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
3861	2025-03-20	Review of Non-Invasive Fetal Electrocardiography Monitoring Techniques 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051412 PMID:40096208	综述	本文全面回顾了非侵入性胎儿心电图（NIFECG）监测技术的最新进展，包括信号采集、信号预处理、胎儿心电图提取和胎儿心脏异常分类	提出了NIFECG技术的未来研究方向，特别是深度学习技术、多模态数据融合和远程监测系统的潜在应用	分析了现有NIFECG数据集的特点和局限性，并提出了改进建议	推动NIFECG监测技术的发展和应用	胎儿健康监测	生物医学工程	胎儿健康	非侵入性胎儿心电图（NIFECG）	深度学习	心电图数据	NA
3862	2025-03-20	Energy-Efficient Dynamic Workflow Scheduling in Cloud Environments Using Deep Learning 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051428 PMID:40096273	研究论文	本文提出了一种新的调度框架，结合图神经网络（GNN）和深度强化学习（DRL），使用近端策略优化（PPO）算法，在云环境中实现动态工作流调度，以最小化完成时间和减少能耗	结合图神经网络（GNN）和深度强化学习（DRL）进行多目标优化，专注于最小化完成时间和减少能耗	研究基于模拟环境（CloudSim）和合成数据集，未在实际云环境中验证	在云环境中实现动态工作流调度，优化完成时间和能耗	云环境中的动态工作流调度	机器学习	NA	图神经网络（GNN）、深度强化学习（DRL）、近端策略优化（PPO）	GNN、DRL、PPO	合成数据集	模拟环境中的基准数据集
3863	2025-03-20	Optimization of Improved YOLOv8 for Precision Tomato Leaf Disease Detection in Sustainable Agriculture 2025-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s25051398 PMID:40096213	研究论文	本文提出了一种改进的YOLOv8算法，用于实时检测番茄叶片病害，以提高农药施用的精准度	通过集成Depthwise Grouped Convolutions和AdamW优化器，以及SE_Block模块，提升了YOLOv8的计算效率和检测精度	研究仅在受控环境中进行部署，未在更广泛的农田环境中验证其性能	提高番茄叶片病害检测的精准度，以实现可持续农业中的资源高效利用	番茄叶片病害	计算机视觉	番茄病害	深度学习	改进的YOLOv8	图像	1500张番茄叶片图像，包含四种标签（全部、绿番茄、霜霉病、白粉病）
3864	2025-03-20	MRI-Based Meningioma Firmness Classification Using an Adversarial Feature Learning Approach 2025-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s25051397 PMID:40096246	研究论文	本文提出了一种基于对抗特征学习方法的MRI脑膜瘤硬度分类模型	引入了无监督特征提取方法，利用双向生成对抗网络（BiGAN）和深度可分离深度学习模型，提高了脑膜瘤硬度分类的性能	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高脑膜瘤硬度分类的准确性和效率	脑膜瘤的MRI图像	计算机视觉	脑膜瘤	MRI	BiGAN, 深度可分离深度学习模型	图像	未提及具体样本数量
3865	2025-03-20	Deep Learning Approach for Automatic Heartbeat Classification 2025-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s25051400 PMID:40096255	研究论文	本研究提出了一种基于深度学习的自动心跳分类方法，用于检测心律失常	提出了一种结合多类分类器和长短期记忆（LSTM）网络层的自动编码器，解决了分类任务中梯度消失的问题	研究仅基于MIT-BIH数据集，未在其他数据集上验证模型的泛化能力	开发一种自动化的心律失常检测方法，以提高诊断效率和准确性	心电图（ECG）信号	机器学习	心血管疾病	深度学习	LSTM	ECG信号	MIT-BIH数据集
3866	2025-03-20	Optimizing Real-Time Object Detection in a Multi-Neural Processing Unit System 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051376 PMID:40096141	研究论文	本文构建了一个基于YOLOv3的实时目标检测系统，利用Neubla的Antara NPU，并提出了两种性能优化方法	通过双缓冲和多NPU环境下的任务分配，显著提高了系统的吞吐量和降低了延迟	未提及系统在不同硬件配置下的兼容性和扩展性	优化实时目标检测系统的性能	实时目标检测系统	计算机视觉	NA	NA	YOLOv3	图像	NA
3867	2025-03-20	DC-NFC: A Custom Deep Learning Framework for Security and Privacy in NFC-Enabled IoT 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051381 PMID:40096219	研究论文	本文介绍了一种名为DC-NFC的新型深度学习框架，旨在增强物联网环境中NFC通信的安全性和隐私性	DC-NFC框架集成了三个创新组件：CE用于捕捉复杂的时间和空间模式，PML用于实施端到端的隐私约束，ATF模块用于实时威胁检测和动态模型适应	NA	增强物联网环境中NFC通信的安全性和隐私性	NFC通信	机器学习	NA	深度学习	DC-NFC	时间序列数据	四个基准数据集（UNSW-NB15、Bot-IoT、TON-IoT Telemetry和Edge-IIoTset）
