数据上验证；方法可能受限于模拟数据的假设和复杂性	开发一种可扩展、可解释且完全数据驱动的协变量选择方法，用于药代动力学建模，以支持药物开发和精准药物治疗	模拟的他克莫司药代动力学数据	机器学习	NA	药代动力学模拟	VAE, LASSO	药代动力学信号数据	NA	NA	变分自编码器	平均绝对百分比误差（MAPE）	NA
1469	2025-12-05	Cerebral Artery Classification: Integrating Synthetic Models with MRA 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/EMBC58623.2025.11252850 PMID:41336860	研究论文	本研究通过整合VaMos生成的合成血管模型与真实MRA数据，利用nnUNet深度学习模型提升脑动脉分类性能，特别是在解剖变异大的区域	首次将血管建模工具生成的合成模型与真实MRA数据结合，以解决脑动脉分类中数据稀缺问题，对细小/稀疏动脉的分类性能提升约16%	未明确说明合成模型与真实数据的比例、模型泛化能力验证范围，以及在其他血管区域的适用性	提升脑动脉（尤其是Willis环区域）在磁共振血管成像中的分类准确性	Willis环及其分支动脉（包括后交通动脉和前交通动脉）	数字病理学	脑血管疾病	磁共振血管成像（MRA）	深度学习模型	医学图像（MRA图像）	基于TopCoW数据集扩充（具体数量未明确说明）	nnUNet	nnUNet	分类准确率提升百分比（如16%）	NA
1470	2025-12-05	Segmentation-Guided Denoising and Gradient-Aware Depth Completion for Enhanced LiDAR-Based Human Activity Recognition 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/EMBC58623.2025.11252837 PMID:41336864	研究论文	本文提出了一种结合分割引导去噪和梯度感知深度补全的方法，以增强基于LiDAR的人类活动识别	首次将基于分割的去噪与梯度感知深度补全相结合用于LiDAR HAR，无需依赖地面真实LiDAR数据集，而是利用校准的RGB-深度对齐进行分割训练	未来工作需进一步提高分割精度并针对更复杂环境优化深度补全技术	提升基于3D-LiDAR传感器的人类活动识别性能	LiDAR深度图像中的人类活动数据	计算机视觉	NA	LiDAR传感器，RGB-深度校准	U-Net	图像（RGB和深度图像）	NA	NA	U-Net	Dice系数	NA
1471	2025-12-05	Curriculum Learning using Real and Simulated Data in Deep Learning Models for Electrocardiography 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/EMBC58623.2025.11252863 PMID:41336870	研究论文	本研究评估了使用合成心电图信号补充真实数据，通过课程学习策略改善深度学习模型在心电图分类中的性能	结合真实与合成心电图数据，并采用课程学习策略来优化模型训练，以应对类别不平衡问题	合成信号的复杂性不及真实测量数据，性能提升有限（最高0.7%），且仅针对特定心脏传导异常类别进行评估	通过合成数据补充真实数据集，改善深度学习模型在心电图分类任务中的性能，特别是针对类别不平衡问题	心电图信号，包括来自PTB-XL数据集的真实数据和来自MedalCare-XL数据集的合成数据	机器学习	心血管疾病	电生理模拟	深度神经网络	信号数据（心电图）	PTB-XL和MedalCare-XL数据集，具体样本数量未在摘要中明确说明	NA	NA	准确率	NA
1472	2025-12-05	Estimation of Upper Limb Dynamic Interaction Force Based on Multimodal Information 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/EMBC58623.2025.11252887 PMID:41336871	研究论文	本文研究基于多模态信息的上肢动态交互力估计方法	采用融合CNN和LSTM的深度学习模型，结合肌电信号与关节角度等多模态数据，进行上肢动态交互力的预测	NA	估计上肢抬高动态过程中的交互力	单侧前臂的肌电信号和关节角度数据	机器学习	NA	肌电信号采集，惯性测量单元信号采集	CNN, LSTM	肌电信号，关节角度数据，惯性测量单元信号	NA	NA	CNN-LSTM	NA	NA
1473	2025-12-05	Resolution Enhancement of Prostate 3D MRI and Ultrasound Using Implicit Neural Representations 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/EMBC58623.2025.11252891 PMID:41336891	研究论文	本文探索了使用隐式神经表示（INRs），特别是正弦表示网络（SIREN），来增强前列腺MRI和超声图像的分辨率	将SIREN网络首次应用于前列腺MRI和超声图像的超分辨率重建任务，并提出结合MSE和SSIM的混合损失函数以提升重建质量	未明确提及具体的研究局限性	提升前列腺MRI和超声图像的空间和轴向分辨率，以改善病灶可见性和诊断准确性	前列腺磁共振成像（MRI）和超声（US）图像	数字病理学	前列腺癌	磁共振成像（MRI），超声成像（US）	隐式神经表示（INRs），正弦表示网络（SIREN）	图像	NA	NA	SIREN	均方误差（MSE），结构相似性指数（SSIM）	NA
1474	2025-12-05	Vigilance Classification for Variable-length EEG Signals using Graph Projections & Transformers 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/EMBC58623.2025.11252694 PMID:41336905	研究论文	本研究提出了一种基于图嵌入的方法，用于多级警觉性分类，并有效处理变长EEG信号	采用Feather图嵌入（FG-Z）捕获EEG信号中的警觉性细微差别，结合1D-CNN多头Transformer框架，实现了六类警觉性分类的先进性能	未明确提及具体局限性，但暗示现有方法在处理变长数据时存在偏差，而本研究通过创新方法试图解决此问题	开发更复杂的模型，将警觉性分类为多个级别，以提供更丰富的认知状态洞察	变长EEG信号，用于评估人类警觉性	机器学习	NA	EEG信号分析	Transformer, CNN	EEG信号	NA	NA	1D-CNN Multi-Headed Transformer	准确率, F1分数	NA
