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
1641	2025-12-05	A Novel Graph Neural Network Framework for Brain Age 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/EMBC58623.2025.11254083 PMID:41337145	研究论文	本文提出了一种用于脑龄预测的新型图神经网络框架HGTNet，利用静息态功能磁共振成像数据，旨在辅助阿尔茨海默病的早期检测	提出了一种结合图卷积网络和Transformer架构的分层GCN-Transformer网络，以增强模型捕捉复杂大脑交互的能力	未在摘要中明确说明	通过脑龄预测来识别早期神经退行性变化，以更好地干预和管理阿尔茨海默病	阿尔茨海默病患者的大脑静息态功能磁共振成像数据	机器学习	阿尔茨海默病	静息态功能磁共振成像	GCN, Transformer	图像	基于阿尔茨海默病神经影像学倡议数据集	NA	分层GCN-Transformer网络	NA	NA
1642	2025-12-05	Synthetic Vascular Image Selection For Deep Learning Based Cerebral Bifurcation 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/EMBC58623.2025.11254059 PMID:41337147	研究论文	本文提出了一种通过主观实验和客观质量评估来筛选合成血管图像的方法，以优化深度学习模型在脑血管分叉分类任务中的训练效果	结合主观实验与客观质量度量来评估和筛选合成血管图像，以提高深度学习模型训练的有效性	未明确说明主观实验的具体规模或参与者细节，且合成图像的质量评估可能受限于所选客观度量标准	优化深度学习模型在脑血管分叉分类任务中的训练过程，通过筛选合成图像提升模型性能	脑血管分叉图像，包括磁共振血管造影（MRA）-飞行时间（ToF）采集的真实血管树部分和合成建模的分叉	计算机视觉	脑血管疾病	磁共振血管造影（MRA）-飞行时间（ToF）成像	CNN	图像	NA	NA	NA	NA	NA
1643	2025-12-05	Enhancing EEG-Based Emotion Classification by Refining the Spatial Precision of Brain Activity 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/EMBC58623.2025.11253823 PMID:41337165	研究论文	本文提出自动通道映射方法以提升基于EEG的情绪分类空间精度	采用正交投影和立体投影自动映射EEG通道，取代传统手动映射，提高了空间精度和分类性能	仅使用开源数据集进行验证，未在更大规模或临床数据上测试	提升基于EEG的情绪识别精度，以支持脑机接口在医疗和人机交互中的应用	EEG信号数据	机器学习	抑郁症,焦虑症	差分熵,功率谱密度,线性动态系统	CNN	EEG信号	开源数据集（具体数量未提及）	NA	3分支多尺度CNN	分类准确率	NA
1644	2025-12-05	Multi-Scale Multiple Instance Learning for Lymph Node Metastasis Prediction in Early Gastric 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/EMBC58623.2025.11253787 PMID:41337177	研究论文	本文提出了一种新颖的跨尺度多实例学习框架，用于从早期胃癌全切片图像中预测淋巴结转移	引入跨尺度注意力模块，实现多尺度交互，以模拟病理学家跨多个尺度整合诊断信息的过程	研究仅基于T1期胃癌患者的单一临床队列，未涉及其他癌症阶段或外部验证数据集	开发深度学习模型，从早期胃癌全切片图像预测淋巴结转移，以辅助治疗决策	早期胃癌患者的全切片图像	数字病理学	胃癌	全切片图像分析	多实例学习	图像	740名T1期胃癌患者	NA	跨尺度注意力模块	AUC	NA
1645	2025-12-05	Self-Supervised Pre-Training with Intensity Guided Masking for Enhanced Aorta Segmentation in CT 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/EMBC58623.2025.11253827 PMID:41337183	研究论文	本文提出了一种基于强度引导掩码的自监督预训练方法，用于增强CT图像中的主动脉分割	利用CT图像中Hounsfield Units（HU）强度范围对应特定解剖结构的特性，提出强度引导掩码（IGM）策略进行自监督预训练，减少对大型标注数据库的依赖	未明确说明方法在其他解剖结构或模态中的泛化能力，且依赖手动标注数据进行微调	提高CT图像中主动脉分割的准确性，减少对大型标注数据集的依赖	腹部主动脉瘤（AAA）患者的CT图像	计算机视觉	心血管疾病	CT成像	深度学习分割模型	CT图像	公共和私有数据集（具体数量未明确）	PyTorch（基于SwinUNETR实现推测）	SwinUNETR	DSC（Dice相似系数）, ASSD（平均对称表面距离）	NA
