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
241	2025-04-29	Squeeze-EnGAN: Memory Efficient and Unsupervised Low-Light Image Enhancement for Intelligent Vehicles 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061825 PMID:40292935	研究论文	提出了一种名为Squeeze-EnGAN的内存高效且无监督的低光照图像增强方法，用于智能车辆	结合了fire模块和U-net架构，显著减少了参数数量和乘加操作，实现了无监督学习且无需配对图像数据集	虽然模型在道路场景中表现良好，但未明确提及在其他复杂环境中的适用性	解决智能车辆在低光照条件下图像增强的问题	智能车辆（如自动驾驶汽车、无人机和机器人）	计算机视觉	NA	GAN	Squeeze-EnGAN（基于U-net和fire模块的GAN）	图像	未明确提及具体样本数量，但实验在Jetson Xavier等设备上进行
242	2025-04-29	Adaptive Vectorial Restoration from Dynamic Speckle Patterns Through Biological Scattering Media Based on Deep Learning 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061803 PMID:40292951	研究论文	提出一种基于深度学习的偏振分辨恢复方法，用于从动态和各向异性生物散射介质生成的散斑图案中实现高效准确的成像重建	创新性地利用矢量光场的两个正交偏振分量，结合CNN与Transformer架构的混合网络模型，首次实现了动态时变散斑图案的自适应矢量恢复	NA	解决生物组织中光散射导致的矢量光场传播和重建难题，推进矢量光场在动态散射环境中的应用	各向异性和动态时变的生物散射介质	生物医学成像	NA	偏振分辨光学成像	CNN与Transformer混合网络	散斑图像	NA
243	2025-04-29	Automatic Recognition of Dual-Component Radar Signals Based on Deep Learning 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061809 PMID:40292965	研究论文	本文提出了一种基于深度学习的双分量雷达信号自动识别框架TFGM-RMNet，以提高低信噪比条件下的识别准确率	结合深度时频生成模块与基于Transformer的残差网络，构建端到端深度学习框架，无需显式时频变换	实验仅针对双分量雷达信号进行验证，未涉及更复杂的多分量场景	提高低信噪比条件下多分量雷达信号的识别准确率	双分量雷达信号	机器学习	NA	深度学习	CNN, Transformer	雷达信号	NA
244	2025-04-29	TipSegNet: Fingertip Segmentation in Contactless Fingerprint Imaging 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061824 PMID:40292973	研究论文	本文介绍了一种名为TipSegNet的新型深度学习模型，用于在非接触式指纹成像中实现指尖分割	TipSegNet结合了ResNeXt-101主干网络和特征金字塔网络(FPN)，在多变的手指姿势和图像质量下实现精确分割，并通过数据增强策略提高了模型的泛化能力和鲁棒性	NA	提高非接触式指纹识别系统中指尖检测和分割的准确性	指尖在灰度手部图像中的分割	计算机视觉	NA	深度学习	ResNeXt-101, FPN	图像	2257张标记的手部图像
245	2025-04-29	Steel Roll Eye Pose Detection Based on Binocular Vision and Mask R-CNN 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061805 PMID:40292976	研究论文	提出一种基于深度学习的双目视觉方法，用于钢卷卷眼的位姿检测，以实现钢卷包装生产线内角护板安装站的自动化	结合Mask R-CNN算法和RGB向量空间图像分割方法，实现了钢卷端面目标区域的识别和特征提取	实验中的最大偏差和误差虽然满足实际安装需求，但仍有进一步优化的空间	实现钢卷包装生产线内角护板安装站的自动化，提高工作效率并降低人工成本	钢卷卷眼的位姿检测	计算机视觉	NA	双目视觉、RGB向量空间图像分割、Sobel边缘检测、最小二乘法	Mask R-CNN	图像	NA
246	2025-04-29	Enhancing EEG-Based Emotion Detection with Hybrid Models: Insights from DEAP Dataset Applications 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061827 PMID:40292995	研究论文	本研究利用DEAP数据集探索和评估多种机器学习和深度学习技术，用于基于EEG信号的情绪检测，旨在解决现有方法在准确性、可解释性和实时性方面的挑战	提出了一种混合方法，结合了多种模型（包括KNN、SVM、DT、RF、BiLSTM、GRU、CNN、自动编码器和Transformer），并利用SHAP增强模型可解释性，开发了实时情绪检测系统	准确率略低于某些最先进方法，数据集规模和多样性有待扩大	提高基于EEG信号的情绪检测的准确性、可解释性和实时性	DEAP数据集中的EEG信号	机器学习	精神健康	EEG信号分析	KNN, SVM, DT, RF, BiLSTM, GRU, CNN, autoencoders, transformers	EEG信号	DEAP数据集（具体数量未提及）
247	2025-04-29	Optimizing Satellite Imagery Datasets for Enhanced Land/Water Segmentation 2025-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s25061793 PMID:40292861	研究论文	本文提出了一种自动化优化用于土地/水体分割任务的深度学习模型数据集的方法	采用带可变阈值的归一化差异水体指数(NDWI)自动评估多光谱卫星图像标注质量，系统性识别并排除低质量样本	NA	提升土地/水体分割任务中深度学习模型的性能	多光谱卫星图像数据集	计算机视觉	NA	NDWI	深度学习模型	多光谱卫星图像	两个公开数据集(SWED和SNOWED)
