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	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
1542	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
1543	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
1544	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
1545	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
1546	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
1547	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
1548	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
1549	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
1550	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
1551	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
1552	2025-12-05	Adaptive vision transformer for enhanced perception in visual prostheses 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/EMBC58623.2025.11253400 PMID:41336587	研究论文	本文提出了一种自适应视觉变换器，用于增强视觉假体中的感知能力，通过结合视觉输入和患者特定参数来减少失真	引入了一种新颖的神经网络架构，结合了视觉变换器来分析视觉输入和患者特定参数，并开发了几何变换来校正植入物视野内的旋转和平移	NA	增强视觉假体中的感知能力，以帮助视障人士更有效地执行日常任务	视觉假体用户及其感知失真问题	计算机视觉	视力障碍	深度学习	Transformer	图像	使用了MNIST、ImageNet、CIFAR-10和COCO数据集	NA	视觉变换器	NA	NA
1553	2025-12-05	Identification of Spatio-Temporal Features in Volumetric Task-Based fMRI Data Using 3D Variational Autoencoder 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/EMBC58623.2025.11253419 PMID:41336578	研究论文	本研究提出并利用3D变分自编码器从任务型fMRI数据中识别时空特征	提出使用3D变分自编码器以无监督方式学习fMRI体数据，无需标签即可解决数据稀缺问题，并能同时捕获空间和时间特征	未明确说明模型在更广泛数据集上的泛化能力，以及与其他深度学习方法的详细对比	识别任务型fMRI数据中的时空特征以表征功能脑网络	功能脑网络	神经影像学	NA	fMRI	VAE	3D体积数据	Human Connectome Project (HCP) Q1 数据	NA	3D Variational Autoencoder	NA	NA
1554	2025-12-05	A Deep Learning Model Based on the Bi-LSTM Neural Networks with Self-attention Mechanism to Enhance the Blood Flow Sensor's Ability to Track Fluctuating Flow Rate 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/EMBC58623.2025.11254526 PMID:41336599	研究论文	本研究提出了一种基于自注意力机制的双向长短期记忆网络深度学习模型，用于提升热传感原理血流传感器在跟踪波动血流速率时的性能	首次将自注意力机制与双向LSTM结合应用于血流速率预测，显著降低了预测误差并几乎完全消除了传感延迟	仅使用大脑中动脉血流数据集进行验证，未在其他血管部位或不同生理条件下测试	提升热传感血流传感器在波动血流条件下的跟踪能力	基于热传感原理的血流传感器	机器学习	心血管疾病	热传感原理	Bi-LSTM, 自注意力机制	时间序列数据	大脑中动脉血流数据集	NA	SA-BiLSTM-BFR	均方根误差, 传感延迟	NA
1555	2025-12-05	Lightweight ResNet-Based Deep Learning for Photoplethysmography Signal Quality Assessment 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/EMBC58623.2025.11254566 PMID:41336612	研究论文	本研究提出了一种基于轻量级ResNet并集成SE模块的深度学习框架，用于光电容积脉搏波信号质量评估，并比较了多种输入配置的性能	提出了一种参数和计算量大幅减少的轻量级ResNet-SE模型，在PPG信号质量评估任务中实现了超过99%的参数减少和超过60%的FLOPs减少，同时探索了多种信号预处理输入配置（如原始信号、一阶/二阶导数、自相关及其组合）的有效性	未明确说明模型在更广泛或更具挑战性的临床场景下的泛化能力，也未详细讨论不同信号质量等级下的具体性能差异	开发一种适用于资源受限可穿戴设备的轻量级高效深度学习模型，用于光电容积脉搏波信号质量评估，以提高心血管监测的可靠性	光电容积脉搏波信号	机器学习	心血管疾病	NA	CNN	时序信号	Moore4Medical和MIMIC-IV数据集	NA	ResNet, Squeeze-and-Excitation模块	AUC	NA