1646	2025-12-05	Decoding Diagnosis: AI Explainability for Enhanced 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/EMBC58623.2025.11253835 PMID:41337192	研究论文	本文研究了基于原型部分网络（ProtoPNet）的改进方法在皮肤癌检测中的应用，通过引入像素锚定的原型部分网络（PIXPNET）来提升模型的可解释性	应用了专门设计的像素锚定的原型部分网络（PIXPNET），以解决原型投影中的像素空间映射挑战，从而在皮肤癌检测中显著提升了性能并增强了可解释性	未明确提及研究的局限性，例如数据集的具体规模、多样性或模型在其他医疗场景中的泛化能力	提升皮肤癌检测中人工智能模型的可解释性和透明度，以帮助皮肤科医生理解AI的决策过程	皮肤癌检测，特别是基于皮肤镜图像的多类别分类	计算机视觉	皮肤癌	皮肤镜成像	深度学习模型	图像	NA	NA	Prototypical Part Networks (ProtoPNet), Pixel-Grounded Prototypical Part Network (PIXPNET)	NA	NA
1647	2025-12-05	Multimodal Deep Learning for Stroke Prediction and Detection using Retinal 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/EMBC58623.2025.11253814 PMID:41337209	研究论文	本研究提出了一种多模态深度学习框架，结合视网膜成像和临床数据用于中风预测和检测	首次将光学相干断层扫描和红外反射视网膜扫描与临床数据结合，通过自监督学习预训练，实现了中风风险预测的显著性能提升	研究依赖较小规模的标注子集进行微调和评估，可能影响模型的泛化能力	探索利用视网膜成像和临床数据进行中风检测和风险预测的潜力	中风患者及相关风险人群	数字病理学	心血管疾病	光学相干断层扫描，红外反射扫描	深度神经网络	图像，临床数据	37千次扫描的未标注数据集及较小标注子集	NA	多模态深度神经网络	AUROC	NA
1648	2025-12-05	Domain-Specific Progressive Channel Dropout: Single-Source Domain Generalization for Vessel Segmentation in X-ray Coronary Angiography 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/EMBC58623.2025.11253891 PMID:41337219	研究论文	本文提出了一种针对X射线冠状动脉造影血管分割的领域特定渐进通道丢弃方法，以解决单源领域泛化问题	提出了一种渐进式、有针对性的通道丢弃方法，明确针对CNN第一层的通道行为，通过识别并逐步丢弃对训练源特征过拟合的领域特定通道，以稳定特征学习并促进领域不变表示	NA	解决单源领域泛化问题，提高血管分割模型在不同临床环境下的泛化能力	X射线冠状动脉造影图像中的血管	计算机视觉	心血管疾病	NA	CNN	图像	NA	NA	NA	NA	NA
1649	2025-12-05	A Robust Deep Learning Framework for Detecting Bursts in Muscle Sympathetic Nerve Activity 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/EMBC58623.2025.11253957 PMID:41337229	研究论文	本研究提出了一种结合卷积神经网络、集成肌肉交感神经活动与心电图活动的机器学习方法，用于稳健检测肌肉交感神经活动中的爆发峰值	首次将集成肌肉交感神经活动与心电图活动结合到卷积神经网络中，用于自动化检测爆发峰值，相比现有方法表现更优	研究仅基于41名健康女性参与者的静息自主神经系统记录数据，样本量较小且未涵盖男性或病理状态	开发一种自动化、高精度的肌肉交感神经活动爆发检测方法，以替代人工标注并减少错误风险	肌肉交感神经活动信号及其爆发事件	机器学习	NA	肌肉交感神经活动记录、心电图记录	CNN	生理信号数据（神经活动与心电图）	41名健康女性参与者的静息自主神经系统记录	NA	卷积神经网络	F1分数	NA
1650	2025-12-05	Non-Invasive Camera-Based Cardiac Output Monitoring via Facial Photoplethysmography: Advancing Hemodynamic Assessment in Critical Care 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/EMBC58623.2025.11253932 PMID:41337242	研究论文	本研究提出了一种基于面部光电容积脉搏波描记法的非侵入性心输出量监测新方法，专注于在紧急情况下静脉输液治疗期间的血流动力学评估	开发了一种基于MATLAB的非接触式心输出量趋势监测流程，采用动态感兴趣区域分割和深度学习面部检测框架，结合绿光和绿-红光PPG信号处理方法以减轻振幅非线性效应	研究仅涉及四名参与者，样本量较小，可能限制结果的普遍适用性	推进在紧急护理和资源受限场景下的血流动力学评估，通过非侵入性方法监测心输出量	在临床条件下采集的四名参与者的面部视频数据，用于心输出量趋势分析	计算机视觉	心血管疾病	光电容积脉搏波描记法	深度学习	视频	4名参与者，超过350分钟的视频数据	MATLAB	基于深度学习的面部检测框架	相关系数	NA
