深度学习在生物医药领域中的应用

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
221	2025-09-20	Red Tide Detection Method Based on a Time Series Fusion Network Model: A Case Study of GOCI Data in the East China Sea 2025-May-30, Sensors (Basel, Switzerland) DOI:10.3390/s25113455 PMID:40968987	研究论文	提出一种基于时间序列融合网络模型（CSF-RTDNet）的赤潮检测方法，利用东海GOCI数据进行验证	结合NDVI增强赤潮特征区分度，采用ECA通道注意力机制和新型ASPC-DSC特征提取模块，引入ConvLSTM融合时空特征	方法基于特定海域（东海）的GOCI数据，在其他区域或数据源的适用性需进一步验证	提升赤潮检测精度，特别是针对连续多日赤潮的动态变化捕捉	东海区域的赤潮现象	计算机视觉	NA	GOCI遥感数据，NDVI，深度学习	CSF-RTDNet（包含ConvLSTM，ECA注意力机制，ASPC-DSC模块）	时间序列遥感图像	东海GOCI时间连续数据（具体样本数量未明确说明）
222	2025-09-20	StructScan3D v1: A First RGB-D Dataset for Indoor Building Elements Segmentation and BIM Modeling 2025-May-30, Sensors (Basel, Switzerland) DOI:10.3390/s25113461 PMID:40969010	研究论文	本文介绍了首个专为室内建筑元素语义分割和BIM建模设计的RGB-D数据集StructScan3D v1	首个针对室内建筑元素分割的RGB-D数据集，并基于Transformer模型D-Former建立了性能基准	数据集规模有限（2594帧），存在遮挡和深度变化挑战，标注需要进一步完善	推动计算机视觉和深度学习在建筑信息建模（BIM）工作流中的应用	室内建筑元素（墙壁、地板、天花板、窗户、门和其他物体）	计算机视觉	NA	RGB-D数据采集，语义分割	Transformer (D-Former), Gemini, TokenFusion	RGB-D图像	2594个标注帧，来自住宅和办公室等多种室内环境
223	2025-09-20	Person Recognition via Gait: A Review of Covariate Impact and Challenges 2025-May-30, Sensors (Basel, Switzerland) DOI:10.3390/s25113471 PMID:40969020	综述	本文全面回顾了步态识别方法，评估了其在多种图像数据库中的性能，并探讨了协变量因素对模型的影响	系统分析协变量（如视角、衣物和环境条件）对步态识别系统的影响，并对比传统方法与深度学习技术的性能	现有数据集存在局限性，且先前研究常忽略协变量因素的全面影响	评估步态识别方法的有效性，并探讨协变量因素对识别准确性的影响	人类步态作为生物特征	计算机视觉	NA	生物识别技术，深度学习	传统步态识别方法与深度学习技术	图像，视频	多种图像源数据库（具体数量未明确说明）
224	2025-09-20	Uncertainty-Aware Parking Prediction Using Bayesian Neural Networks 2025-May-30, Sensors (Basel, Switzerland) DOI:10.3390/s25113463 PMID:40969061	研究论文	提出一种基于贝叶斯神经网络（BNN）的停车占用预测框架，显式建模认知和随机不确定性	首次在停车预测中整合上下文特征并量化不确定性，通过不确定性阈值实现基于置信度的选择性决策	未明确说明模型计算复杂度对实时部署的具体影响，且实验依赖合成噪声模拟	提升智能交通系统中停车可用性预测的鲁棒性和可靠性	停车占用数据及其与时空和环境因素的关联	智能交通系统	NA	贝叶斯神经网络（BNN）	LSTM, BNN	时间序列数据（包含时空和环境上下文特征）	在90%、50%和10%训练数据条件下进行验证，具体样本数量未明确说明
225	2025-09-20	MDFN: Enhancing Power Grid Image Quality Assessment via Multi-Dimension Distortion Feature 2025-May-29, Sensors (Basel, Switzerland) DOI:10.3390/s25113414 PMID:40968964	研究论文	提出一种基于CNN和Transformer的多维度失真特征网络（MDFN），用于提升电网图像质量评估的准确性	结合高频与低频特征、噪声与亮度特征，并设计频率选择模块实现全局空间信息融合	NA	开发更准确的盲图像质量评估（BIQA）方法以筛选高质量电网图像	电网图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	三个公共数据集和一个电网图像数据集
226	2025-09-20	Remaining Useful Life Prediction of Airplane Engine Based on Bidirectional Mamba and Causal Discovery 2025-May-29, Sensors (Basel, Switzerland) DOI:10.3390/s25113429 PMID:40968998	研究论文	提出一种基于因果发现和双向Mamba的飞机发动机剩余使用寿命预测模型Cau-BiMamba-LSTM	结合因果发现、双向Mamba、注意力机制和LSTM，在预测性能和计算成本之间取得良好平衡	NA	提高飞机发动机剩余使用寿命预测的准确性和鲁棒性	飞机发动机	机器学习	NA	最大信息传递熵、简单指数平滑	BiMamba, LSTM, 注意力机制	时间序列数据	C-MAPSS数据集
