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
1501	2025-12-05	Modeling Arterial Blood Flow Using Physics-Informed Neural Networks 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/EMBC58623.2025.11253037 PMID:41336128	研究论文	本文开发了一种基于物理信息神经网络的计算模型，用于模拟动脉血流动力学及其与动脉壁的相互作用	将深度学习与纳维-斯托克斯方程等偏微分方程相结合，构建物理信息神经网络，以准确表示心血管系统中的生物力学现象，并能在数据不完整或稀疏的情况下进行稳健模拟	模型尚未扩展到更复杂的生理场景，未来工作将关注于此	开发用于模拟动脉血流动力学的计算模型，以支持心血管研究和临床应用	动脉血流动力学及其与动脉壁的相互作用	机器学习	心血管疾病	物理信息神经网络	PINN	NA	NA	NA	物理信息神经网络	压力、速度	NA
1502	2025-12-05	Lightweight Deep Learning-Based Aortic Valve Segmentation on RGB 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/EMBC58623.2025.11253048 PMID:41336134	研究论文	本研究评估了使用MobileNetV3 + DeepLabV3+模型在RGB图像上进行主动脉瓣分割的可行性，并探讨了合成数据增强和无监督预训练的影响	首次将轻量级MobileNetV3 + DeepLabV3+模型应用于主动脉瓣RGB图像分割，并创新性地结合了条件去噪扩散概率模型生成合成数据以及深度卷积自编码器进行无监督预训练	研究仅使用猪主动脉瓣数据集，未来需要扩展到人类数据；当前方法需要预处理步骤，未来计划实现基于实例的分割以消除预处理	开发一种轻量级深度学习模型，用于主动脉瓣的准确分割，以支持手术评估和计算建模	猪主动脉瓣	计算机视觉	心血管疾病	RGB图像采集	CNN	图像	猪主动脉瓣数据集（具体数量未明确说明），采用留一心脏交叉验证策略	未明确说明，可能为PyTorch或TensorFlow	MobileNetV3, DeepLabV3+	平均交并比, 准确率	未明确说明，但强调模型具有最小计算成本
1503	2025-12-05	KAN-ULM: Advancing Super Resolution Imaging in Ultrasound Localization Microscopy Through Compact Deep Learning 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/EMBC58623.2025.11253040 PMID:41336144	研究论文	本研究提出了一种名为KAN-ULM的紧凑深度学习模型，用于优化超声定位显微镜中的微泡定位步骤，以提高成像分辨率	首次将Kolmogorov-Arnold Networks (KAN)应用于超声定位显微镜领域，开发了高度紧凑的KAN-ULM模型，在有限参数范围内实现了超越现有方法的超分辨率成像性能	模型在有限参数范围内进行优化，可能未充分探索更大规模架构的潜力；研究主要关注定位步骤优化，未涉及ULM全流程加速	通过深度学习模型优化超声定位显微镜中的微泡定位精度，提升微血管成像分辨率	超声定位显微镜成像中的微泡定位过程	医学影像分析	脑血管疾病	超声定位显微镜	Kolmogorov-Arnold Networks (KAN)	超声图像	NA	NA	KAN-ULM	分辨率	NA
1504	2025-12-05	Position-Prior-Guided Network for System Matrix Super-Resolution in 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/EMBC58623.2025.11253569 PMID:41336185	研究论文	本文提出了一种基于位置先验引导的网络，用于磁粒子成像中系统矩阵的超分辨率重建	将对称位置先验知识整合到现有深度学习框架中，以提升系统矩阵校准的效率和分辨率	未明确提及具体实验限制或数据不足等问题	加速磁粒子成像系统矩阵的校准过程，并提高其分辨率	磁粒子成像中的系统矩阵	医学影像	NA	磁粒子成像	深度学习超分辨率网络	系统矩阵数据	NA	NA	NA	NA	NA
1505	2025-12-05	TexSegNet: An Attention-Guided Feedback-Driven Texture-Aware Deep Learning Model for Nuclei Segmentation and Classification in Digital Pathology Images of Breast Tissues 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/EMBC58623.2025.11253497 PMID:41336183	研究论文	提出一种用于数字病理图像中细胞核分割与分类的纹理感知深度学习模型TexSegNet	整合了多尺度卷积、细胞核纹理提取块、高级注意力机制和反馈驱动的分类分支的混合编码器-解码器模型	未明确说明模型在非乳腺组织或其他癌症类型上的泛化能力	提高数字病理图像中细胞核实例分割和分类的准确性，以支持乳腺癌诊断	数字病理图像中的细胞核（包括肿瘤细胞、上皮细胞、炎性细胞和结缔组织细胞）	数字病理	乳腺癌	深度学习	CNN, 注意力机制	图像	基于PanNuke数据集（包含所有组织类型）及其乳腺子集	NA	混合编码器-解码器	准确率, F1分数	NA
