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
1741	2025-12-05	Regional Brain Age Measures Based on Convolutional Neural Networks (CNNs)-Symmetry Properties and Associations with Fluid and Crystallized Intelligence 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/EMBC58623.2025.11252950 PMID:41336025	研究论文	本研究利用卷积神经网络（CNN）从3D MR图像中估计区域脑年龄，并探讨其对称性以及与流体和晶体智力的关联	提出了区域脑年龄测量方法，并引入“百分位匹配”方法以缓解脑年龄研究中的“回归到均值”问题	研究样本主要来自人类连接组计划，可能缺乏更广泛人群的代表性，且仅基于T1加权图像	探究区域脑年龄的对称性及其与认知功能（流体和晶体智力）的关联	人类大脑的18个皮质区域（每个大脑半球9个）	计算机视觉	NA	3D MR成像	CNN	3D图像	1,703个T1加权图像，来自人类连接组计划（HCP-年轻成人和HCP-老龄化）	NA	3D卷积神经网络	平均绝对误差, 均方根误差, Spearman相关系数	NA
1742	2025-12-05	Multi-scale Feature Learning with CNN-RNN-Attention Framework for ECG-based Cancer Therapy-Related Cardiac Dysfunction 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/EMBC58623.2025.11252929 PMID:41336026	研究论文	本文提出了一种基于CNN-RNN-Attention框架的深度学习模型，用于从心电图信号中检测癌症治疗相关的心功能不全	提出了一种结合CNN、RNN和注意力机制的多尺度特征学习框架，用于从ECG信号中检测CTRCD，并通过可视化注意力权重增强了模型的可解释性	未明确提及研究的局限性	开发一种低成本、可靠的诊断工具，用于监测癌症治疗期间的心脏副作用	癌症治疗相关的心功能不全	机器学习	心血管疾病	心电图	CNN, RNN	信号	NA	NA	CNN-RNN-Attention框架	NA	NA
1743	2025-12-05	A Joint Optimization Guided Deep Learning Model based on CNN and Channel-Wise Transformers for Robust Sleep Stage Classification from EEG Signal 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/EMBC58623.2025.11252945 PMID:41336036	研究论文	提出了一种基于CNN和通道级Transformer的轻量级双分支深度学习模型，用于从EEG信号中进行鲁棒的睡眠阶段分类	结合CNN的特征提取能力和Transformer的通道级注意力机制，在避免过高计算复杂度的同时有效捕捉生理信号的局部和全局依赖关系	未明确说明模型在实时部署中的具体延迟或资源消耗数据	开发高效准确的自动化睡眠阶段分类方法以辅助睡眠障碍诊断	睡眠EEG信号	机器学习	睡眠障碍	EEG信号分析	CNN, Transformer	生理信号（EEG）	四个基准数据集（SleepEDF-20, SleepEDF-78, SleepEDFx, SHHS）	未明确说明	双分支架构（CNN分支 + 通道级Transformer分支）	未明确说明具体指标	未明确说明
1744	2025-12-05	Synthesizing Ultrasound B-mode Images from Subsampled RF Data: A Data-Driven Deep Learning Approach 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/EMBC58623.2025.11252942 PMID:41336039	研究论文	本研究提出了一种基于数据驱动的深度学习方法，用于从下采样的射频数据合成超声B模式图像	利用卷积网络架构直接从射频数据重建B模式图像，即使数据经过下采样也能保持图像质量，并允许在相同帧率下扫描更宽的横向视野	未明确说明网络架构的具体细节或训练数据的规模限制	研究从射频数据重建B模式图像的方法，以提高数据采集和传输效率	超声射频数据和B模式图像	计算机视觉	NA	脉冲回波成像	CNN	图像	NA	NA	卷积网络	图像质量相似性	NA
