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
1541	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
1542	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
1543	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
1544	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
1545	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
1546	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
1547	2025-12-05	Myoelectric Temporal Patching: Future Prosthetics Shall Effectively Leverage sEMG Temporal Patterns 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/EMBC58623.2025.11251814 PMID:41336501	研究论文	本文提出了一种名为肌电时序补丁（MTP）的新型手工特征提取方法，用于从表面肌电（sEMG）信号中捕获短期和长期时序动态，以提升下肢假肢控制的性能	提出了一种新颖的手工特征提取方法MTP，能够从sEMG信号的短段补丁中提取多信号特征，并在窗口间传播信息，有效捕获信号的时序动态，同时避免了深度学习模型的高计算负担	NA	开发一种计算效率高的特征提取方法，以提升下肢主动辅助设备和假肢的肌电控制性能	表面肌电（sEMG）信号，用于下肢运动意图解码	机器学习	NA	表面肌电（sEMG）信号分析	LDA, KNN, SVM	sEMG信号	使用了两个数据集：SIAT-LLMD数据集（用于步态相位识别）和MyPredict 1数据集（用于运动模式识别），具体样本数量未在摘要中明确说明	Scikit-learn	NA	准确率	NA
1548	2025-12-05	Tri-MTL: A Triple Multitask Learning Approach for Respiratory Disease Diagnosis 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/EMBC58623.2025.11251810 PMID:41336502	研究论文	本研究提出了一种名为Tri-MTL的三重多任务学习方法，用于呼吸系统疾病的诊断，通过整合呼吸音模式、疾病表现和患者元数据属性来提升诊断性能	将多任务学习与先进深度学习架构结合，首次在呼吸音分类和疾病诊断中系统评估元数据在多任务学习框架中的有效性，揭示了整合听诊器信息能显著提升性能	未明确说明样本的具体来源或多样性限制，且敏感性指标在呼吸音分类中较低（41.56%），可能影响模型在临床实践中的泛化能力	探索多任务学习与深度学习架构如何增强呼吸音分类和呼吸系统疾病诊断	呼吸音、疾病表现和患者元数据属性	机器学习	呼吸系统疾病	NA	深度学习	音频（呼吸音）、元数据	NA	NA	NA	特异性, 敏感性	NA
1549	2025-12-05	MPM-DCE: Multi-stage Progressive Mechanism for Early and Late DCE Prostate MRI 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/EMBC58623.2025.11251784 PMID:41336522	研究论文	提出一种基于多阶段GAN的框架MPM-DCE，用于合成前列腺DCE-MRI的早期和晚期响应图像	采用多阶段渐进机制，通过自适应级联间特征融合块逐步细化灌注特征，超越单阶段架构的限制	NA	改善前列腺癌诊断，减少对造影剂的依赖	前列腺DCE-MRI图像	计算机视觉	前列腺癌	DCE-MRI	GAN	图像	NA	NA	编码器-解码器生成器	PSNR, SSIM, MAE	NA
1550	2025-12-05	AttenGluco: Multimodal Transformer-Based Blood Glucose Forecasting on AI-READI Dataset 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/EMBC58623.2025.11251776 PMID:41336518	研究论文	本文提出了一种基于多模态Transformer的长期血糖预测框架AttenGluco，用于整合连续血糖监测和活动数据以提高预测准确性	采用交叉注意力机制有效融合不同采样率的多模态数据，并利用多尺度注意力捕获时间数据中的长期依赖关系	未明确说明模型在处理极端血糖波动或罕见事件方面的局限性，也未讨论模型在临床环境中的实际部署挑战	开发一个能够准确预测长期血糖水平的深度学习模型，以帮助糖尿病患者和护理人员管理血糖	健康个体、糖尿病前期患者和2型糖尿病患者	机器学习	糖尿病	连续血糖监测	Transformer	时间序列数据	AI-READI数据集中的多个受试者队列	未指定	Transformer	均方根误差, 平均绝对误差, 相关系数	NA
