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
1481	2025-12-05	Enhancing Neonatal Sleep Analysis with Multi-resolution CNN and Mamba Integration 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/EMBC58623.2025.11254152 PMID:41336323	研究论文	提出一种融合多分辨率卷积神经网络和双向Mamba模块的框架，用于新生儿睡眠阶段分类，以提高分析准确性	首次将多分辨率CNN与双向Mamba模块相结合，有效捕获睡眠阶段内部特征和阶段间双向依赖关系	未明确提及模型在更大规模或多样化数据集上的泛化能力，也未讨论计算效率的详细分析	开发一种自动、准确的新生儿睡眠阶段分类方法，以辅助睡眠相关疾病的早期诊断	新生儿睡眠脑电图（EEG）信号	数字病理学	老年疾病	脑电图（EEG）信号分析	CNN, Mamba	时序信号（脑电图）	临床新生儿睡眠数据集（具体数量未明确）	未明确提及	多分辨率卷积神经网络（MRCNN）, 双向Mamba模块	准确率, 宏平均F1分数	未明确提及
1482	2025-12-05	Can ICA-Based Artifact Removal Affect Deep Learning Decoding Accuracy? Yes! 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/EMBC58623.2025.11253033 PMID:41336339	研究论文	本研究探讨了基于独立成分分析的伪迹去除方法对深度学习模型解码脑电图信号准确性的影响	首次系统评估了ICA伪迹去除在基于深度学习的EEG解码中的效用，特别是在短时间窗口的运动想象和执行任务中，并比较了多种深度学习模型的表现	研究主要针对特定任务（运动想象和执行）和人群（健康受试者和中风患者），结果在其他BCI任务或人群中的普适性有待验证	评估ICA伪迹去除对深度学习模型解码EEG信号准确性的影响	脑电图信号，特别是与运动想象和运动执行任务相关的信号	机器学习	中风	独立成分分析，脑电图	CNN, LSTM, CEBRA	脑电图信号	NA	NA	NA	F1分数	NA
1483	2025-12-05	SCM-4-OSA: An End-to-End Explainable Deep Learning Model for Interpretable Obstructive Sleep Apnea Detection Based on Cyclic Variation of Heart Rate in 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/EMBC58623.2025.11253001 PMID:41336361	研究论文	本文提出了一种名为SCM-4-OSA的可解释端到端深度学习模型，用于基于心电图中心率周期性变化检测阻塞性睡眠呼吸暂停	首次将自对比掩码（SCM）应用于OSA检测，实现了模型决策的可解释性，同时通过可视化清晰捕捉ECG信号中的CVHR模式	模型仅在公开数据集上进行训练和验证，缺乏多中心或临床环境的外部验证，可能影响泛化能力	开发一种可解释的深度学习模型，用于自动检测阻塞性睡眠呼吸暂停，以替代复杂的多导睡眠图	单导联心电图信号及其中心率周期性变化模式	机器学习	阻塞性睡眠呼吸暂停	心电图信号分析	深度学习模型	心电图信号	基于公开数据集，具体样本数量未明确说明	未明确说明	SCM-4-OSA（基于自对比掩码的端到端架构）	准确率	未明确说明
1484	2025-12-05	Quantitative measurements of crypts from advanced endoscopy imaging using deep learning-based 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/EMBC58623.2025.11252979 PMID:41336377	研究论文	本文利用基于深度学习的Mask R-CNN模型对高级内窥镜图像中的肠道隐窝进行分割，以提取定量形态学指标，用于区分健康与炎症性肠病患者	首次将Mask R-CNN应用于内窥镜细胞学视频中隐窝的自动分割和定量测量，实现了高精度分割并与手动标注结果高度相关	研究样本量较小（仅47名患者），且未明确说明模型在不同疾病阶段或人群中的泛化能力	通过深度学习分割技术实现肠道隐窝的定量形态学测量，以辅助溃疡性结肠炎等疾病的临床评估	溃疡性结肠炎患者的肠道隐窝	数字病理学	溃疡性结肠炎	内窥镜细胞学	CNN	视频	47名患者的65段内窥镜细胞学视频	TensorFlow, PyTorch	Mask R-CNN	灵敏度, 准确率	NA
1485	2025-12-05	Learning-based Pulmonary Disease Detection Using Weak Labels for Volume Sweep Lung Ultrasound 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/EMBC58623.2025.11253030 PMID:41336376	研究论文	本文开发了一种基于弱标签的深度学习方法来自动检测肺部疾病，使用体积扫描肺部超声成像	提出了一种结合CNN和机器学习算法的混合架构，并采用弱标签训练，降低了标注成本和时间	未提及具体局限性	开发自动图像解释方法以减少对专家依赖，用于肺部疾病检测	左右后肺部的超声B型电影循环数据	计算机视觉	肺部疾病	体积扫描成像	CNN, 随机森林	超声图像	未提及具体样本数量	未提及	自定义混合CNN架构	准确率, 精确率, 召回率, F1分数	未提及