1506	2025-12-05	EDGeNet: Electroencephalography Denoising Efficient Network for Fast Artifact Removal 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/EMBC58623.2025.11253564 PMID:41336186	研究论文	本文提出了一种基于深度学习的自动化EEG去噪与伪影去除框架，旨在实现实时部署	提出了一种参数效率极高的深度学习模型（EDGeNet），能够同时去除多种伪影，且参数量比现有方法少295倍，适合实时应用	未明确提及模型在极端噪声环境或特定临床场景下的泛化能力限制	开发一种高效、自动化的EEG信号去噪与伪影去除方法，以克服传统方法计算资源需求高、需手动调参的局限	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）	深度学习模型	时序信号数据	NA	NA	EDGeNet	相对均方根误差（RRMSE）, 结构相似性指数（SSIM）, 相关系数（CC）	NA
1507	2025-12-05	U-Grad: A Grad-CAM-Guided Reduced U-Net for Efficient Lung 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/EMBC58623.2025.11253530 PMID:41336182	研究论文	本文提出了一种名为U-Grad的新型模型，用于从2D CT切片中进行肺结节分割	提出了一种结合Grad-CAM生成热图以增强结节表征，并采用改进的Reduced U-Net架构的新模型	模型在测试集上的性能略低于Reduced U-Net（DC 91.27% vs 93.15%）	开发一种高效且可解释的肺结节分割模型，以辅助疾病评估和治疗	CT扫描图像中的肺结节	数字病理学	肺癌	CT扫描	CNN	图像	使用NSCLC Radiogenomics数据集进行训练和测试	NA	Reduced U-Net	Dice系数, 交并比	NA
1508	2025-12-05	Fine-Tuning Strategies for Continual Online EEG Motor Imagery Decoding: Insights from a Large-Scale Longitudinal Study 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/EMBC58623.2025.11253543 PMID:41336201	研究论文	本研究探讨了在大型用户群体和多会话设置下，用于在线纵向脑电图运动想象解码的持续微调策略，并整合了在线测试时间适应以提升模型性能	首次在大型用户群体中探索持续微调策略，结合在线测试时间适应，以改善解码器的性能和稳定性，支持无校准操作	未明确提及具体限制，但暗示传统单被试单策略研究限制了结果的泛化能力	研究在线纵向脑电图运动想象解码的持续微调策略，以提升脑机接口在现实应用中的性能	大型用户群体的脑电图数据，涉及多个会话的在线运动想象任务	机器学习	NA	脑电图	深度学习模型	脑电图信号	大型用户群体，每个参与者多个会话	NA	NA	解码器性能、稳定性	NA
1509	2025-12-05	Consistent Ovulation Window Prediction based on Physiological Temporal Variability Patterns from Wearable Devices 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/EMBC58623.2025.11253520 PMID:41336207	研究论文	本研究提出了一种基于可穿戴设备生理时序变异模式的排卵窗口预测框架，通过整合心率和体温数据，利用机器学习模型提高预测准确性，尤其针对不规则月经周期	提出整合时序心率变异性模式与高分辨率体温特征的新颖特征生成方法，并采用轻量梯度提升机模型，特别提升了不规则周期排卵预测的准确性	研究未明确说明样本的种族、年龄分布细节，且模型在部分群体中的泛化能力有待进一步验证	开发一种准确预测排卵窗口的方法，以改善生育管理	围绝经期女性的排卵周期	机器学习	NA	心电图监测、体温传感	LGBM	生理时序数据	未明确说明具体样本数量，参与者佩戴了心电图设备和温度传感器	LightGBM	轻量梯度提升机	AUROC	NA
1510	2025-12-05	AI-Driven Pathomics for Predicting Chemotherapy Response in Metastatic Colorectal Cancer: A Transfer Learning Approach with Attention-Based Multiple Instance 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/EMBC58623.2025.11253533 PMID:41336214	研究论文	本研究开发了一种基于迁移学习和注意力机制多示例学习的人工智能病理组学方法，用于预测转移性结直肠癌患者的化疗反应	采用迁移学习策略，先在TCGA数据集上预训练识别生存相关的组织病理学模式，再在转移性结直肠癌多中心队列上微调，提高了模型稳定性和预测准确性；通过注意力权重可视化揭示了与化疗耐药相关的肿瘤微环境特征	需要进一步优化才能投入临床部署	提高转移性结直肠癌化疗反应预测的准确性	转移性结直肠癌患者	数字病理学	结直肠癌	全切片图像分析	深度学习	图像	多中心转移性结直肠癌队列	NA	注意力机制多示例学习	AUC	NA
