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	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
1462	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
1463	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
1464	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
1465	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
1466	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
1467	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
1468	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
1469	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
1470	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
1471	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
1472	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
1473	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
1474	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
1475	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
1476	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
1477	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
1478	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
1479	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
1480	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