1651	2025-12-05	LiMO: A Lightweight MambaOut system for end-to-end IoMT ECG Diagnosis with Fully Configurable Quantization Co-Design on MCU 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/EMBC58623.2025.11253945 PMID:41337247	研究论文	本文提出了一种名为LiMO的轻量级MambaOut系统，用于在微控制器单元（MCU）上实现端到端的医疗物联网（IoMT）心电图（ECG）诊断	通过集成完全可配置量化、尺度线性层融合以及硬件-软件协同设计方法，LiMO在保持医疗级准确性的同时显著降低了计算负载，模型仅包含1.8k参数	NA	解决在资源受限的医疗物联网边缘设备上部署深度学习模型以实现实时心电图诊断的挑战	心电图（ECG）信号	机器学习	心血管疾病	NA	MambaOut	心电图信号数据	基于MIT-BIH数据集	NA	MambaOut	准确率	nRF52840 MCU
1652	2025-12-05	A Deep Learning Method for Autism Spectrum Disorder Classification Based on Multimodal Neuroimaging 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/EMBC58623.2025.11253912 PMID:41337246	研究论文	本文提出了一种基于多模态神经影像数据融合的深度学习模型，用于自闭症谱系障碍（ASD）的自动分类	通过融合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）两种模态的互补信息，构建了更全面的特征空间，以捕捉单一模态无法提供的复杂神经病理特征	研究仅使用了ABIDE数据集中NYU站点的数据，样本来源相对单一，且未明确说明模型在其他独立数据集上的泛化能力	提高自闭症谱系障碍（ASD）与典型发育对照组（TC）的早期、准确分类，以支持及时干预和治疗	自闭症谱系障碍（ASD）患者与典型发育对照组（TC）的个体	医学影像分析	自闭症谱系障碍	功能磁共振成像（fMRI），结构磁共振成像（sMRI）	深度学习模型	多模态神经影像数据（fMRI， sMRI）	来自ABIDE NYU站点的影像数据	NA	NA	准确率，AUC，灵敏度，特异度	NA
1653	2025-12-05	Automated Measurement of Eczema Severity with Self-Supervised 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/EMBC58623.2025.11253900 PMID:41337260	研究论文	本文提出了一种基于自监督学习的框架，用于在有限训练数据下自动测量湿疹严重程度	采用自监督学习框架，结合SegGPT进行少样本分割和DINO特征提取，在标注数据稀缺的情况下实现自动化湿疹诊断	方法在有限训练数据下开发，可能在大规模多样化数据集上泛化能力有待验证	开发一种在标注数据有限条件下自动诊断湿疹严重程度的方法	湿疹图像	计算机视觉	湿疹	自监督学习	CNN, Transformer, MLP	图像	NA	PyTorch	SegGPT, ResNet-18, Vision Transformer	加权F1分数	NA
1654	2025-12-05	GEDFormer: Gradient Edge Detection in LDCT Image Denoising Transformer 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/EMBC58623.2025.11253941 PMID:41337257	研究论文	本研究提出了一种名为GEDFormer的Transformer模型，用于低剂量CT图像去噪，并引入了自引导梯度边缘检测注意力模块	提出了一种独立的ViT框架用于LDCT图像去噪，并创新性地集成了自引导梯度边缘检测注意力模块，旨在保留诊断所需的关键空间和频率细节	未在摘要中明确说明	探索基于Vision Transformer的框架在低剂量CT图像去噪任务中的应用与性能	低剂量计算机断层扫描图像	计算机视觉	NA	低剂量计算机断层扫描	Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	Vision Transformer	未在摘要中明确说明具体指标，但提及数值数据分析和图像检查	未在摘要中明确说明
1655	2025-12-05	Multi-Disease Cardiovascular Detection from ECG Signals Using an Attention-Driven Deep 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/EMBC58623.2025.11253445 PMID:41337267	研究论文	本文提出了一种结合卷积层、残差网络和注意力机制的新型深度学习架构，用于从心电图信号中检测多种心血管疾病	通过集成卷积神经网络、残差连接和注意力机制于统一模型中，以缓解梯度消失问题并识别心电图信号中最相关的特征，从而提升多疾病分类性能	NA	提升传统心电图诊断方法的性能，实现从单次心电图读数中检测多种心脏疾病	心电图信号	机器学习	心血管疾病	NA	CNN	信号	NA	NA	ResNet	准确率	NA