248	2025-04-29	Comparison and Optimization of Generalized Stamping Machine Fault Diagnosis Models Using Various Transfer Learning Methodologies 2025-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s25061779 PMID:40292927	研究论文	本文通过比较和优化多种迁移学习方法，开发了一种适用于多种冲压机的通用故障诊断模型	提出了一种适用于多种冲压机类型的通用故障诊断模型，解决了因冲压机设计异质性导致的模型开发难题	模型尚未在所有类型的冲压机上验证，可能存在对其他机型的适应性限制	开发一种能够跨多种冲压机类型应用的通用故障诊断模型	四种冲压机模型（OCP-110、G2-110、G2-160和ST1-110）	智能制造	NA	迁移学习	CNN、CNN-Res、VGG16、ResNet50	振动数据	四种冲压机模型的振动数据
249	2025-04-29	Acceleration of Image Classification and Object Tracking by the Intel Neural Compute Stick 2 with Power Efficiency Evaluation on Raspberry Pi 4B 2025-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s25061794 PMID:40292928	研究论文	本研究探讨了在Raspberry Pi 4B平台上使用Intel Neural Compute Stick 2 (NCS2)加速图像分类和对象跟踪的效率和功耗	通过结合NCS2和Raspberry Pi 4B，在嵌入式系统中实现复杂神经网络的实时操作，并评估了NCS2加速在不同应用场景下的性能提升	研究仅针对特定模型进行测试，未涵盖所有可能的神经网络模型和应用场景	评估NCS2在嵌入式系统中加速图像分类和对象跟踪的性能和功耗效率	Intel Neural Compute Stick 2 (NCS2) 和 Raspberry Pi 4B平台	计算机视觉	NA	OpenVINO™ 2022.3.2 和 Deep SORT算法	NA	图像	NA
250	2025-04-29	AI-Powered Visual Sensors and Sensing: Where We Are and Where We Are Going 2025-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s25061758 PMID:40292874	research paper	探讨AI驱动的视觉传感器和传感技术的现状与未来发展方向	回顾深度学习的历史并展望其在视觉传感领域的应用前景	NA	分析AI在视觉传感领域的应用现状与未来趋势	视觉传感器和传感技术	computer vision	NA	deep learning	NA	NA	NA
251	2025-04-29	Robust Adversarial Example Detection Algorithm Based on High-Level Feature Differences 2025-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s25061770 PMID:40292880	研究论文	本文提出了一种基于高级特征差异（HFDs）的新型对抗样本检测算法，旨在提高对攻击和预处理操作的鲁棒性	利用具有相同预测标签的干净样本和对抗样本在高级特征上的语义冲突，实现了高检测准确性和对预处理的鲁棒性	未明确提及具体的数据集规模或计算资源需求	提高对抗样本检测算法的鲁棒性，特别是在面对不同攻击类型和预处理操作时	对抗样本（AEs）及其检测	机器学习	NA	高级特征差异（HFDs）分析	编码器和相似性测量模型	图像	未明确提及具体样本数量
252	2025-04-29	Real-Time Acoustic Scene Recognition for Elderly Daily Routines Using Edge-Based Deep Learning 2025-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s25061746 PMID:40292891	研究论文	本文提出了一种结合边缘计算和深度学习的声学场景识别系统，用于实时监测老年人的日常活动	系统采用边缘计算和深度学习相结合的方式，解决了传统基于云计算的声学场景监测系统在数据传输延迟和隐私方面的限制	未提及具体局限性	开发一种高效、可靠且用户友好的实时声学场景监测系统，用于老年人护理	老年人的日常活动	机器学习	老年疾病	深度学习模型量化技术	CNN, LSTM, BiLSTM, DNN	声学数据	未提及具体样本数量
253	2025-04-29	Identification of People in a Household Using Ballistocardiography Signals Through Deep Learning 2025-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s25061732 PMID:40292805	研究论文	本研究开发了一种基于深度学习的心冲击信号识别系统，用于家庭成员的个体识别	使用非粘附性、非侵入性的聚偏二氟乙烯压电传感器获取心冲击信号，并通过深度学习进行个体识别	未来需要考虑信号的日常变化对识别准确性的影响	开发一种无需皮肤接触的健康监测系统，实现家庭成员的个体识别	10名受试者的心冲击信号	机器学习	老年疾病	心冲击信号采集	神经网络	信号数据	10名受试者的252个案例
254	2025-04-29	A Novel Explainable Attention-Based Meta-Learning Framework for Imbalanced Brain Stroke Prediction 2025-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s25061739 PMID:40292890	研究论文	提出了一种新颖的可解释性注意力元学习框架，用于不平衡脑卒中预测	整合了混合重采样技术、集成分类器和可解释人工智能（XAI），以提升预测性能和可解释性	未提及具体局限性	提高脑卒中的预测准确性和可解释性	脑卒中预测	机器学习	脑卒中	SMOTE、SMOTEENN、动态特征选择、SHAP	Random Forest、LightGBM、深度学习元分类器	医学数据集	三个数据集（DF-1、DF-2、DF-3）
