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
1561	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
1562	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
1563	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
1564	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
1565	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
1566	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
1567	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
1568	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
1569	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
1570	2025-12-05	Decoding Blood Volume Loss: Can Non-Invasive Signals Match the Gold Standard? 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/EMBC58623.2025.11252812 PMID:41336666	研究论文	本研究通过深度学习框架比较了有创和无创生理信号在分类不同程度低血容量症方面的判别能力	首次使用深度学习框架同时分析无创光电容积脉搏波和有创动脉血压波形，并采用时频表示与潜在空间特征晚期融合策略来提升分类性能	研究基于健康志愿者通过下体负压模型模拟低血容量症，可能无法完全反映真实临床出血情况	探索无创生理信号在诊断不同程度低血容量症方面的潜力，并与有创金标准进行比较	健康志愿者在动态下体负压模型下产生的生理信号	机器学习	低血容量症	光电容积脉搏波, 动脉血压波形监测	深度学习模型	生理信号波形	NA	NA	NA	AUROC, F分数	NA
1571	2025-12-05	Hybrid CNN-LSTM Model for Evaluating Heart Rate Variability from Pulse-to-Pulse Intervals 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/EMBC58623.2025.11252777 PMID:41336669	研究论文	本研究提出了一种混合CNN-LSTM模型，用于从光电容积脉搏波（PPG）信号估计心电图（ECG）衍生的R-R间期（RRI），以实现无创心率变异性（HRV）监测	提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合深度学习模型，用于从PPG信号非侵入性地估计ECG衍生的RRI，为实时HRV评估提供了新方法	模型在较低呼吸频率下准确捕捉HRV，但在频域分析中系统性地低估了极低频（VLF）、低频（LF）和高频（HF）成分（p < 0.01）	开发一种基于深度学习的非侵入性方法，用于从PPG信号估计心率变异性（HRV），以替代传统心电图（ECG）监测	19名受试者在控制呼吸条件下（每分钟6、18和30次呼吸）采集的光电容积脉搏波（PPG）信号和心电图（ECG）衍生的R-R间期（RRI）数据	机器学习	心血管疾病	光电容积脉搏波（PPG）信号采集，心电图（ECG）R-R间期（RRI）提取	CNN, LSTM	信号数据（PPG信号）	19名受试者	NA	混合CNN-LSTM模型	平均绝对误差（MAE），相关性分析，频域分析（VLF、LF、HF成分）	NA
1572	2025-12-05	Accurate Gait Assessment and Reduced Patient Burden from a Chest-Mounted Accelerometer 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/EMBC58623.2025.11252810 PMID:41336667	研究论文	本研究探索了利用胸部加速度数据和机器学习技术进行步态参数估计，以减少患者负担并提高步态分析的准确性	提出了一种基于胸部加速度数据的步态评估方法，结合小波分析和深度学习模型，实现了在非侵入性、低负担条件下对步态参数的准确估计	对于某些步态参数（如占空比和双支撑持续时间）的性能表现较为多变，需要进一步优化	开发一种高效、非侵入性的步态分析方法，以增强可穿戴设备在临床试验和日常监测中的实用性	神经系统疾病患者及其他行动障碍患者的步态参数	机器学习	神经系统疾病	小波分析，加速度计数据采集	深度学习模型，广义倒立摆模型	加速度数据	未明确指定样本数量	未明确指定	未明确指定	均方根误差（RMSE）	未明确指定
1573	2025-12-05	Methodology for Generating Medical Images Applied to the Generation Of Synthetic Colon Polyps 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/EMBC58623.2025.11252832 PMID:41336683	研究论文	本文提出了一种用于生成医学图像的新方法，特别应用于生成包含结肠息肉的合成结肠图像	提出了一种新的合成医学图像生成方法，并应用于结肠息肉图像生成，在Fréchet Inception Distance和Structural Similarity Index Measure指标上超越了当前最佳模型	未明确说明合成图像在临床诊断中的实际应用效果或验证	解决结肠息肉图像数据缺乏问题，通过生成合成图像来增强数据集的多样性	结肠镜检查图像中的结肠息肉	计算机视觉	结直肠癌	合成数据生成	生成对抗网络,扩散模型	图像	NA	NA	Guided Diffusion, Poisson Flow Generative Models, Improved Diffusion, Slicing Adversarial Network	Fréchet Inception Distance, Structural Similarity Index Measure, Precision, Recall, Kernel Inception Distance	NA
1574	2025-12-05	Identifying Carotid Plaque Compositions Exhibiting Discordant Motion in B-Mode Ultrasound Videos 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/EMBC58623.2025.11252801 PMID:41336687	研究论文	本研究通过分析2D B模式颈动脉超声视频，识别并表征斑块成分的运动模式，以探究其与斑块不稳定性和缺血性卒中风险的关系	提出了一种结合深度学习分割与启发式计算的方法，首次在超声视频中量化不同斑块成分（如钙化区、纤维区、脂质核心）的运动差异，并发现低回声区（GS≤25）在高度不协调运动斑块中表现出最大的角运动范围	样本量较小（仅20例视频），且依赖启发式方法进行成分划分，可能未完全反映真实组织学特征	通过分析颈动脉斑块成分的运动模式，识别与斑块不稳定性和破裂风险相关的特征	无症状（AS）和有症状（SY）患者的颈动脉斑块	医学影像分析	心血管疾病	B模式超声成像	深度学习模型	2D超声视频	20例颈动脉超声视频（10例无症状患者，10例有症状患者）	NA	NA	最大角运动范围（MAXFW），最大中位运动幅度	NA
