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	An Intelligent Cardiac View Classification System for Autonomous Echocardiography Robot 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/EMBC58623.2025.11253627 PMID:41335814	研究论文	本文提出了一种用于自主超声心动图机器人的智能心脏切面分类系统	将深度学习模型（特别是卷积神经网络）集成到超声心动图机器人系统中，以实现对标准心脏切面的实时、自主分类与导航，减少对操作人员的依赖	超声心动图的多切面成像复杂性可能限制深度学习模型的应用效果，且系统在更广泛、更多样的临床场景中的泛化能力有待进一步验证	开发能够早期、准确诊断心血管疾病的完全自主机器人系统	超声心动图图像	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	多样化的超声心动图图像数据集	NA	NA	NA	NA
1562	2025-12-05	Deep Learning-Based Ground Reaction Force Estimation for Real-Time Clinical Applications 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/EMBC58623.2025.11253590 PMID:41335828	研究论文	本研究提出了一种基于深度学习的实时地面反作用力估计方法，用于临床步态分析	利用循环神经网络从标记轨迹实时估计地面反作用力和压力中心，为临床提供成本效益高且高效的替代方案	目前仅在健康受试者中进行验证，尚未在病理步态数据集上测试	开发实时、基于标记的步态分析方法，以替代昂贵的固定测力板系统	健康受试者的步态数据	机器学习	NA	运动捕捉系统	RNN	标记轨迹	5名健康受试者	NA	循环神经网络	相关系数	NA
1563	2025-12-05	Performance Evaluation of Transfer Learning Based Medical Image Classification Techniques for Disease 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/EMBC58623.2025.11253609 PMID:41335835	研究论文	本文对基于迁移学习的医学图像分类技术进行了全面分析，评估了六种预训练模型在胸部X光数据集上的疾病检测性能	系统比较了多种预训练CNN模型在医学图像分类中的表现，并进行了不确定性分析和运行时比较，揭示了迁移学习在数据有限情况下的优势	研究仅使用自定义胸部X光数据集，未涵盖其他医学影像类型；模型选择有限，未包括最新的深度学习架构	评估迁移学习技术在医学图像分类中的性能，为疾病检测提供模型选择依据	胸部X光图像	计算机视觉	肺部疾病	迁移学习	CNN	图像	自定义胸部X光数据集（具体数量未说明）	NA	AlexNet, VGG16, ResNet18, ResNet34, ResNet50, InceptionV3	准确性, 精度, 召回率, F1分数, AUC	NA
1564	2025-12-05	AI-Powered Detection of Eye Rubbing Behavior for Keratoconus Analysis Using 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/EMBC58623.2025.11253623 PMID:41335844	研究论文	本文介绍了一种基于深度学习的分析框架，利用腕部可穿戴设备的传感器数据实时自动检测揉眼行为，以分析圆锥角膜	首次提出使用腕部可穿戴设备和深度学习框架进行实时自动揉眼行为检测，为圆锥角膜分析提供客观量化工具	数据集仅包含9名受试者的1068条记录，样本规模较小，可能限制模型的泛化能力	开发一种实时自动检测揉眼行为的系统，以量化其对圆锥角膜进展的影响	圆锥角膜患者或风险个体的揉眼行为	机器学习	圆锥角膜	传感器数据采集	深度学习	传感器数据	9名受试者的1068条非重叠记录	NA	NA	F1分数, AUC	NA
1565	2025-12-05	Exploring Attention-Driven Deep Learning for Accurate Lung Nodule 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/EMBC58623.2025.11254801 PMID:41335850	研究论文	本研究探索了多种深度学习模型在LIDC-IDRI数据集上对肺结节进行分割的应用，通过数据筛选和注意力机制优化模型性能	采用经过筛选的356个样本子集进行训练，并引入通道注意力桥（Channel Attention Bridge）与ResNet骨干网络的DPLinkNet50新配置，显著提升了分割精度	仅使用LIDC-IDRI数据集的一个子集（356个样本），未在更大规模或更多样化的数据集上进行验证	提高肺结节分割的准确性，为临床计算机辅助诊断提供更可靠的工具	肺结节	计算机视觉	肺癌	深度学习	CNN	医学图像	356个样本（来自LIDC-IDRI数据集）	未明确提及	DPLinkNet50, ResNet	Dice系数	未明确提及