227	2025-09-20	Multi-Dimensional Anomaly Detection and Fault Localization in Microservice Architectures: A Dual-Channel Deep Learning Approach with Causal Inference for Intelligent Sensing 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113396 PMID:40968945	研究论文	提出一种双通道深度学习框架，用于微服务架构中的异常检测和故障定位	结合时序卷积网络与变分自编码器，并引入因果推理机制追踪故障传播路径	NA	提升复杂微服务环境中的异常检测精度和故障定位效率	分布式微服务架构和数据中心监控指标	机器学习	NA	对比学习、半监督学习、因果推理	TCN, VAE	时序指标数据	标注异常数据和大量正常数据
228	2025-09-20	A Review of Optical-Based Three-Dimensional Reconstruction and Multi-Source Fusion for Plant Phenotyping 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113401 PMID:40968971	综述	本文综述了基于光学技术的植物三维重建与多源融合方法及其在植物表型分析中的应用	系统比较了主动视觉、被动视觉及基于深度学习的多种三维重建技术，并探讨了多源数据融合在植物表型中的创新应用	NA	总结植物三维重建技术的研究进展，推动精准农业和植物表型领域发展	植物	计算机视觉	NA	结构化光、飞行时间、激光扫描、立体视觉、运动恢复结构、NeRF、CNN、3DGS	NeRF, CNN, 3DGS	图像	NA
229	2025-09-20	A Multimodal Deep Learning Approach for Legal English Learning in Intelligent Educational Systems 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113397 PMID:40968969	研究论文	提出一种基于多模态深度学习的法律英语问答系统，整合图像、文本和语音信息以提升学习效果	采用统一的视觉-语言-语音编码机制和动态注意力建模，实现跨模态信息融合与深度推理	NA	提升智能教育系统中法律英语学习的多模态处理与复杂推理能力	法律英语学习者	自然语言处理	NA	多模态深度学习、动态注意力建模	跨模态编码机制（融合视觉、语言、语音）	图像、文本、语音	NA
230	2025-09-20	Sustainable Self-Training Pig Detection System with Augmented Single Labeled Target Data for Solving Domain Shift Problem 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113406 PMID:40968996	研究论文	提出一种基于自训练和单目标标签数据的可持续猪只检测系统，用于解决领域偏移问题	结合遗传算法数据增强搜索和超低阈值伪标签策略，仅需单个目标域标签样本即可显著提升检测性能	NA	开发适用于不同猪场环境的域自适应目标检测系统，减少对大规模标注数据的依赖	猪只	计算机视觉	NA	遗传算法(GA)、数据增强搜索(DAS)、自训练	深度学习目标检测模型	图像	仅需单个目标域标注样本
231	2025-09-20	High-Speed Multiple Object Tracking Based on Fusion of Intelligent and Real-Time Image Processing 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113400 PMID:40969000	研究论文	提出一种基于智能与实时图像处理融合的高速多目标跟踪系统	结合低频深度学习检测与高速经典跟踪的混合框架，并提出基于检测标签的跟踪器管理策略	NA	平衡实时性、跟踪精度和鲁棒性，提升多目标跟踪系统性能	多目标跟踪系统	计算机视觉	NA	深度学习，图像处理	NA	图像	在六种场景下使用高速相机评估，与七种SOTA方法比较
232	2025-09-20	SS-OPDet: A Semi-Supervised Open-Set Detection Framework for Dead Pine Wood Detection 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113407 PMID:40969001	研究论文	提出一种半监督开放集检测框架SS-OPDet，用于松材线虫病枯死木检测	结合加权多尺度特征融合模块和动态置信度伪标签生成策略，有效利用未标注数据并减少未知干扰物影响	NA	开发高效准确的松材线虫病枯死木检测方法，以支持森林病害控制和监测管理	松树林中的枯死木	计算机视觉	植物病害	半监督学习，开放集检测	深度学习目标检测框架	无人机图像	7733张无人机图像
233	2025-09-20	Indoor mmWave Radar Ghost Suppression: Trajectory-Guided Spatiotemporal Point Cloud Learning 2025-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s25113377 PMID:40968905	研究论文	提出一种基于轨迹的毫米波雷达室内鬼影抑制方法，结合多目标跟踪与点云深度学习	通过轨迹引导的时空点云学习框架，有效整合预处理、轨迹跟踪、特征聚合与广播四步骤	NA	解决室内毫米波雷达因多径传播导致的鬼影目标问题，提升雷达可靠性	室内毫米波雷达点云数据与人体运动轨迹	计算机视觉	NA	点云深度学习，多目标跟踪	深度学习	点云，雷达信号	室内数据集（具体数量未说明）
234	2025-09-20	Detection of Crack Sealant in the Pretreatment Process of Hot In-Place Recycling of Asphalt Pavement via Deep Learning Method 2025-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s25113373 PMID:40968932	研究论文	提出一种基于深度学习的裂缝密封剂检测方法YOLO-CS，用于沥青路面热再生预处理过程	开发首个专门针对裂缝密封剂检测的数据集，并设计集成RepViT和DRBNCSPELAN模块的轻量化YOLO-CS算法	缺乏现有专用数据集，且复杂背景噪声和形态重叠增加检测难度	提升沥青路面热再生过程中裂缝密封剂的自动检测效率与精度	沥青路面图像中的裂缝密封剂	计算机视觉	NA	深度学习目标检测	YOLO-CS（基于YOLO架构）	图像	1983张路面图像