1475	2025-12-05	Spike Train Scalograms (STS): a Deep Learning Classification Pipeline for Neuronal Cell Types 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/EMBC58623.2025.11252661 PMID:41336908	研究论文	本文提出了一种基于Spike Train Scalograms (STS)的深度学习分类流程，用于高精度分类神经元细胞类型	引入了一种结合连续小波变换(CWT)标量图和预训练卷积神经网络(CNN)架构的新型深度学习分类流程，能够捕捉尖峰序列数据中的细微复杂模式，仅需两个原始扫描即可实现高精度分类，而非传统浅层方法所需的完整刺激范围	研究主要基于小鼠皮层神经元数据，可能无法直接推广到其他物种或脑区；尽管进行了可解释性分析，但深度学习模型的内在黑箱特性仍可能限制其生物学解释的深度	开发一种高精度的神经元细胞类型分类方法，以促进对大脑皮层复杂神经回路的理解	小鼠皮层神经元	机器学习	NA	膜片钳电生理记录	CNN	图像（时间-频率表示）	5,590个小鼠皮层神经元	NA	InceptionV3	平衡准确率, 加权F1分数	NA
1476	2025-12-05	HemoGraph: A Machine Learning Method for Type II Diabetes Pre-screening Using Social and Behavioral Determinants of Health 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/EMBC58623.2025.11252678 PMID:41336918	研究论文	本文提出了一种名为HemoGraph的深度学习方法，利用社会和行为健康决定因素进行II型糖尿病预筛查	采用图神经网络显式建模输入特征间的关系，并引入学习特权信息框架，在训练时利用实验室测试结果提升模型性能	NA	开发一种基于机器学习的II型糖尿病预筛查方法	II型糖尿病	机器学习	II型糖尿病	NA	图神经网络	社会和行为健康决定因素数据	基于美国国家健康与营养调查（1999-2018）的真实世界数据	NA	图神经网络	召回率	NA
1477	2025-12-05	MI-LTN: A Neurosymbolic Framework for Enhanced EEG Feature Extraction and Model Interpretability in MI-BCI 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/EMBC58623.2025.11252655 PMID:41336923	研究论文	本文提出了一种名为MI-LTN的新型神经符号框架，用于增强运动想象脑电图的特征提取和模型可解释性	首次将逻辑张量网络（LTN）与Shapley值结合，通过逻辑约束增强特征提取，并利用Shapley值评估和调整通道重要性，以提升模型的可解释性	NA	解决运动想象脑电图解码中特征提取不全面和模型缺乏可解释性的问题	运动想象脑电图信号	机器学习	NA	脑电图	逻辑张量网络	脑电图信号	基于BCI IV 2a和BCI IV 2b数据集	NA	MI-LTN	分类准确率	NA
1478	2025-12-05	Cross-Language Depression Detection Based on Multi-Domain Feature Alignment 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/EMBC58623.2025.11252690 PMID:41336939	研究论文	提出一种基于多领域特征对齐的跨语言抑郁症检测模型，以提升模型在个体和语言间的泛化能力	采用梯度反转技术减少特征编码器对说话者和语言特异性特征的敏感性，使模型能更专注于抑郁症相关模式	NA	克服说话者特质和语言差异导致的特征偏移问题，提升跨个体和跨语言的抑郁症检测泛化性能	语音数据中的抑郁症检测	自然语言处理	抑郁症	深度学习	MDFA（多领域特征对齐模型）	语音	基于DAIC-WoZ和Androids等多语言数据集	NA	NA	NA	NA
1479	2025-12-05	FEMBA: Efficient and Scalable EEG Analysis with a Bidirectional Mamba 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/EMBC58623.2025.11252697 PMID:41336943	研究论文	提出了一种名为FEMBA的新型自监督框架，用于高效、可扩展的脑电图分析	首次将双向状态空间建模引入EEG分析，相比Transformer模型实现了线性时间与内存复杂度，显著提升了处理长序列EEG数据的效率	未明确说明模型在不同EEG设备或采集协议下的泛化能力，也未讨论对罕见癫痫类型的检测性能	开发适用于资源受限环境的EEG分析模型，实现高效、可扩展的癫痫检测与伪迹识别	脑电图信号	机器学习	癫痫	脑电图	Mamba	时间序列信号	超过21,000小时的未标记EEG数据	NA	双向状态空间模型	平衡准确率, AUROC	资源受限设备（提及7.8M参数变体）
1480	2025-12-05	Self-supervised learning for stroke lesion segmentation on CT: a new pretext task for neuroimaging 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/EMBC58623.2025.11253683 PMID:41336954	研究论文	本文提出了一种专为神经影像设计的自监督学习前置任务，用于CT扫描中的卒中病灶分割	创新点在于利用卒中ASPECTS评分设计了一个针对神经影像的特定前置任务，相比通用任务能提升分割性能和稳定性	NA	研究目标是开发一种自监督学习方法，以解决CT扫描中卒中病灶分割的标注数据有限和对比度低的问题	研究对象是CT扫描中的卒中病灶	数字病理学	卒中	CT扫描	深度学习模型	图像	NA	NA	NA	NA	NA