1486	2025-12-05	Online Sequential EEG Emotion Recognition with Prototypical Alignment Based Transfer 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/EMBC58623.2025.11253987 PMID:41336393	研究论文	提出了一种基于原型对齐迁移模型的在线序列脑电图情绪识别方法	在在线学习环境中引入跨被试迁移学习模型，通过选择性剪枝和重初始化模型参数快速适应新被试，并采用增强的领域对抗神经网络策略在迁移学习框架内对齐情绪类别的原型特征	未明确说明模型对个体差异的泛化能力极限及在更复杂情绪状态下的性能	开发一种能够快速适应新被试且保持高准确率的在线脑电图情绪识别方法	脑电图信号	机器学习	NA	脑电图	迁移学习模型, 领域对抗神经网络	序列脑电图信号	基于SEED和SEED-IV数据集（具体样本数未明确说明）	NA	增强的领域对抗神经网络	准确率	NA
1487	2025-12-05	Contrastive Structural Distillation Based Three-Dimensional Resolution Enhancement for Magnetic Particle 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/EMBC58623.2025.11254012 PMID:41336395	研究论文	本文提出了一种基于对比结构蒸馏的三维分辨率增强方法CSDNet，用于改善磁粒子成像中的各向异性分辨率问题	引入基于对比学习的结构蒸馏框架，从二维各向同性教师网络中提取低分辨率方向特征指导学生网络训练，通过去模糊增强三维分辨率	NA	提升磁粒子成像的三维分辨率以实现各向同性扫描	磁粒子成像数据	计算机视觉	NA	磁粒子成像	深度学习网络	图像	NA	NA	CSDNet	细节恢复度，准确性	NA
1488	2025-12-05	Real-Time Estimation of Overt Attention from Dynamic Features of the Face 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/EMBC58623.2025.11254013 PMID:41336394	研究论文	本研究提出了一种基于深度学习的方法，通过分析面部动态特征实时估计学生的显性注意力	首次使用单一被试的面部动态特征预测注意力，无需参考组或人工标注，实现了客观、可扩展的实时注意力监测	模型对新被试的方差解释率（26-30%）低于已知被试（38%），泛化能力有待提升	开发一种客观、可扩展的实时学生注意力监测方法，以支持远程教育	学生（被试）	计算机视觉	NA	眼动追踪，面部动态特征分析	深度神经网络	视频（面部动态）	83名被试（三项实验）	NA	NA	方差解释率（R），皮尔逊相关系数（r）	NA
1489	2025-12-05	Motion-Aware Spatio-Temporal Fusion Memory Network for Semi-Supervised Echocardiography Video 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/EMBC58623.2025.11254032 PMID:41336401	研究论文	提出一种用于半监督超声心动图视频分割的运动感知时空融合记忆网络	通过光流估计网络提取运动信息，并与空间特征融合构建时空表示，利用记忆网络作为记忆提示有效保留时间信息，并引入运动记忆增强机制	NA	提升超声心动图视频分割的准确性，以辅助心脏疾病诊断和治疗规划	超声心动图视频	计算机视觉	心血管疾病	NA	CNN	视频	CAMUS数据集	NA	Motion-Aware Spatio-Temporal Fusion Memory Network	NA	NA
1490	2025-12-05	naviDCN: Navigator-Guided Multi-Modal Deep Clustering for Sepsis Phenotyping in Early ICU Admission 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/EMBC58623.2025.11254005 PMID:41336403	研究论文	本研究提出了一种名为naviDCN的新型聚类框架，用于在ICU早期入院阶段对脓毒症进行表型分析，通过整合导航器组件将临床知识融入聚类过程	提出naviDCN框架，首次在深度聚类中引入导航器模块，通过反向传播将临床知识整合到嵌入表示中，从而引导聚类产生具有临床意义的表型	未明确说明数据集的样本量或具体来源限制，且未详细讨论模型在不同医疗环境中的泛化能力	开发一种能够整合临床知识的深度聚类方法，以识别具有临床意义的脓毒症表型	ICU早期入院的脓毒症患者	机器学习	脓毒症	深度学习	深度聚类网络	电子健康记录（包括人口统计学、实验室检测结果和生命体征）	NA	NA	naviDCN（包含多模态编码器、深度聚类网络和导航器模块）	聚类性能（未指定具体指标）	NA