235	2025-09-20	Machine Learning-Based Security Solutions for IoT Networks: A Comprehensive Survey 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113341 PMID:40968811	综述	本文对2020年至2024年间基于机器学习的物联网安全解决方案进行全面综述，涵盖威胁分类、技术评估及未来研究方向	系统分类了机器学习技术在物联网安全中的应用，并提出隐私保护ML、可解释AI等新兴研究方向	当前机器学习方法存在高计算成本、对抗性漏洞和可解释性挑战等局限	评估机器学习在物联网安全中的有效性，并为下一代网络安全模型设计提供指导	物联网网络及其安全威胁（如数据泄露、隐私问题、网络攻击）	机器学习	NA	监督学习、无监督学习、强化学习、深度学习(DL)、集成学习(EL)、联邦学习(FL)、迁移学习(TL)	NA	网络流量数据、安全事件数据	NA（文献综述，未涉及具体样本量）
236	2025-09-20	A Multi-Sensor Fusion Approach Combined with RandLA-Net for Large-Scale Point Cloud Segmentation in Power Grid Scenario 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113350 PMID:40968864	研究论文	提出一种结合多传感器融合与RandLA-Net的大规模点云分割方法，用于电网场景中的铁塔智能识别	集成LiDAR与双目深度相机，采用FAST-LIO算法实现时空同步与数据融合，构建具有丰富视觉和几何特征的彩色点云数据集，并针对电网场景优化RandLA-Net框架	NA	提升电网铁塔在复杂环境中的大规模点云数据处理精度与效率，支持电网智能巡检与基础设施管理	电网铁塔	计算机视觉	NA	LiDAR, 双目深度相机, FAST-LIO算法	RandLA-Net	点云数据	超过一千万个点的点云数据
237	2025-09-20	Reinforcing Deep Learning-Enabled Surveillance with Smart Sensors 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113345 PMID:40968866	研究论文	提出一种集成智能传感器和深度学习的监控增强系统，用于资源受限的物理设备和移动环境	通过深度学习技术优化监控节点布局并提升动态环境中的实时响应能力，引入前所未有的监控操作灵活性	NA	强化三维异构传感器环境下的监控能力，提升高人员流动性场景中的适应性和有效性	资源受限的信息物理设备和移动元素	机器学习和智能感知	NA	深度学习	NA	传感器数据	NA
238	2025-09-20	Retrospective Frailty Assessment in Older Adults Using Inertial Measurement Unit-Based Deep Learning on Gait Spectrograms 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113351 PMID:40968907	研究论文	本研究利用基于IMU数据的步态谱图和深度学习技术对老年人衰弱状态进行分类评估	首次将原始IMU信号转换为时频谱图并应用CNN模型进行衰弱分类，无需复杂预处理即可保留关键步态特征	回顾性研究，样本量有限，准确率为71.4%仍有提升空间	开发客观、自动化的老年人衰弱评估方法	老年人步态数据	机器学习	老年疾病	惯性测量单元(IMU)数据采集，时频分析	CNN	运动传感器数据（加速度计和陀螺仪）	现有IMU数据集，分为Frail、PreFrail和NoFrail三组
239	2025-09-20	Estimation of 3D Ground Reaction Force and 2D Center of Pressure Using Deep Learning and Load Cells Across Various Gait Conditions 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113357 PMID:40968943	研究论文	提出一种基于深度学习与鞋载传感器的三维地面反作用力与二维压力中心估计方法，适用于多种步态场景	使用仅三个单轴载荷传感器的极简配置，在五种步态条件下实现与传统力台相当的精度	内外侧方向精度较低，斜坡条件下垂直力误差相对较大，目前仅验证健康年轻人群	开发可应用于真实环境的地面反作用力与压力中心估计系统	人类步态生物力学参数	机器学习	NA	深度学习	FCNN, CNN, Seq2Seq-LSTM, Transformer	传感器时序数据	40名健康年轻成年人
240	2025-09-20	A Deep-Learning-Based Real-Time Microearthquake Monitoring System (RT-MEMS) for Taiwan 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113353 PMID:40968920	研究论文	介绍一种基于深度学习的台湾实时微地震监测系统（RT-MEMS），用于生成高分辨率地震目录	整合SeedLink地震数据流与深度学习模型，实现比台湾中央气象局标准目录更高分辨率和效率的地震监测	NA	开发实时微地震监测系统，提供快速可靠的地震目录用于地震演化和灾害评估	台湾地区的地震活动，包括背景地震活动和地震序列	机器学习	NA	深度学习，连续波形数据处理，P波和S波到时拾取	SeisBlue深度学习模型	连续波形数据	台湾地区建立的三个稳定监测系统（一个监测蠕滑断层段，两个监测主震-余震序列）