3868	2025-03-20	U-Net-Based Fingerprint Enhancement for 3D Fingerprint Recognition 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051384 PMID:40096221	研究论文	本文提出了一种基于U-Net的指纹增强方法，用于3D指纹识别，以提高指纹图像的对比度，从而改善指纹识别的准确性	首次将U-Net深度学习模型应用于3D指纹图像的增强，显著提高了指纹识别的准确率	研究仅基于公开数据集进行实验，未涉及实际应用场景的验证	提高3D指纹识别的准确性和安全性	3D指纹图像	计算机视觉	NA	深度学习	U-Net	3D点云数据	公开数据集
3869	2025-03-20	DVF-NET: Bi-Temporal Remote Sensing Image Registration Network Based on Displacement Vector Field Fusion 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051380 PMID:40096252	研究论文	本文介绍了一种基于深度学习的新型双时相遥感图像配准框架DVF-NET，通过融合两个位移矢量场来解决图像间的非线性畸变问题	DVF-NET的创新点包括引入结构注意力模块（SAT）以增强模型对结构特征的关注，并提出了一种结合多种相似性度量的新型损失函数设计	NA	提高双时相遥感图像配准的精度和鲁棒性	双时相遥感图像	计算机视觉	NA	深度学习	DVF-NET	图像	多种遥感数据集
3870	2025-03-20	Enhancing Maritime Safety: Estimating Collision Probabilities with Trajectory Prediction Boundaries Using Deep Learning Models 2025-Feb-23, Sensors (Basel, Switzerland) DOI:10.3390/s25051365 PMID:40096138	研究论文	本文研究了波罗的海博恩霍尔姆岛附近的海上事故，提出了一种利用深度学习模型预测船舶轨迹并评估碰撞风险的方法，以提高海上安全	提出了一种结合轨迹预测和统计技术构建概率边界的方法，并引入碰撞风险评分来评估边界重叠的可能性	方法主要应用于模拟测试场景和一个真实案例，尚未在大规模实际场景中验证	提高海上安全，预防船舶碰撞事故	波罗的海博恩霍尔姆岛附近的船舶轨迹	机器学习	NA	LSTM自编码器	LSTM	轨迹数据	模拟测试场景和2021年Scot Carrier与Karin Hoej货船碰撞的真实案例
3871	2025-03-20	Efficient Deep Learning-Based Device-Free Indoor Localization Using Passive Infrared Sensors 2025-Feb-23, Sensors (Basel, Switzerland) DOI:10.3390/s25051362 PMID:40096168	研究论文	本文提出了一种基于深度学习的无设备室内定位方法，使用被动红外传感器进行多人定位	提出了一种结合通道分离和模板匹配技术的深度CNN-LSTM架构，并使用均值装袋技术提高定位精度	信号质量、模糊性以及多人复杂交错运动引起的干扰仍然是挑战	提高无设备室内定位的精度，特别是在多人环境中的应用	室内环境中的多人定位	机器学习	NA	被动红外传感器	CNN-LSTM	传感器数据	两个参与者
3872	2025-03-20	Securing IoT Networks Against DDoS Attacks: A Hybrid Deep Learning Approach 2025-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s25051346 PMID:40096136	研究论文	本研究提出了一种混合深度学习模型，用于物联网（IoT）网络中的分布式拒绝服务（DDoS）攻击检测	提出了一种新颖的混合模型，结合了卷积神经网络（CNN）进行特征提取、长短期记忆（LSTM）网络进行时间模式识别以及自编码器进行降维	在检测罕见攻击类型方面存在局限性，并强调了解决数据不平衡问题的重要性	提高物联网网络中DDoS攻击检测的效率和准确性	物联网网络中的DDoS攻击	机器学习	NA	深度学习	CNN, LSTM, Autoencoders	网络数据	CICIOT2023数据集
3873	2025-03-20	Content-Based Histopathological Image Retrieval 2025-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s25051350 PMID:40096145	研究论文	本文提出了一种基于局部-全局特征融合的嵌入模型，用于增强组织病理学图像检索中的特征描述符	提出了局部-全局特征融合嵌入模型，结合多尺度信息以增强特征描述符的深度和实用性	模型依赖于预训练的主干网络，可能限制了其在新数据集上的泛化能力	改进组织病理学图像检索中的特征描述符提取方法	组织病理学图像	数字病理学	NA	深度学习	卷积神经网络（CNN）、视觉变换器（Vision Transformers）	图像	ImageNet-1k和PanNuke数据集，Kimia Path24C数据集