1566	2025-12-05	Medically Explainable Deep Learning-Based Glaucoma 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/EMBC58623.2025.11254831 PMID:41335861	研究论文	本研究提出了一种新颖的多任务深度学习模型，旨在通过同时执行青光眼分类、视杯视盘分割及视盘周围萎缩分类来增强青光眼诊断的医学可解释性	提出了一种多任务深度学习模型，通过生成垂直杯盘比和视盘周围萎缩等临床相关生物标志物，解决了传统深度学习模型在青光眼诊断中缺乏可解释性的“黑箱”问题	研究仅使用了REFUGE数据库进行评估，未在其他独立数据集上进行验证，可能影响模型的泛化能力	开发一种具有医学可解释性的深度学习模型，用于青光眼的筛查和诊断	青光眼患者及正常人群的视网膜眼底图像	计算机视觉	青光眼	深度学习	多任务深度学习模型	图像	使用Retinal Fundus Glaucoma Challenge (REFUGE)数据库	NA	NA	NA	NA
1567	2025-12-05	Diffusion Model-Based Displacement Field Generation for 4D-CT Chest Image Generation 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/EMBC58623.2025.11254765 PMID:41335865	研究论文	本研究提出了一种基于条件扩散模型的框架，用于从单相三维胸部CT图像生成捕捉呼吸运动的位移矢量场，进而合成不同呼吸时相的四维CT图像	首次将条件扩散模型应用于从单相3D-CT生成位移矢量场，并提出了结合初始相位CT图像和目标相位平均DVF作为引导的模型，以仅使用位移幅度生成4D-CT图像	研究仅使用了62个病例的4D-CT图像进行训练和测试，样本量相对有限；方法依赖于呼吸运动的位移幅度，可能无法捕捉所有复杂的解剖变形	开发一种从单相三维胸部CT图像生成四维CT图像的框架，以减轻患者多次成像的负担并辅助放疗规划	呼吸运动和解剖变形数据，特别是用于放疗规划和手术精度提升的个体化呼吸运动建模	医学影像分析	胸部疾病（通用）	三维计算机断层扫描，四维计算机断层扫描	扩散模型	图像（3D-CT， 4D-CT）	62个病例的4D-CT图像	NA	条件扩散模型	定量比较（具体指标未在摘要中明确列出）	NA
1568	2025-12-05	Conditional Score-based Diffusion Models for Lung CT Scans Generation 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/EMBC58623.2025.11254813 PMID:41335870	研究论文	本研究探索了基于分数的扩散模型在条件生成肺部CT扫描切片中的应用，以解决数据有限、标注成本高和隐私问题	提出了使用条件分数扩散模型生成肺部CT扫描，并比较了VP和VE SDEs模型在生成高保真图像方面的性能	当前方法仅限于2D切片生成，未来需扩展到3D条件生成并使用更丰富的条件映射以涵盖更广泛的解剖变异	通过生成合成肺部CT扫描来增强深度学习模型训练，以支持肺部疾病诊断和分类	肺部CT扫描切片，包括肺部分割掩码和结节分割映射	计算机视觉	肺癌	CT扫描	扩散模型	图像	NA	NA	U-Net	SSIM, PSNR, FID, MMD, ECS	NA
1569	2025-12-05	Meta-Learning Coupled with Transfer Learning for Improved Few-Shot Classification of Cardiac MR 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/EMBC58623.2025.11254847 PMID:41335867	研究论文	本文提出了一种新颖的元迁移学习框架，用于心脏磁共振图像的少样本分类，以解决标注医学数据有限的问题	结合预训练深度神经网络与元学习，在少样本场景下实现心脏疾病的二元和五类分类，并在预训练和元训练阶段探索了相同与不同类别的实验	未明确说明模型在更广泛数据集或实际临床环境中的泛化能力，以及计算资源需求	提高心脏磁共振图像在有限标注数据下的分类准确性和泛化能力	心脏磁共振图像，包括健康与疾病状态（如正常心脏功能、扩张型心肌病、肥厚型心肌病、心肌梗死导致的心力衰竭、异常右心室）	计算机视觉	心血管疾病	心脏磁共振成像	深度神经网络	图像	基于ACDC数据集，具体样本数量未明确说明	NA	NA	准确率	NA
1570	2025-12-05	EEG-Translator: A Cross-Modality Framework for Subject-Specific EEG and Voice Reconstruction from Imagined Speech 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/EMBC58623.2025.11254826 PMID:41335877	研究论文	提出一种跨模态EEG翻译框架，用于从想象语音EEG重建发声语音EEG，以提升语音脑机接口性能	结合扩散模型与GAN训练，通过融合空间和频谱损失来保留EEG的类别信息和时频域特性，实现跨域EEG重建	未明确说明模型在跨被试或不同语言环境下的泛化能力，以及计算资源需求的具体细节	开发一种跨模态框架，用于从想象语音EEG重建发声语音EEG，以改善语音脑机接口的通信能力	想象语音和发声语音的脑电图信号	脑机接口	言语障碍	脑电图	扩散模型, GAN	脑电图信号, 频谱图特征	NA	NA	NA	分类解码准确率	NA