1491	2025-12-05	End-to-End Classification of Cognitive Impairment Using Daily-Life Gait 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/EMBC58623.2025.11254035 PMID:41336397	研究论文	本研究探讨了利用商用智能设备收集的日常步态数据进行认知障碍分类的可行性	首次在非受控的真实世界条件下，使用智能手机和智能手表收集的日常步态数据，通过深度学习模型区分需要治疗的认知障碍患者（AD和MCI）与无认知障碍者（SCD）	分类任务具有挑战性，因为SCD组与MCI共享认知症状，且数据在非受控的真实世界条件下收集，模型性能（AUC 0.70）仍有提升空间	利用可穿戴设备进行认知障碍的早期筛查和及时干预	125名50岁及以上的个体，根据认知诊断分为轻度阿尔茨海默病（AD）、轻度认知障碍（MCI）和主观认知下降（SCD）组	机器学习	老年疾病	加速度计和陀螺仪数据采集	深度学习分类器	时间序列传感器数据（加速度计和陀螺仪）	125名参与者	NA	NA	AUC（曲线下面积）	NA
1492	2025-12-05	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 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/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经编码器-解码器模型，用于编码和解码自然刺激下基于fMRI数据的大脑活动	利用时间卷积层处理连续电影帧的时间相关输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距，并通过显著性图探究视觉解码中贡献最大的脑区	NA	研究自然刺激下大脑活动的编码与解码，并探索视觉处理机制	fMRI数据中的体素活动，特别是视觉皮层及其周围区域	机器学习	NA	功能磁共振成像（fMRI）	编码器-解码器模型	fMRI数据，自然电影刺激	NA	NA	深度神经编码器-解码器模型，包含时间卷积层	NA	NA
1493	2025-12-05	BEAM: Brainwave Empathy Assessment Model for Early Childhood 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/EMBC58623.2025.11253982 PMID:41336415	研究论文	本文提出了一种名为BEAM的新型深度学习框架，用于预测4至6岁儿童的共情水平	提出了一种结合多视角脑电图信号、LaBraM编码器、特征融合模块和对比学习模块的深度学习框架，以捕捉共情的认知和情感维度及其时间动态	研究样本局限于4至6岁儿童，且依赖于特定数据集（CBCP），可能限制了模型的普适性	开发一种客观评估儿童共情水平的模型，以支持早期社会情感发展干预	4至6岁儿童的脑电图信号	机器学习	NA	脑电图	深度学习	脑电图信号	NA	NA	LaBraM	NA	NA
1494	2025-12-05	Single Trial Classification of per-stimulus EEG between Different Speed Accuracy Tradeoffs Instruction 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/EMBC58623.2025.11254002 PMID:41336422	研究论文	本研究利用深度学习框架对单次试验EEG信号进行分类，以区分参与者基于速度或准确性优先策略的响应，验证了单次试验EEG分类在认知策略识别中的可行性	首次将深度学习应用于单次试验EEG信号分类，以区分不同的速度-准确性权衡策略，并采用通道堆叠技术将EEG数据转换为类RGB图像输入卷积神经网络	研究样本量较小（20名参与者），且仅基于镜像判断任务，可能限制了结果的泛化性	探索神经数据分类以区分不同的速度-准确性权衡策略，并验证单次试验EEG分类在此领域的应用潜力	20名参与者在镜像判断任务中的EEG信号	脑机接口	NA	连续小波变换	CNN	EEG信号	20名参与者	NA	RegNet	分类准确率	NA
1495	2025-12-05	BreastHistoNet: A Efficient Breast Cancer Histopathological Image Classification Using Multiscale Features and Channel Recalibration 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/EMBC58623.2025.11253992 PMID:41336432	研究论文	本文提出了一种轻量级模型BreastHistoNet，用于乳腺癌组织病理学图像的自动分类，旨在实现高精度且低计算复杂度的分类	提出了一种结合深度可分离扩张多尺度点卷积块、离散小波变换和挤压激励块的轻量级模型，有效捕获多尺度特征并降低计算成本	未提及模型在外部数据集上的泛化能力或临床部署中的实际验证	开发一个高效且轻量化的乳腺癌组织病理学图像分类模型，以支持资源受限的临床诊断	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN	图像	NA	NA	DDMP-SE块, 全局平均池化, 密集层	准确率, 精确率, 特异性, 召回率, F1分数	NA