255	2025-04-29	Enhanced Vision-Based Quality Inspection: A Multiview Artificial Intelligence Framework for Defect Detection 2025-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s25061703 PMID:40292782	research paper	本文研究了一种基于多视角深度学习的方法，用于提高金属表面缺陷检测的准确性，并提出了一种新的早期融合架构MV-UNet	提出了一种新的早期融合架构MV-UNet，通过转换块对齐和聚合多视角特征以提高检测精度，并引入了针对分割缺陷检测的适应精度-召回指标	研究主要针对金属表面的细微缺陷（如划痕），可能不适用于其他类型的缺陷或材料	提高工业质量控制中自动化缺陷检测的准确性	金属板表面的细微缺陷（如划痕）	computer vision	NA	deep learning	MV-UNet, CNN	image	记录的金属板数据集
256	2025-04-29	Time Series Remote Sensing Image Classification with a Data-Driven Active Deep Learning Approach 2025-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s25061718 PMID:40292845	research paper	提出了一种数据驱动的主动深度学习框架，用于时间序列遥感图像分类，以解决标记样本有限的问题	结合主动学习方法和深度学习模型，考虑时间序列数据的代表性和不确定性，设计新的损失函数以提高模型性能	需要进一步验证在更多数据集上的泛化能力，且主动学习过程中的人工标注成本仍需优化	解决时间序列遥感图像分类中标记样本不足的问题	时间序列遥感图像（TSRSIs）	computer vision	NA	active learning, deep learning	auxiliary deep network	time series remote sensing images	三个数据集（MUDS、DynamicEarthNet、PASTIS），初始样本数分别为100、1000、1000，标注样本数为2000
257	2025-04-29	A Deep Transfer Learning-Based Visual Inspection System for Assembly Defects in Similar Types of Manual Tool Products 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061645 PMID:40292690	研究论文	本研究提出了一种基于深度迁移学习的视觉检测系统，用于手动工具装配中的缺陷检测与分类	利用预训练的AlexNet架构进行迁移学习，显著减少了对新工具模型样本的需求并提高了检测效率	研究仅针对特定类型的手动工具（活动扳手）进行验证	开发高效的手动工具装配缺陷自动检测系统	活动扳手的装配缺陷	计算机视觉	NA	深度学习迁移学习	R-CNN, AlexNet	图像	三个装配站的数据（具体数量未明确说明）
258	2025-04-29	Classification of Mycena and Marasmius Species Using Deep Learning Models: An Ecological and Taxonomic Approach 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061642 PMID:40292694	研究论文	本研究开发了一种基于深度学习的框架，用于分类Mycena和Marasmius属的七种大型真菌物种，利用其独特的生态和形态特征	首次将SOM应用于真菌分类，并整合了CNN与KAN层以提升分类性能	未来工作需要优化KAN架构并扩展数据集以包含更多真菌类别	推进真菌分类学并增强生态理解	Mycena和Marasmius属的七种大型真菌物种	计算机视觉	NA	深度学习	CNN, SOM, KAN, MaxViT-S, ResNetV2-50	图像	七种大型真菌物种
259	2025-04-29	Deep Learning Ensemble Approach for Predicting Expected and Confidence Levels of Signal Phase and Timing Information at Actuated Traffic Signals 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061664 PMID:40292747	研究论文	提出一种基于transformer编码器的深度学习集成方法，用于预测交通信号灯的信号相位与时间(SPaT)信息及其置信水平	结合transformer编码器与多种深度学习方法(MLP、LSTM、CNNLSTM)形成集成预测器，显著提升预测性能	研究仅在弗吉尼亚州Gallows Road走廊的六个交叉口进行验证，需要更多场景测试	提升绿灯最优速度建议(GLOSA)和生态协同自适应巡航控制(Eco-CACC)系统的性能	交通信号控制器的SPaT信息	智能交通系统	NA	深度学习集成方法	Transformer encoder, MLP, LSTM, CNNLSTM	交通信号时序数据	弗吉尼亚州Gallows Road走廊六个交叉口的交通信号数据
260	2025-04-29	Design and Implementation of ESP32-Based Edge Computing for Object Detection 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061656 PMID:40292726	研究论文	本文探讨了ESP32微控制器在边缘计算中的应用，重点介绍了边缘服务器系统的设计与实现，以评估通过集成边缘和云计算所实现的性能改进	通过集成AI和IoT，设计和实现了基于ESP32的边缘服务器系统，显著降低了带宽使用和延迟，有效减轻了云服务器的负担	讨论了系统的优势和局限性，并提出了潜在的改进和未来应用方向	减少云计算负担和延迟，提升边缘计算效率	ESP32微控制器、边缘服务器系统、深度学习模型	边缘计算、物联网	NA	深度学习、MQTT通信协议	深度学习模型（未具体说明类型）	图像数据	未明确说明样本数量