1575	2025-12-05	Robust Automatic 3D Brain Extraction on T1 Weighted Magnetic Resonance Images for dogs and cats 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/EMBC58623.2025.11254288 PMID:41336704	研究论文	提出首个基于深度学习的鲁棒性自动3D大脑提取工具，适用于不同品种和健康状况的猫狗T1加权磁共振图像	首个针对猫狗跨品种、跨诊断的深度学习大脑提取工具，在形态学变异情况下优于现有基于图谱的方法VIBE和人类医学方法	未明确说明模型在极端颅骨形态或罕见病种上的泛化能力，训练数据规模相对有限（115只动物）	开发适用于兽医神经影像学的自动化、高精度大脑提取工具	猫和狗的T1加权磁共振图像	数字病理学	兽医神经疾病	T1加权磁共振成像	深度学习模型	3D医学图像	115只动物（猫和狗）	NA	NA	Dice系数	NA
1576	2025-12-05	NeuroMoE: A Transformer-Based Mixture-of-Experts Framework for Multi-Modal Neurological Disorder Classification 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/EMBC58623.2025.11254303 PMID:41336692	研究论文	本文提出了一种基于Transformer的混合专家框架，用于整合多模态MRI和临床数据以提升神经系统疾病的分类性能	提出了一种新颖的基于Transformer的混合专家框架，首次将解剖MRI、DTI和功能MRI与临床评估数据通过自适应门控机制进行动态融合	研究使用了独特的专有多模态临床数据集，其普适性可能受限；未详细说明模型在不同疾病亚型间的泛化能力	开发一个能够有效整合多模态医学数据以提升神经系统疾病诊断准确性的深度学习框架	神经系统疾病患者的多模态MRI数据（解剖MRI、DTI、功能MRI）及临床评估数据	医学影像分析	神经系统疾病	多模态磁共振成像	Transformer, 混合专家模型	医学影像, 临床数据	NA	NA	Transformer编码器, 混合专家	准确率	NA
1577	2025-12-05	Anomaly-Driven Approach for Enhanced Prostate 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/EMBC58623.2025.11254318 PMID:41336698	研究论文	本研究提出了一种结合异常检测与深度学习分割的框架（adU-Net），用于提升临床显著性前列腺癌在MRI图像中的分割性能	首次将基于Fixed-Point GAN生成的异常图集成到U-Net分割框架中，利用异常图引导模型关注潜在癌变区域	未明确说明训练数据的具体规模与来源多样性，外部测试集的性能提升幅度有限（平均分数从0.605提升至0.618）	提升临床显著性前列腺癌在MRI图像中的自动化分割准确性与泛化能力	双参数MRI序列中的前列腺癌病灶	数字病理	前列腺癌	双参数磁共振成像（biparametric MRI）	CNN, GAN	医学影像（MRI）	NA	NA	U-Net, Fixed-Point GAN, nnU-Net	AUROC, 平均精度（AP）, 平均分数（AUROC与AP的均值）	NA
1578	2025-12-05	Spinal Disease Classification Using Deep Learning on Dual-View Videos 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/EMBC58623.2025.11254342 PMID:41336702	研究论文	本研究提出了一种基于双视角步态视频的深度学习新方法，用于区分成人脊柱畸形（ASD）与非ASD患者	首次将双视角步态视频与神经网络结合，能够检测每位患者特有的步态波动，通过整合时空步态动力学增强定量诊断	未明确说明样本规模的具体细节，且仅提及F1分数有显著提升但总体准确率提升有限	开发一种用于成人脊柱畸形（ASD）定量诊断和步态评估的新方法	成人脊柱畸形（ASD）患者与非ASD患者的步态特征	计算机视觉	脊柱疾病	步态视频分析	CNN	视频	NA	PyTorch	3D CNN	准确率, F1分数	NA
1579	2025-12-05	Using mmWave Radar and Deep Learning to Classify Caregiver Activities for Infection Prevention 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/EMBC58623.2025.11254344 PMID:41336691	研究论文	本文提出了一种基于毫米波雷达和深度学习技术的护理人员活动识别系统，用于分类护理人员在患者房间内的活动并评估其感染风险等级，以支持临床环境中的感染预防策略	利用毫米波雷达获取的3D点云数据进行非侵入式、保护隐私的活动识别，并首次将护理人员活动按感染风险等级（行走、环境接触、低风险患者接触、高风险患者接触）进行分类评估	研究在模拟医院环境中进行，未来需要在实际临床环境中验证；深度学习模型架构有待进一步优化以提高性能	开发一种非侵入式活动识别系统，用于监测护理人员活动并评估感染风险，以增强临床环境中的感染预防能力	护理人员在患者房间内的30种不同活动，按感染风险分为四个等级	计算机视觉	感染性疾病	毫米波雷达	深度学习	3D点云数据	在模拟医院环境中收集的30种护理人员活动数据集	NA	PointNet++, Pointformer, DGCNN	准确率, F1分数	NA
1580	2025-12-05	UNI-HoverNet: nuclei segmentation and classification across diverse tissue sections based on the UNI foundation 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/EMBC58623.2025.11254327 PMID:41336708	研究论文	本研究提出了一种名为UNI-HoverNet的深度学习模型，用于在多样化的组织病理学切片中进行精确的细胞核分割与分类	将UNI基础模型集成到HoverNet编码器中，结合了CNN的局部特征提取能力和视觉Transformer的全局上下文建模；在解码器中引入SE模块并利用跳跃连接有效融合多尺度特征	NA	开发一个能在多样化组织切片中实现精确细胞核分割与分类的深度学习模型，以辅助病理分析	组织病理学切片中的细胞核	数字病理学	肿瘤（泛指）	NA	CNN, Transformer	图像	PanNuke公共数据集	NA	UNI, HoverNet	多类全景质量, F1分数	NA