1511	2025-12-05	X2Graph for Cancer Subtyping Prediction on Biological Tabular 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/EMBC58623.2025.11253574 PMID:41336217	研究论文	本文提出了一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据集上进行癌症亚型预测	利用表格列间关系（如基因相互作用）将每个样本转换为图结构，从而应用标准消息传递算法进行图建模	NA	在数据稀缺的医学领域，特别是癌症诊断中，提升深度学习在表格数据上的应用性能	生物表格数据，特别是癌症亚型预测数据集	机器学习	癌症	NA	图神经网络	表格数据	NA	NA	消息传递算法	NA	NA
1512	2025-12-05	Deep Learning-Based Cardiac Output Estimation Using Multimodal Physiological 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/EMBC58623.2025.11253561 PMID:41336227	研究论文	本研究应用深度学习技术，基于动脉压力、心电图、光电容积脉搏波等多模态生理信号，开发了一种非侵入性心输出量估计方法	首次结合动脉压力、心电图和光电容积脉搏波三种信号，利用深度学习模型实现非侵入性心输出量估计，并展示了多模态融合在提升估计精度方面的优势	模型可解释性不足，数据集规模有限，且未实现实时临床应用	开发一种准确的非侵入性心输出量估计方法，以替代或补充传统侵入性测量技术	心输出量（CO）作为心血管监测的关键生理参数	机器学习	心血管疾病	深度学习	深度学习模型（具体架构未在摘要中明确说明）	多模态生理信号（包括动脉压力、心电图、光电容积脉搏波）	使用公开可用的VitalDB数据库，具体样本数量未在摘要中说明	NA	NA	平均绝对误差（MAE），均方根误差（RMSE），偏差（bias），一致性界限（LOA），相关系数（R）	NA
1513	2025-12-05	Exploring the Effect of Race in Automated Skin 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/EMBC58623.2025.11253322 PMID:41336231	研究论文	本研究探讨了基于AI的皮肤癌自动检测模型在不同种族人群（特别是亚洲人群）中的性能差异	揭示了在主要为高加索人群数据上训练的AI模型在亚洲人群（Fitzpatrick皮肤类型II-III）中性能下降，强调了种族因素在皮肤癌检测中的重要性	研究主要关注亚洲人群，样本可能有限，且未涵盖所有皮肤类型或种族群体	评估AI模型在皮肤癌检测中针对不同种族人群的泛化能力	皮肤癌检测，特别是针对亚洲人群的皮肤图像	计算机视觉	皮肤癌	深度学习	CNN	图像	ISIC 2019数据集（主要为高加索人群）、PH数据集（主要为高加索人群）和自有的亚洲人群数据集	NA	EfficientNetB2	AUC	NA
1514	2025-12-05	Self-supervised Contrastive Learning to Monitor Free-Body Movement Daily Activities of Parkinson's Disease Patients Using a Single Wrist Sensor 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/EMBC58623.2025.11253518 PMID:41336222	研究论文	本研究提出了一种基于自监督对比学习的方法，利用单个腕戴式加速度计传感器监测帕金森病患者的日常自由身体活动	采用自监督对比学习方法，利用单个腕戴传感器增强模型对帕金森病患者异常运动的泛化能力，超越了仅针对健康人群的模型	研究样本量较小（15名患者），数据记录时长有限（3.5小时），仅识别三种日常活动模式	开发一种非侵入性方法，可靠监测帕金森病患者的日常活动，以辅助临床管理和个性化物理治疗	帕金森病患者的日常自由身体活动	机器学习	帕金森病	加速度计传感	深度学习模型	传感器时序数据	15名帕金森病患者，共3.5小时记录数据	NA	NA	加权F1分数	NA
1515	2025-12-05	Estimating the difficulty of medical classification tasks using 3D image 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/EMBC58623.2025.11253315 PMID:41336244	研究论文	本研究提出基于影像特征评估3D医学图像分类任务难度的指标，以预测深度学习模型性能	首次将轮廓系数和Fréchet起始距离应用于3D医学图像数据集难度评估，并与深度学习模型性能建立关联	仅测试两种指标和两种深度学习模型，未涵盖更广泛的评估方法	开发医学图像分类任务难度的预测指标，减少资源密集型基准研究的需求	3D医学图像分类数据集	计算机视觉	NA	影像组学特征提取	深度学习模型	3D医学图像	NA	NA	NA	轮廓系数, Fréchet起始距离	NA