1571	2025-12-05	Unsupervised Deep Embedding for Robust Epileptic Seizure 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/EMBC58623.2025.11254792 PMID:41335874	研究论文	本文提出了一种名为深度变分高斯混合（DVGM）模型的新方法，用于鲁棒的癫痫发作检测	提出了一种结合深度变分自编码器、奇异值分解和高斯混合模型的深度聚类算法，以解决监督模型训练时间长和泛化能力差的问题	未明确提及具体局限性	提高癫痫发作检测的准确性和效率，并解决跨患者群体的泛化挑战	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	脑电图（EEG）分析	深度变分自编码器（VAE），高斯混合模型（GMM）	EEG信号	使用波士顿儿童医院（CHB）公开数据集进行训练，并在法国昂热大学医院中心（CHU）数据集上进行测试	未明确指定	深度变分高斯混合（DVGM）模型	未明确指定具体指标	未明确指定
1572	2025-12-05	Attention-enabled Explainable AI for Bladder Cancer Recurrence Prediction 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/EMBC58623.2025.11254767 PMID:41335879	研究论文	提出一种基于注意力机制的可解释深度学习框架，用于预测非肌层浸润性膀胱癌的复发风险	首次将向量嵌入与注意力机制结合用于膀胱癌复发预测，识别了手术时长和住院时间等传统模型未考虑的新风险因素，并提供患者层面的可解释性	未明确说明样本数据的具体来源和采集时间范围，模型在表格数据上的准确率为70%仍有提升空间	改进非肌层浸润性膀胱癌的复发预测精度并提供临床可解释的决策支持	非肌层浸润性膀胱癌患者	医疗人工智能	膀胱癌	深度学习	注意力机制模型	表格数据	未明确说明具体样本数量（涉及全球46万患者群体）	未明确说明	未明确说明具体架构名称	准确率	未明确说明
1573	2025-12-05	Predicting the efficacy of first-line therapy for patients with colorectal cancer liver metastases using CT imaging and clinical 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/EMBC58623.2025.11254758 PMID:41335887	研究论文	本文提出了一种新颖的多模态交叉注意力模型，结合增强肝脏CT影像和临床数据，用于预测结直肠癌肝转移患者一线治疗的疗效	提出了一种新颖的多模态交叉注意力模型，通过nnUNetv2进行肝脏和肿瘤区域分割，结合放射组学特征和临床变量，利用多头交叉注意力模块实现多模态信息的有效交换与对齐	样本量相对较小（177名患者），可能影响模型的泛化能力，且仅使用了CT影像和临床数据，未考虑其他影像模态或分子生物学数据	预测结直肠癌肝转移患者一线治疗的疗效，以支持个性化治疗策略的制定	结直肠癌肝转移患者	计算机视觉	结直肠癌	增强CT成像	深度学习模型	图像, 临床数据	177名患者	PyTorch	nnUNetv2	AUC	NA
1574	2025-12-05	Advancing Survival Analysis with Large Language Models: A Solution to Data Scarcity and Missing Information in Healthcare 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/EMBC58623.2025.11254763 PMID:41335883	研究论文	本文提出了一种利用大语言模型生成包含所有相关信息的句子，以解决医疗数据稀缺和缺失问题的新方法，用于生存分析和患者风险评估	通过大语言模型生成综合句子，直接使用患者数据而无需转换，处理缺失数据，并模拟临床文档的自然变异性，避免了传统数据插补的假设限制	未明确说明大语言模型生成数据的潜在偏差或泛化能力限制，以及方法在更广泛数据集上的验证情况	解决医疗数据稀缺和缺失信息问题，以改进生存分析和患者风险评估	医疗数据集中的患者信息，特别是包含文本描述符的表格数据	自然语言处理	NA	大语言模型	NA	文本	FLCHAIN、METABRIC和SUPPORT数据集	NA	简单网络	C-index, IBS	NA
1575	2025-12-05	Learning Generalizable Features for Tibial Plateau Fracture Segmentation Using Masked Autoencoder and Limited Annotations 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/EMBC58623.2025.11254785 PMID:41335895	研究论文	本文提出了一种基于掩码自编码器的训练策略，用于从CT图像中准确分割胫骨平台骨折，该方法利用无标签数据预训练学习通用特征，仅需少量标注数据进行微调	利用掩码自编码器从无标签数据中捕获全局骨骼结构和细粒度骨折细节，显著减少对大量标注数据的依赖，并增强了模型学习可泛化和可迁移特征的能力	方法仅在内部数据集（180例CT扫描）和另一个公共骨盆CT数据集上进行了验证，需要更多样化的数据集以进一步证明其泛化能力	开发一种能够利用有限标注数据实现准确、可泛化的胫骨平台骨折自动分割方法	胫骨平台骨折的CT图像	数字病理学	骨折	CT扫描	掩码自编码器	图像	内部数据集包含180例胫骨平台骨折CT扫描，微调仅使用20例标注病例；并在另一个公共骨盆CT数据集（髋部骨折）上进行了迁移性测试	PyTorch	掩码自编码器	Dice相似系数, 平均对称表面距离, Hausdorff距离	NA