1551	2025-12-05	Deep Learning Method for Classifying Spatial Patterning of Early Differentiated Human Induced Pluripotent Stem Cells using Micropattern 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/EMBC58623.2025.11251796 PMID:41336529	研究论文	本文提出了一种基于CNN和全局平均池化的深度学习方法，用于分类早期分化的人类诱导多能干细胞在微图案图像中的空间模式	采用CNN结构和全局平均池化来分类具有遗传异常的人类诱导多能干细胞早期分化的微图案图像，以表征异常模式	NA	分析具有遗传异常的人类诱导多能干细胞早期分化过程	人类诱导多能干细胞（hiPSCs）的早期分化微图案图像	计算机视觉	NA	微图案培养	CNN	图像	七类外胚层细胞图像	NA	CNN	准确率	NA
1552	2025-12-05	Cardiac Arrhythmia Detection Leveraging Deep Learning Convolutional Neural Network 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/EMBC58623.2025.11253367 PMID:41336545	研究论文	本研究开发了一种基于深度卷积神经网络（DCNN）的方法，利用光电容积脉搏波（PPG）信号区分窦性心律、早搏和心房颤动	提出了一种基于1D VGG16-Net的深度卷积神经网络，首次利用PPG信号同时区分窦性心律、早搏和心房颤动	模型准确率有待进一步提高	开发一种能够区分心房颤动、窦性心律和早搏的深度卷积神经网络	91名患者的光电容积脉搏波（PPG）信号数据	机器学习	心血管疾病	光电容积脉搏波（PPG）信号采集	CNN	信号数据	91名患者的46827个10秒PPG信号段	NA	1D VGG16-Net	平衡准确率	NA
1553	2025-12-05	AI-Enhanced Pulmonary Auscultation for Heart Failure 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/EMBC58623.2025.11253377 PMID:41336555	研究论文	本研究探讨了利用人工智能和肺听诊在家庭环境中早期检测心力衰竭的可行性	提出了一种基于非临床听诊的AI听诊器概念，结合信号处理和深度学习模型，以克服个体依赖性变化并揭示与心力衰竭相关的肺音特征	样本量较小（仅30名受试者），且模型特异性相对较低（71.4%），可能影响泛化能力	开发一种经济、高效、快速的家庭用心力衰竭筛查方法	心力衰竭患者和健康受试者的肺音数据	机器学习	心血管疾病	肺听诊	CNN, Transformer	音频	30名受试者（15名心力衰竭患者和15名健康受试者）	NA	紧凑型卷积神经网络, 预训练Transformer	特异性, 敏感性	NA
1554	2025-12-05	A Deep Learning Approach to Grading Neonatal Hypoxic-Ischemic Encephalopathy Using ECG Spectrograms 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/EMBC58623.2025.11253390 PMID:41336558	研究论文	本研究提出了一种基于深度学习的方法，利用心电图谱图对新生儿缺氧缺血性脑病进行分级	提出了一种直接从心电图信号提取谱图作为卷积神经网络输入的新方法，避免了耗时的计算过程，并实现了更高的AUC性能	NA	开发一种自动化的新生儿缺氧缺血性脑病分级系统，以替代脑电图分析	新生儿的心电图信号	机器学习	新生儿缺氧缺血性脑病	心电图信号分析	CNN	心电图谱图	来自新生儿的大型心电图数据集	NA	卷积神经网络	AUC	NA
1555	2025-12-05	Deep Learning based Depression Detection using Speech Spectrograms 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/EMBC58623.2025.11253416 PMID:41336563	研究论文	本文探讨了基于语音的抑郁症检测方法，利用深度学习模型分析语音频谱图以实现抑郁状态的分类	使用1秒语音信号片段作为可靠生物标志物进行抑郁症检测，并应用预训练的卷积神经网络进行迁移学习，实现了高分类准确率	数据集规模相对较小（52名受试者），可能影响模型的泛化能力，且仅使用了特定数据集（MODMA）	开发客观、可扩展且非侵入性的心理健康评估工具，用于早期抑郁症检测	语音录音，来自52名受试者（包括23名抑郁症患者和29名健康对照者）	自然语言处理	抑郁症	短时傅里叶变换	CNN	图像（频谱图）	52名受试者，共26,590个1秒音频片段	TensorFlow, PyTorch, Keras	ResNet-50, VGG-19, EfficientNet-B0	准确率	NA