1556	2025-12-05	Classification of Functional Near-Infrared Spectroscopy Based on Gramian Angular Difference Field and a Temporal-Spatial Feature Fusion 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/EMBC58623.2025.11254538 PMID:41336630	研究论文	本文提出了一种名为VisiTempNet的深度学习模型，通过融合时间序列特征和Gramian角度差场图像特征，用于功能近红外光谱信号的分类	提出了一种时空特征融合网络，首次探索了图像特征与时间序列特征的联合效应，并采用可学习权重进行特征归一化与融合，增强了分类相关信息的权重	未明确说明模型在其他fNIRS数据集上的泛化能力，以及计算复杂度分析	提高功能近红外光谱信号分类的准确性	功能近红外光谱的一维时间序列数据及其转换的二维图像	脑机接口	NA	功能近红外光谱	深度学习模型	时间序列数据, 图像	基于公开数据集fNIRS2MW	NA	VisiTempNet	准确率	NA
1557	2025-12-05	Contrastive Coronary Artery Calcification Image Retrieval in Computed Tomography 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/EMBC58623.2025.11252787 PMID:41336649	研究论文	本文提出了一种基于监督对比学习的图像检索流程，用于增强冠状动脉钙化分割模型的可解释性，通过提供视觉上相似的钙化示例来辅助临床诊断	首次将监督对比学习框架应用于冠状动脉钙化图像检索，以提升深度学习分割模型的可解释性和鲁棒性	检索结果在钙化面积和Agatston评分方面仅表现出中等相似性，且数据集规模可能限制模型的泛化能力	开发一种图像检索系统，以增强冠状动脉钙化分割模型的可解释性和临床实用性	冠状动脉钙化图像	计算机视觉	心血管疾病	计算机断层扫描	深度学习模型	图像	COCA数据集	NA	监督对比学习框架	标签精度	NA
1558	2025-12-05	Exploring Deep Learning in Electrodermal Activity Recording for Continuous Detection of Pain Intensity Level 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/EMBC58623.2025.11254524 PMID:41336637	研究论文	本研究探索了使用深度学习模型分析皮肤电活动信号，以实现疼痛强度水平的连续检测	首次实现了基于皮肤电活动的连续疼痛强度检测，而非间歇性检测，并采用了并行混合CNN-LSTM架构	模型在独立测试集上的R-squared分数相对较低（0.495），表明解释方差的能力有待提升	开发一种客观、连续的非侵入性疼痛强度评估方法，以改善疼痛管理和治疗策略	皮肤电活动信号用于疼痛强度检测	机器学习	慢性疼痛	皮肤电活动记录	CNN, LSTM	生理信号（皮肤电活动）	37名独立受试者（来自BioVid热痛数据集）	NA	并行一维CNN与堆叠双向及单向LSTM	M-RMSE, R-squared	NA
1559	2025-12-05	Sleep Brain and Cardiac Activity Predict Cognitive Flexibility and Conceptual Reasoning 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/EMBC58623.2025.11252806 PMID:41336641	研究论文	本研究开发了一个名为CogPSGFormer的多尺度卷积-Transformer模型，利用夜间睡眠期间的生理信号（如ECG和EEG）来预测个体的认知灵活性及概念推理能力	提出了首个结合多模态多导睡眠图数据（包括单通道ECG、EEG信号及提取特征如EEG功率带和心率变异性参数）的深度学习模型，通过多尺度特征提取和多模态学习，有效预测特定认知领域的表现	研究基于单一数据集（STAGES）的817名个体，可能限制了模型的泛化能力；未详细讨论模型在不同人群或睡眠条件下的适用性	探索睡眠微结构与人类认知表现（特别是执行功能中的认知适应性和概念推理）之间的关系，并利用深度学习进行预测	人类个体的夜间睡眠生理信号及认知表现数据	机器学习	NA	多导睡眠图（PSG）信号采集，包括ECG和EEG信号分析	深度学习模型，结合卷积神经网络和Transformer	多模态生理信号数据（时间序列数据）	817名来自STAGES数据集的个体	未明确指定，但代码公开可用	CogPSGFormer（多尺度卷积-Transformer架构）	准确率（基于Penn Conditional Exclusion Test分数将个体分类为低vs高认知表现组）	未明确指定
1560	2025-12-05	A Hybrid Deep Learning Model for Sleep Staging with Multi-Domain Feature Fusion from Single-Channel EEG 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/EMBC58623.2025.11252818 PMID:41336650	研究论文	本文提出了一种混合深度学习模型，利用单通道脑电图的多域特征进行睡眠分期	通过融合时域和时频域特征，提高了单通道脑电图在睡眠分期中的多分类性能，特别是在N3阶段检测方面	NA	开发一种仅使用单通道脑电图的自动睡眠分期模型，以促进便携式监测系统的发展	来自151名受试者的单通道脑电图数据	机器学习	NA	多导睡眠图	混合深度学习模型	脑电图	151名受试者	NA	NA	准确率, F1分数	NA