1745	2025-12-05	Automated Cavity Detection and Classification 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/EMBC58623.2025.11252946 PMID:41336045	研究论文	本研究提出了一种基于深度学习的多尺度AI辅助方法，用于牙科X光片中的龋齿检测与分类，比较了图像级和牙齿级方法	引入了多尺度AI辅助方法，结合分类与检测任务，并利用Ultralytics YOLO11框架对比图像级与牙齿级方法，突出了牙齿级分析在提升检测精度方面的优势	研究未详细说明分割技术的具体改进方向，且临床数据集有待扩展，性能在不同成像条件下的验证尚不充分	开发自动化龋齿检测与分类系统，以辅助早期诊断和治疗规划	牙科X光片中的龋齿	计算机视觉	龋齿	深度学习	YOLO	图像	未明确说明样本数量	Ultralytics YOLO11	YOLO11	准确率, mAP@50, 召回率	NA
1746	2025-12-05	Fine-Tuning of Wav2Vec 2.0 for Multimodal Classification of Abnormal Heart Sounds 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/EMBC58623.2025.11251626 PMID:41336057	研究论文	本研究通过微调Wav2Vec 2.0模型，结合信号处理和去噪扩散模型进行数据增强，用于同步心音图（PCG）和心电图（ECG）信号的多模态异常心音分类	首次将Wav2Vec 2.0模型与WaveGrad、DiffWave等去噪扩散模型结合进行心音数据增强，并在同步PCG/ECG数据上实现了超越现有最佳方法的性能	研究依赖于有限的同步PCG和ECG数据，数据增强方法可能引入未知偏差	开发准确且低成本的心血管疾病早期预筛查方法	心音图（PCG）和心电图（ECG）信号	数字病理学	心血管疾病	信号处理，去噪扩散模型	Transformer	音频信号（PCG），生理信号（ECG）	Computing in Cardiology (CinC) 2016训练数据集及所有CinC数据库	PyTorch	Wav2Vec 2.0, WaveGrad, DiffWave	准确率，未加权平均召回率，灵敏度，特异性，马修斯相关系数	NA
1747	2025-12-05	Alignment-Guided Forward-Distortion Model for Deep Unsupervised Correction of Susceptibility Artifacts in EPI 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/EMBC58623.2025.11251667 PMID:41336064	研究论文	提出了一种用于快速无监督校正EPI磁敏感伪影的对齐引导前向畸变网络（agFD-Net）	在FD-Net基础上引入了预训练的对齐网络（AlignNet），首次在物理驱动的无监督框架中同时处理磁敏感伪影和受试者运动	未明确说明模型在极端运动情况下的性能，也未与其他深度学习方法进行广泛比较	开发一种能够同时校正磁敏感伪影并补偿受试者运动的快速计算方法	磁共振成像中的EPI图像	医学图像处理	NA	磁共振成像（MRI），回波平面成像（EPI）	深度学习网络	医学图像	实验性NIH数据集	NA	agFD-Net, AlignNet, FD-Net	NA	NA
1748	2025-12-05	Atlas-Free Semi-Automatic Segmentation of Sheep Cerebrospinal Fluid Space from MRI 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/EMBC58623.2025.11251670 PMID:41336071	研究论文	本文提出了一种无图谱半自动分割方法，用于从绵羊的磁共振成像（MRI）中分割脑脊液空间	开发了一种针对绵羊脑脊液空间的无图谱半自动分割方法，利用nn-UNet深度学习框架，在四只成年绵羊脑数据上训练模型，实现了快速分割（一分钟内）	方法仅在四只成年绵羊脑数据上训练和验证，需要更大临床数据集进行进一步验证以支持临床应用	自动化分割绵羊脑中的解剖结构，特别是脑脊液空间，以支持实验性脑研究和人类病理管理（如轻度创伤性脑损伤）	绵羊的脑脊液空间，包括整体脑脊液空间和复杂的脑室脑脊液空间	数字病理学	轻度创伤性脑损伤	磁共振成像	CNN	图像	四只成年绵羊脑的MRI数据	nn-UNet	nn-UNet	Dice系数	NA