1516	2025-12-05	Leveraging Memory for Improved Medical Image Segmentation with Limited Parameters 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/EMBC58623.2025.11253352 PMID:41336253	研究论文	本文提出了一种结合2D U-Net和LSTM单元的新型架构2D LSTM U-Net，用于在有限参数下改进医学图像分割，并利用3D信息	提出2D LSTM U-Net，通过结合2D U-Net的鲁棒分割能力和LSTM的顺序数据处理优势，在保持硬件需求最低的同时利用3D信息，参数比现有2D和3D模型分别少1.6倍和16.5倍	NA	在有限硬件资源下实现高效的医学图像分割，同时利用3D体积信息	CT-ORG和BraTS 2020数据集中的医学图像	数字病理学	NA	深度学习	CNN, LSTM	3D医学图像体积	NA	NA	U-Net, LSTM	NA	NA
1517	2025-12-05	Fast Multi-Organ Fine Segmentation in CT Images with Hierarchical Sparse Sampling and Residual Transformer 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/EMBC58623.2025.11253344 PMID:41336261	研究论文	本文提出了一种基于分层稀疏采样和残差Transformer的快速多器官精细分割框架，用于CT图像中的多器官分割	创新点在于结合分层稀疏采样策略和残差Transformer网络，在减少计算时间的同时保持多分辨率层次上下文信息，实现快速且准确的分割	NA	研究目标是开发一种快速且准确的多器官分割方法，以解决现有方法在速度与准确性之间的权衡问题	研究对象是CT图像中的多器官分割	计算机视觉	NA	CT成像	Transformer	3D医学图像	内部数据集包含10,253张CT图像，以及公开数据集TotalSegmentator	NA	残差Transformer	定性分割性能，定量分割性能	CPU硬件，分割速度约为2.24秒
1518	2025-12-05	Multi-modal data fusion for enhanced pancreatic 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/EMBC58623.2025.11253307 PMID:41336254	研究论文	本文研究了多模态数据融合策略在胰腺癌检测中的应用，通过整合图像和临床特征提升计算机辅助诊断性能	首次系统比较了数据级、决策级和特征级三种融合策略在医学图像分析中的效果，并引入新的多模态动物数据集作为基准	研究使用的胰腺癌数据集规模有限，且融合方法尚未探索更先进的深度学习架构	探索多模态数据融合策略对胰腺癌检测性能的提升效果	胰腺癌患者和动物模型的多模态数据	计算机视觉	胰腺癌	3D腹部CT扫描	深度学习模型	图像, 临床特征	内部胰腺癌数据集（具体数量未说明）和新构建的多模态动物数据集	未明确说明	未明确说明	AUC	未明确说明
1519	2025-12-05	Enhancing Skin Lesion Classification Generalization with Active Domain Adaptation 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/EMBC58623.2025.11253341 PMID:41336258	研究论文	提出一种结合自监督学习和主动领域自适应的方法，以增强皮肤病变分类模型的泛化能力	将自监督学习与主动领域自适应结合，应用于皮肤病变分类，以处理不同领域偏移下的泛化问题	NA	提高皮肤病变分类模型在临床环境中的泛化性能，促进深度学习模型在医学影像中的广泛应用	皮肤病变图像	计算机视觉	皮肤癌	自监督学习，主动领域自适应	深度学习模型	图像	十个皮肤病变数据集	NA	NA	NA	NA
1520	2025-12-05	From Brainwaves to Brain Scans: A Robust Neural Network for EEG-to-fMRI Synthesis 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/EMBC58623.2025.11253321 PMID:41336259	研究论文	本文提出了一种名为E2fNet的深度学习模型，用于从低成本EEG数据合成fMRI图像	提出了一种简单而有效的编码器-解码器网络，能够捕获并转换EEG电极通道中的多尺度特征为准确的fMRI表示，在结构相似性指数测量（SSIM）上达到最先进性能	未提及	通过深度学习模型合成fMRI图像以增强神经影像能力	EEG数据和fMRI图像	机器学习	NA	EEG, fMRI	编码器-解码器网络	EEG数据, fMRI图像	三个公共数据集	NA	E2fNet	结构相似性指数测量（SSIM）	NA