1576	2025-12-05	TAKD: A Temporal Attention-Based Knowledge Distillation Framework for Efficient Multi-Lead ECG 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/EMBC58623.2025.11251878 PMID:41335904	研究论文	本文提出了一种基于时序注意力的知识蒸馏框架（TAKD），用于在资源受限设备上实现高效的多导联心电图诊断	利用时序注意力机制增强从教师模型到轻量级学生模型的特征迁移，提升学生对关键时序特征和多导联交互的关注	仅基于ICBEB2018数据集进行实验，未在其他数据集或真实临床环境中验证	开发一种轻量化的深度学习模型，用于心律失常的早期检测与诊断	多导联心电图信号	机器学习	心血管疾病	心电图分析	深度学习模型	时序信号数据	ICBEB2018数据集	未明确提及	未明确提及	准确率	资源受限设备
1577	2025-12-05	Automated Radiomics Analysis from Multi-Modal Image Segmentation for Predicting Triple Negative Breast Cancer 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/EMBC58623.2025.11252611 PMID:41335910	研究论文	本研究提出了一种结合深度学习分割和机器学习分类的自动化流程，利用PET/CT影像的放射组学特征预测三阴性乳腺癌	首次将深度学习自动分割与机器学习分类相结合，利用PET/CT多模态影像的放射组学特征来区分三阴性乳腺癌与非三阴性乳腺癌	回顾性研究，样本量相对有限（217例患者），且仅来自单一医疗中心	研究PET/CT提取的定量放射组学特征能否区分三阴性乳腺癌与非三阴性乳腺癌	217名乳腺癌患者的PET/CT影像（57例三阴性乳腺癌，160例非三阴性乳腺癌）	数字病理学	乳腺癌	PET/CT影像分析，放射组学特征提取	深度学习模型（用于分割），机器学习分类器	多模态医学影像（PET和CT）	217例患者（57例三阴性乳腺癌，160例非三阴性乳腺癌）	NA	NA	F1分数，AUC，准确率，灵敏度，特异性	NA
1578	2025-12-05	Framework to Simulate Perceived Images Affected by Human Visual System Disorders 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/EMBC58623.2025.11251890 PMID:41335920	研究论文	本文提出了一种利用PerceptNet模型结合JAX/Flax深度学习框架的计算框架，用于模拟人类视觉系统疾病如何影响图像感知	结合PerceptNet模型与深度学习优化技术，首次构建了能够模拟多种视觉系统疾病（如色盲和创伤性脑损伤）感知变化的计算框架	未明确说明框架在模拟其他视觉疾病时的泛化能力，且未提供大规模临床验证数据	开发一个计算框架来模拟人类视觉系统疾病对图像感知的影响	人类视觉系统疾病（如色盲、创伤性脑损伤）患者的视觉感知变化	计算机视觉	视觉系统疾病	深度学习优化技术	PerceptNet	图像	NA	JAX/Flax	PerceptNet	NA	NA
1579	2025-12-05	SViT-ECG: Spectrogram Vision Transformer for Detection of Short-Term Atrial Fibrillation from ECG 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/EMBC58623.2025.11252617 PMID:41335921	研究论文	本研究提出了一种基于Transformer深度学习技术的新方法，用于从心电图信号中检测短期心房颤动	首次将微调的Vision Transformer模型应用于心电图谱图，以检测短期心房颤动，相比现有最先进算法有显著进步	未提及	开发一种用于早期和精确诊断心房颤动的方法	患者的心电图信号	计算机视觉	心血管疾病	心电图信号处理	Transformer	图像（谱图）	未提及具体样本数量	未提及	Vision Transformer	准确率, F分数	未提及
1580	2025-12-05	Frequency-Aware Masked Autoencoders for Human Activity Recognition using Accelerometers 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/EMBC58623.2025.11252605 PMID:41335931	研究论文	本文提出了一种基于频率感知掩码自编码器的新方法，用于利用加速度计数据进行人类活动识别，并引入了两种新的基于频谱图的损失函数	提出了两种新颖的基于频谱图的损失函数（对数尺度平均幅度损失和对数尺度幅度方差损失），并将其应用于时间序列Transformer掩码自编码器的自监督预训练中	对数尺度幅度方差损失的加入反而降低了模型性能，表明该损失函数的设计可能需要进一步优化	开发更有效的人类活动识别算法，以更准确地监测身体活动	加速度计数据	机器学习	NA	自监督预训练	Transformer, LSTM	时间序列数据	预训练使用UK Biobank加速度计数据集（n=109k），下游评估使用较小的标注数据集	NA	掩码自编码器, ResNet	F1分数	NA