1749	2025-12-05	Atrial Fibrillation Detection from Ambulatory ECG with Accelerometry Contextualisation: A Semi-Supervised Learning Approach 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/EMBC58623.2025.11251627 PMID:41336068	研究论文	本文提出了一种基于半监督学习的房颤检测模型，利用变分自编码器结合心电和加速度数据，优化了动态心电图中的房颤检测性能	采用半监督学习方法，结合变分自编码器，利用少量标注数据和大量未标注数据进行训练，并首次在模型中整合加速度数据以考虑动态生活背景对心电图的影响	未详细讨论模型在不同人群或设备上的泛化能力限制，且加速度数据的具体整合方式可能影响模型性能	开发一种高效且通用的房颤检测方法，以减少对大量标注数据的依赖	动态心电图和加速度数据，用于检测房颤、窦性心律和其他心律失常	机器学习	心血管疾病	深度学习，半监督学习，变分自编码器	VAE	心电图，加速度数据	72,003名独特患者的心电数据	NA	变分自编码器	准确率	NA
1750	2025-12-05	A Real-Time High-Density sEMG Gesture Recognition System Distilled from a Deep 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/EMBC58623.2025.11251679 PMID:41336072	研究论文	本研究提出了一种基于知识蒸馏的实时高密度表面肌电手势识别系统，通过轻量级学生模型实现高效可穿戴部署	采用知识蒸馏方法将VGG-16教师模型压缩为轻量级学生模型，结合滑动窗口机制、冷时间滤波和鲁棒校准策略，首次实现64通道高密度sEMG信号的实时处理	仅评估了11种手势且样本量较小（12名参与者），未在更复杂手势或更大规模人群中验证系统泛化能力	开发适用于实时人机交互的高密度表面肌电手势识别系统	手部手势的表面肌电信号	机器学习	NA	表面肌电信号采集	CNN	时序信号	12名参与者	NA	VGG-16	准确率, 处理时间	NA
1751	2025-12-05	Depression diagnosis based on Deep Learning Using Time-series Sleep Quality 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/EMBC58623.2025.11251615 PMID:41336085	研究论文	本研究旨在开发一种基于深度学习的多元时间序列抑郁症分类模型，利用可穿戴设备收集的睡眠数据	提出了一种基于可穿戴设备睡眠数据的客观、数字生物标志物时间序列抑郁症诊断模型，并比较了MLSTM-FCN、InceptionTime和时间序列Transformer三种架构的性能	未明确提及样本规模、计算资源细节或模型在社区环境中的实际验证限制	开发客观的抑郁症诊断方法，替代依赖临床访谈和自评问卷的传统方式	抑郁症患者，使用可穿戴设备收集的睡眠数据	机器学习	抑郁症	可穿戴设备睡眠监测	深度学习	时间序列数据	NA	NA	MLSTM-FCN, InceptionTime, Time-series Transformer	AUC	NA
1752	2025-12-05	Deep Learning-Based Human Joint Localization Using mmWave Radar and Sequential Frame Fusion 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/EMBC58623.2025.11251671 PMID:41336077	研究论文	本文提出了一种基于毫米波雷达和序列帧融合的深度学习框架，用于高精度检测人体关节位置	在预处理阶段引入多帧序列拼接以保持时空连续性，并设计了一个结合CNN、Transformer和Bi-LSTM的深度学习架构，以优化时空特征利用	未明确提及模型在复杂环境或多目标场景下的泛化能力，也未讨论计算成本或实时性能的具体限制	提高在低光条件下使用毫米波雷达检测人体关节位置的准确性和可靠性	人体关节位置	计算机视觉	NA	毫米波雷达，特别是调频连续波雷达	CNN, Transformer, Bi-LSTM	点云数据	NA	NA	CNN, Transformer, Bi-LSTM	平均绝对误差, 均方根误差	NA