1556	2025-12-05	SSL-SE-EEG: A Framework for Robust Learning from Unlabeled EEG Data with Self-Supervised Learning and Squeeze-Excitation 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/EMBC58623.2025.11253365 PMID:41336567	研究论文	本文提出了一种结合自监督学习和挤压-激励网络的框架（SSL-SE-EEG），用于从无标签EEG数据中稳健学习，以增强特征提取、提高噪声鲁棒性并减少对标注数据的依赖	将自监督学习与挤压-激励网络结合，用于EEG信号处理；将EEG信号转换为结构化2D图像表示，适用于深度学习；在多个公开数据集上实现了最先进的准确率	未明确提及具体局限性	开发一个鲁棒的框架，用于从无标签EEG数据中学习，以应对噪声伪影、数据缺失和高标注成本等挑战	脑电图（EEG）信号	机器学习	NA	自监督学习，挤压-激励网络	SE-Nets	EEG信号（转换为2D图像表示）	使用了MindBigData、TUH-AB、SEED-IV和BCI-IV四个公开数据集	未明确提及	挤压-激励网络（SE-Nets）	准确率	未明确提及
1557	2025-12-05	Deep Neural Network for Online Identification of Motor Unit Activities from High-Density Surface Electromyography 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/EMBC58623.2025.11253417 PMID:41336564	研究论文	本研究比较了空间和时间神经网络在实时识别高密度表面肌电图中运动单元活动方面的性能，并探讨了训练样本量对性能的影响	首次同时比较了空间和时间神经网络在在线识别运动单元活动中的表现，并分析了训练数据量对深度学习模型性能的影响	两种方法在训练数据较少时性能均较差，且研究仅针对拇短展肌的模拟和实验数据，可能限制了泛化能力	优化基于深度学习的高密度表面肌电图在线分解方法，以提高运动单元活动识别的实时性和鲁棒性	高密度表面肌电图信号中的运动单元活动	机器学习	NA	高密度表面肌电图记录	CNN, Bi-GRU	肌电图信号	模拟和实验高密度表面肌电图记录，使用8×8电极阵列从拇短展肌采集	NA	卷积神经网络, 双向门控循环单元	匹配率	NA
1558	2025-12-05	Early Prediction of Positive Hospital-Acquired MRSA Screening using Deep Learning on Vital Signs Time Series 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/EMBC58623.2025.11253426 PMID:41336571	研究论文	本研究提出了一种基于深度学习的模型，利用时间序列生命体征数据早期预测医院获得性MRSA筛查阳性结果	首次仅使用生命体征时间序列数据，通过BiLSTM模型实现MRSA筛查阳性的早期预测，提供了一种非侵入性、实时的解决方案	模型尚未整合其他临床参数，且在不同医疗环境中的泛化能力有待进一步验证	开发一种AI驱动的早期预警系统，用于预测医院获得性MRSA感染，以支持及时的临床干预	医院患者，特别是那些可能面临MRSA感染风险的患者	机器学习	医院获得性感染	时间序列分析	BiLSTM	时间序列数据	基于MIMIC-IV数据库的患者生命体征数据，具体样本数量未明确说明	未明确指定，但可能为TensorFlow或PyTorch	双向长短期记忆网络	F1分数, AUROC	未明确指定
1559	2025-12-05	MVCA-Net: Multi-View Convolution Attention Network for measuring EEG rhythms representing Anxiety 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/EMBC58623.2025.11253398 PMID:41336585	研究论文	本文提出了一种名为MVCA-Net的多视图卷积注意力网络，用于从EEG信号中提取频率特征以测量代表焦虑的脑电节律	结合卷积神经网络、多头注意力变换器和注意力模块，有效捕捉区分正常与焦虑状态的EEG特征	NA	利用深度学习技术从EEG信号中提取频率特征，以评估不同严重程度的焦虑状态	23名参与者的公开EEG数据集DASPS，包含正常和焦虑状态（后者细分为轻度、中度、重度四个级别）	机器学习	焦虑症	脑电图	CNN, Transformer	EEG信号	23名参与者	NA	MVCA-Net, CNN, 多头注意力变换器	准确率	NA
1560	2025-12-05	Analysis of CGM data in pregnant women through machine learning and mechanistic models 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/EMBC58623.2025.11254496 PMID:41336591	研究论文	本研究通过机器学习和机制模型分析孕妇的连续血糖监测数据，比较了不同方法在血糖预测中的性能	提出了一种新颖的混合深度学习模型（GRU-LSTM）并改进了基于随机微分方程的机制模型，首次在非糖尿病孕妇中比较了机器学习和数学建模方法	研究仅针对非糖尿病孕妇，未涵盖妊娠期糖尿病患者，且模型在更广泛人群中的泛化能力有待验证	优化糖尿病管理，特别是针对孕妇的血糖预测，以降低妊娠期糖尿病的母婴风险	非糖尿病孕妇的连续血糖监测数据	机器学习	妊娠期糖尿病	连续血糖监测	GRU, LSTM	时间序列数据	未明确说明样本数量	未明确说明	GRU-LSTM混合模型	预测准确性	未明确说明