3874	2025-03-20	Integrative Approaches to Soybean Resilience, Productivity, and Utility: A Review of Genomics, Computational Modeling, and Economic Viability 2025-Feb-21, Plants (Basel, Switzerland) DOI:10.3390/plants14050671 PMID:40094561	综述	本文综述了多组学、人工智能和经济可持续性在提高大豆抗逆性和生产力方面的进展	整合了基因组学、人工智能和经济可持续性等多学科方法，推动了大豆抗逆性和生产力的提升	未提及具体的研究局限性	提高大豆的抗逆性和生产力，并评估其经济可行性和环境可持续性	大豆	机器学习	NA	多组学（包括MAS、GS、GWAS、QTL映射、GBS、CRISPR-Cas9、宏基因组学和代谢组学）	深度学习	基因组数据、环境数据	NA
3875	2025-03-20	The Role of Baseline Total Kidney Volume Growth Rate in Predicting Tolvaptan Efficacy for ADPKD Patients: A Feasibility Study 2025-Feb-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14051449 PMID:40094908	研究论文	本研究探讨了基线总肾脏体积（TKV）增长率在预测托伐普坦对ADPKD患者疗效中的作用	提出了一种量化TKV增长率变化的方法，用于回顾性评估托伐普坦对个体患者的疗效	样本量较小（32名患者），且为回顾性研究，可能影响结果的普遍性	评估托伐普坦对ADPKD患者的疗效预测因素	ADPKD患者	数字病理学	肾脏疾病	MRI扫描、深度学习辅助肾脏分割	k-means聚类分析	医学影像	32名ADPKD患者
3876	2025-03-20	Deep Learning-Based Recognition and Classification of Soiled Photovoltaic Modules Using HALCON Software for Solar Cleaning Robots 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051295 PMID:40096011	研究论文	本研究提出了一种基于深度学习的污损光伏图像识别与分类方法，旨在通过HALCON软件框架增强太阳能清洁机器人的能力	使用EANN和CNN架构结合先进的图像处理技术，实现了污损模式的精确检测与分类，展示了智能视觉分析在优化可再生能源维护实践中的变革性作用	未提及具体样本量及实验环境的具体限制	提高太阳能清洁机器人的自动化清洁策略，减少不必要的清洁周期，增强太阳能电池板的整体性能	污损的光伏模块	计算机视觉	NA	图像处理技术	EANN, CNN	图像	NA
3877	2025-03-20	Artificial Intelligence for Quality Defects in the Automotive Industry: A Systemic Review 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051288 PMID:40096013	系统性综述	本文系统性回顾了人工智能在汽车行业质量管理和问题识别中的应用，特别是在工业4.0和5.0背景下提升生产流程的AI实施	强调了AI在实时汽车零件追踪、减少对人工检查的依赖以及推动零缺陷制造策略中的作用	未来研究应优先考虑透明的AI方法、网络物理系统整合和AI材料增强以实现可持续生产	探讨AI在汽车行业质量保证中的应用，以提高效率、一致性和长期结果	汽车行业的生产流程和质量控制	机器学习和计算机视觉	NA	深度学习、人工神经网络和主成分分析	卷积神经网络（CNN）	图像	NA
3878	2025-03-20	Utilization of Classification Learning Algorithms for Upper-Body Non-Cyclic Motion Prediction 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051297 PMID:40096019	研究论文	本研究探索了使用分类算法预测非周期性上半身运动的两种方法	采用KNN和深度学习模型从表面肌电信号预测运动特征，如幅度和类别，以解决外骨骼系统在主动控制中的滞后问题	需要进一步探索基于回归的预测模型以提高预测精度，并研究其在串联或可穿戴机器人应用中对流畅性的影响	提高外骨骼系统的流畅性，减少能量效率低下和不适感	非周期性上半身运动	机器学习	NA	表面肌电信号处理	KNN, 深度神经网络	sEMG信号	来自肘部周围六块肌肉的数据
3879	2025-03-20	Deep Learning-Based Algorithm for Road Defect Detection 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051287 PMID:40096028	研究论文	本文提出了一种基于改进YOLOv8的模型RepGD-YOLOV8W，用于提高道路缺陷检测的精度和计算效率	改进YOLOv8模型，引入Rep-GD模块和Wise-IoU损失函数，显著提升检测精度和计算效率	未提及模型在极端天气或夜间条件下的表现	提高道路缺陷检测的精度和计算效率，解决复杂背景下的漏检和误检问题	道路缺陷（如裂缝和坑洞）	计算机视觉	NA	深度学习	YOLOv8, RepGD-YOLOV8W	图像	RDD2022数据集
3880	2025-03-20	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	综述	本文系统回顾了过去十年深度学习在牙科领域的应用，提供了趋势、模型及其临床意义的全面概览	首次对深度学习在牙科领域的应用进行了系统性的映射回顾，识别了主要的研究趋势和模型架构	主要依赖于标注数据，且需要进一步探索新兴模型架构和学习方法	探索深度学习在牙科领域的应用，特别是诊断方面的进展	牙科领域的诊断、治疗规划和预后预测	数字病理	NA	深度学习	CNN	图像	从21,242项筛选的研究中，纳入了1,007项