1753	2025-12-05	Development of an AI-based Mobile App for Automatic Depression Screening Using Speech in English and Chinese 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/EMBC58623.2025.11251628 PMID:41336079	研究论文	本研究开发了一款名为MoodEcho的基于深度学习的移动应用，用于通过用户录音进行抑郁症筛查，并支持英语和汉语双语言检测	开发了首个结合云技术的iOS移动应用，采用包含Squeeze-and-Excitation模块的卷积神经网络，实现了跨语言的抑郁症语音检测能力	研究未提及模型在更广泛人群或不同录音环境下的泛化能力，也未讨论数据隐私和安全的具体措施	开发一款客观、非侵入性且易于使用的AI移动应用，用于抑郁症的早期筛查、定期筛查、持续监测和个性化管理	英语和汉语的抑郁症语音数据集	自然语言处理	抑郁症	语音分析	CNN	音频	使用了两个数据集：英语抑郁症语音数据集DAIC-WOZ和从临床访谈收集的中文抑郁症语音数据集	NA	结合Squeeze-and-Excitation模块的卷积神经网络	F1-score	云技术
1754	2025-12-05	I-BEAT: Interpretable Transformer Model for Intra-Beat Wave Detection on Ambulatory ECG 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/EMBC58623.2025.11251636 PMID:41336086	研究论文	提出一种基于Transformer的可解释模型I-BEAT，用于动态心电图中P波、QRS波群和T波的直接检测	无需先进行心跳识别即可直接检测心电波形，通过注意力机制和显著性图提供模型决策过程的解释，并采用创新的基于邻近性的标注方法处理类别不平衡问题	未明确提及模型在更大规模或更多样化数据集上的泛化能力，也未讨论计算效率或实时处理性能	提高动态心电图波形检测的准确性和可解释性，以支持心脏疾病的诊断	动态心电图中的P波、QRS波群和T波	数字病理学	心血管疾病	ECG信号处理	Transformer	ECG信号	使用QTDB和LUDB两个手动标注的数据集，并采用严格的病人分离策略	未明确提及	Transformer	F1分数	未明确提及
1755	2025-12-05	EEGScaler: A Deep Learning Network to Scale EEG Electrode and Samples for Hand Motor Imagery Speed Decoding 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/EMBC58623.2025.11251649 PMID:41336083	研究论文	提出了一种名为EEGScaler的端到端深度学习框架，用于解码单侧运动想象任务中的快慢速度	首次提出使用端到端深度学习模型对单侧运动想象任务中的样本和电极进行特定于受试者的自适应缩放，以解码运动速度	研究仅在14名健康受试者中进行评估，未在卒中患者等临床人群中进行验证	解码单侧运动想象任务中的运动速度信息，以增强脑机接口系统的自由度	健康受试者在执行慢速与快速单侧运动想象任务时记录的脑电图数据	机器学习	NA	脑电图	MLP, CNN	脑电图信号	14名健康受试者的数据	NA	多层感知机, 时间卷积, 深度卷积	交叉验证准确率	NA
1756	2025-12-05	Feature Pruning in Deep Neural Networks for Gait Speed Prediction: Evaluating Performance Without Domain-Specific Knowledge 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/EMBC58623.2025.11253044 PMID:41336102	研究论文	本研究探讨了在仅使用频域肌肉激活特征、排除领域特定知识的情况下，特征剪枝对深度神经网络在步态速度预测中性能的影响	提出了一种无需领域特定知识的特征剪枝方法，显著降低了计算复杂性和训练时间，同时提高了预测精度	研究样本仅包括35名参与者，未来需要在更广泛人群和步态条件下验证方法的适用性	评估特征剪枝在深度神经网络中用于步态速度预测的性能，以提升模型效率和可部署性	步态速度预测，基于肌电图数据	机器学习	神经肌肉疾病	肌电图	深度神经网络	频域特征数据	35名参与者的步态数据，涵盖17种离散步态速度	未指定	深度神经网络	均方根误差	未指定