1496	2025-12-05	Dual-Branch Deep Learning for Continuous Gait Cycle Estimation with wearable IMU Sensors and Anthropometric 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/EMBC58623.2025.11251706 PMID:41336443	研究论文	本研究提出了一种结合CNN-LSTM的双分支深度学习模型，利用可穿戴IMU传感器数据和人体测量学特征进行步态周期相位预测	采用双分支深度学习架构整合IMU数据和人体测量学特征，通过滑动窗口方法实现实时步态估计，并利用特征选择优化关键运动学特征	未明确说明模型在不同人群或病理条件下的泛化能力，且未来需开发更全面的AI驱动系统	开发实时步态监测系统，用于康复训练、异常步态检测和假肢控制	步态周期相位预测	机器学习	NA	可穿戴IMU传感器数据采集，人体测量学特征提取	CNN, LSTM	IMU传感器数据，人体测量学数据	NA	NA	CNN-LSTM双分支架构	相关系数R	NA
1497	2025-12-05	Clinical Assessment Of A Five-DOF Upper Limb Exoskeleton For Severely Disabled Individuals In Performing Daily 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/EMBC58623.2025.11251698 PMID:41336464	研究论文	本研究评估了EXOTIC上肢外骨骼在辅助重度残疾个体执行日常活动中的性能和可用性	结合了基于舌头的控制界面和智能计算机视觉辅助的混合深度学习模型	仅涉及六名四肢瘫痪个体，样本量较小；设计需适应不同轮椅倾斜角度和用户手指僵硬度的考量	评估上肢外骨骼在辅助重度残疾个体执行日常活动中的性能和可用性	六名四肢瘫痪个体	计算机视觉	四肢瘫痪	深度学习	混合深度学习模型	NA	六名四肢瘫痪个体	NA	NA	NA	NA
1498	2025-12-05	Enhancing EEG Classification for Motor Imagery Control of a VR Game based on Deep Learning Techniques on Small Datasets 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/EMBC58623.2025.11251707 PMID:41336480	研究论文	本文提出了一种基于Wasserstein生成对抗网络（WGAN）的数据增强方法和卷积神经网络（CNN）分类器，用于增强小规模EEG数据集上的运动想象分类，以控制VR游戏	使用WGAN进行数据增强以防止深度分类器过拟合，并比现有模型更快达到训练收敛；开发CNN以消除BCI文盲引起的噪声成分并提取稳健的EEG时间特征表示	研究基于仅16名BCI新手用户的小规模数据集，可能限制模型的泛化能力；未与更多先进深度学习模型进行广泛比较	提高小规模EEG数据集上运动想象分类的准确性，以增强基于运动想象的脑机接口（BCI）在VR游戏控制中的应用	来自16名BCI新手用户的EEG信号，用于运动想象任务	机器学习	NA	EEG信号记录	GAN, CNN	EEG信号	16名BCI新手用户	NA	Wasserstein GAN, 卷积神经网络	准确性	NA
1499	2025-12-05	Deep-Meg: A deep learning approach for magnetoencephalograhic inverse problem solutions 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/EMBC58623.2025.11251761 PMID:41336477	研究论文	本文提出了一种名为Deep-MEG的深度学习算法，用于基于MEG设备捕获的信号进行时空源重建	提出了一种混合神经网络架构，能够从MEG传感器信号中提取时空信息，并能够处理整个大脑，包括皮层和皮层下源，这是传统方法难以实现的	NA	解决MEG数据处理中源级脑信号估计的挑战，提高空间分辨率以支持临床诊断	MEG设备捕获的脑信号	机器学习	NA	MEG（脑磁图）	混合神经网络	信号	NA	NA	NA	NA	NA
1500	2025-12-05	Estimating Ejection Fraction from Single View Echocardiographic 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/EMBC58623.2025.11251839 PMID:41336493	研究论文	本研究提出了一种基于深度学习和几何建模的自动化框架，利用单视图超声心动图图像估计射血分数	结合注意力机制U-Net分割左心室和椭球体模型进行三维重建，实现从单视图图像自动量化射血分数	三维心室体积重建精度需进一步优化以提高测量精确性	开发自动化射血分数估算方法以支持心力衰竭的分类和管理	超声心动图图像中的左心室	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	NA	NA	U-Net	准确性, Bland-Altman分析	NA