1656	2025-12-05	Evaluating Multi-Sensor Placement and Neural Network Architectures for Physical Activity Level 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/EMBC58623.2025.11253449 PMID:41337274	研究论文	本研究评估了不同传感器放置位置和深度学习模型对基于代谢当量值的体力活动水平分类性能的影响	首次系统比较了手腕单传感器与手腕-脚踝多传感器配置在体力活动分类中的性能差异，并验证了CNN-LSTM混合模型在该任务中的优越性	研究样本可能有限，未考虑更多传感器位置组合或更复杂的活动类型	优化可穿戴传感器配置和深度学习模型以提高体力活动水平分类精度，特别针对骨关节炎管理应用	基于可穿戴传感器数据的体力活动水平分类	机器学习	骨关节炎	代谢当量值测量	CNN, LSTM, CNN-LSTM	传感器时序数据	未明确说明	NA	CNN-LSTM混合架构	准确率	NA
1657	2025-12-05	Deep Denoising of Volumetric OCT Images for In Vivo Motion 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/EMBC58623.2025.11253473 PMID:41337272	研究论文	本文提出了一种基于无监督3D卷积自编码器的OCT图像去噪方法，并评估其在体内和死后数据集上的效果，以改善运动检测性能	采用无监督3D卷积自编码器进行OCT图像去噪，能快速处理体积数据（0.5毫秒每体积），适用于实时应用，且训练数据与测试数据不同时仍能有效提升运动检测	未明确说明模型在极端噪声条件下的泛化能力或对不同OCT设备的适应性	开发一种快速去噪方法以改善OCT图像质量，并评估其对运动检测任务的影响	体内和死后的OCT体积图像数据	计算机视觉	NA	光学相干断层扫描（OCT）成像	自编码器（AE）	3D图像（体积OCT图像）	NA	NA	3D卷积自编码器	NA	NA
1658	2025-12-05	Predicting Endoscopic Grading of Gastric Intestinal Metaplasia using Small Patches 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/EMBC58623.2025.11253452 PMID:41337281	研究论文	本文提出了一种基于小图像块预测胃黏膜肠上皮化生内镜分级的方法	提出了胃黏膜肠上皮化生的自相似性假设，并利用深度学习模型通过小图像块预测整个图像的内镜分级	训练数据对模型敏感，且存在采集条件差异、采样偏差以及高质量数据集稀缺的问题	开发一种能够准确预测胃黏膜肠上皮化生内镜分级的AI方法	胃黏膜肠上皮化生的内镜图像	计算机视觉	胃黏膜肠上皮化生	内镜成像	CNN	图像	65名患者的数据集（包括回顾性和前瞻性数据）	NA	ResNet-50	灵敏度	NA
1659	2025-12-05	Soft Annotations versus Pixel-Based Segmentation Masks of Prostate Anatomies: The Effect of Annotation Type on Radiomics 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/EMBC58623.2025.11253440 PMID:41337293	研究论文	本研究评估了软注释与基于像素的分割掩码对前列腺解剖结构放射组学特征的影响，并利用YOLOv8架构检测前列腺腺体和潜在肿瘤	提出级联深度学习分析，用于检测前列腺病变，并比较边界框注释与像素级注释对成像特征的影响	未明确说明数据集的详细组成和模型在更广泛临床环境中的泛化能力	评估注释类型对放射组学特征的影响，并开发高效的前列腺病变检测方法	前列腺腺体和潜在肿瘤	计算机视觉	前列腺癌	磁共振成像	YOLOv8	图像	NA	NA	YOLOv8	mAP	NA
1660	2025-12-05	SGAMARN: A GAN Framework for Metal Artifact Reduction in CT 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/EMBC58623.2025.11253466 PMID:41337303	研究论文	本文提出了一种名为SGAMARN的新型生成对抗网络框架，用于减少CT成像中的金属伪影	结合了Transformer生成器和条件判别器，通过联合优化提高伪影去除效果并保持解剖学准确性	NA	减少CT成像中由金属物体引起的伪影，以改善图像质量和临床诊断	CT图像中的金属伪影	计算机视觉	NA	CT成像	GAN	图像	使用Deeplesion合成数据集进行训练	NA	U-Net, Transformer	SSIM, PSNR	NA