1757	2025-12-05	Precision Needle Localization Using Electromagnetic Tracking and AR Visualization in Ventricular Interventions 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/EMBC58623.2025.11253039 PMID:41336115	研究论文	本研究开发了一种基于电磁追踪和增强现实可视化的实时导航系统，用于提高脑室外引流手术的精确性和患者安全性	结合深度学习面部标志检测与坐标配准技术，首次将电磁追踪与增强现实可视化集成用于脑室外引流手术的实时导航	研究仅在体模模型上进行实验，未涉及真实患者临床验证，样本量较小（20次试验）	提高脑室外引流手术的精确性和安全性，开发新型手术导航技术	脑室外引流手术中的导管插入过程	计算机视觉	神经系统疾病	电磁追踪，增强现实可视化，深度学习面部标志检测，CT成像	深度学习模型	图像，三维坐标数据	20次体模模型试验（20次引流操作和20次精度测量）	NA	NA	欧几里得距离误差（1.68 ± 0.66 mm），手术成功率（100%）	NA
1758	2025-12-05	Segmentation Variability in Bayesian U-Net versus Manual Annotations: Impact on Radiomic Reproducibility in Lung Tumor CT 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/EMBC58623.2025.11253060 PMID:41336105	研究论文	本研究评估了基于深度学习的贝叶斯U-Net分割方法在肺肿瘤CT图像中的不确定性量化与专家标注变异性的一致性，并探讨其对影像组学特征可重复性的影响	将蒙特卡洛丢弃方法集成到U-Net模型中，以量化分割不确定性，并首次系统比较这种不确定性如何反映专家标注的变异性，从而优化影像组学特征的再现性	研究仅基于两个公开数据集，样本量可能有限；影像组学特征对分割变异性仍高度敏感，即使在最佳条件下仅约半数特征达到可重复性	评估深度学习分割方法的不确定性量化是否与专家标注变异性一致，并确定最大化影像组学特征可重复性的最佳配置	肺肿瘤CT图像	计算机视觉	肺癌	CT成像	U-Net	图像	两个公开数据集中的肺肿瘤CT图像	NA	U-Net	可重复性	NA
1759	2025-12-05	Multi-Task Deep Learning Approach for Contactless Simultaneous Heart Rate and Oxygen Saturation Estimation 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/EMBC58623.2025.11253062 PMID:41336117	研究论文	本文提出了一种基于多任务深度学习的方法，利用多光谱视频非接触式同时估计心率和血氧饱和度	首次使用多任务神经网络从多光谱视频中同时估计心率和血氧饱和度的绝对值，并引入了部分共享特征提取器、任务特定分支、特征图通道注意力机制和任务权重平衡机制	研究仅涉及23名健康参与者，且为短时测量，未在更广泛或临床患者群体中进行验证	开发一种卫生、舒适的非接触式生命体征监测方法，以替代传统脉搏血氧仪	健康参与者的心率和血氧饱和度	计算机视觉	NA	多光谱视频采集	多任务神经网络	多光谱视频	23名健康参与者	NA	NA	平均绝对误差, 皮尔逊相关系数	NA
1760	2025-12-05	TRAM-UNet: Transformer and Region Attention Module based U-Net for Breast Ultrasound Image 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/EMBC58623.2025.11253082 PMID:41336113	研究论文	提出一种结合Transformer模块和区域注意力模块的U-Net变体TRAM-UNet，用于提升乳腺超声图像分割性能	首次将Transformer模块与专门设计的区域注意力模块（RAM）集成到U-Net架构中，以增强边界细化和对不同病灶特征的适应性	未提及模型的计算效率、实时性表现或在更大规模数据集上的泛化能力验证	提升乳腺超声图像分割的准确性和边界精细化程度，以辅助乳腺癌早期诊断	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	CNN, Transformer	医学图像（超声图像）	三个公开数据集：BUS-BRA、BUSI、BLUI（具体样本数未在摘要中说明）	未明确说明	U-Net, Transformer	Dice系数	未明确说明