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
21	2025-06-30	Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition 2025-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03560-0 PMID:40571695	研究论文	提出了一种名为DeepArabianSignNet的新模型，结合DenseNet、EfficientNet和基于注意力的Deep ResNet，用于阿拉伯手语识别	引入了G-TverskyUNet3+进行感兴趣区域检测，并采用新型元启发式算法CSFOA进行特征优化	仅使用了两个数据库进行测试，可能需要更多样化的数据集验证	提高阿拉伯手语识别的准确性和特征捕捉能力	阿拉伯手语图像	计算机视觉	NA	CSFOA优化算法	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	图像	两个数据库（训练率70%和80%）
22	2025-06-30	A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors 2025-Jun-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02011-8 PMID:40571854	研究论文	开发了一个结合临床、放射组学和深度学习特征的机器学习模型，用于准确预测原发性胃肠道间质瘤（GISTs）术后复发和转移	整合了临床数据、放射组学特征和深度学习特征，构建了一个高性能的预测模型，为个性化治疗和随访策略提供支持	研究仅基于两个独立中心的数据，样本量相对有限，且未涉及其他影像学模态的数据	开发个体化的临床随访策略，预测原发性GISTs患者的术后复发和转移风险	原发性胃肠道间质瘤（GISTs）患者	数字病理	胃肠道间质瘤	机器学习、放射组学分析、深度学习	临床深度学习放射组学模型（CDLRM）	临床数据、CT图像	526名患者（260名男性，266名女性，平均年龄62岁）
23	2025-06-30	Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier 2025-Jun-23, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107183 PMID:40562078	研究论文	开发了一种基于深度学习的分类器，用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae菌落	利用两阶段培养温度区分菌落，并首次应用YOLO深度学习模型进行自动计数	研究仅针对特定两种酵母菌，未验证对其他微生物的适用性	开发自动化工具监测酸面团发酵过程中的酵母菌群变化	酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌	计算机视觉	NA	深度学习	YOLO	图像	多种温度条件下培养的酸面团样本
24	2025-06-30	Advancing atomic electron tomography with neural networks 2025-Jun-19, Applied microscopy DOI:10.1186/s42649-025-00113-7 PMID:40533670	review	该综述探讨了神经网络如何提升原子电子断层扫描（AET）在三维原子结构确定中的准确性	整合深度学习特别是卷积神经网络（CNN）到AET工作流中，以提高重建保真度	重建过程中可能存在的几何限制和电子剂量约束导致的伪影问题	提升原子电子断层扫描在三维原子成像中的准确性和可靠性	纳米材料的三维原子结构	machine learning	NA	原子电子断层扫描（AET）	CNN	三维原子成像数据	NA
25	2025-06-30	Enhanced AlexNet with Gabor and Local Binary Pattern Features for Improved Facial Emotion Recognition 2025-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s25123832 PMID:40573719	研究论文	本文提出了一种结合Gabor和局部二值模式特征的增强AlexNet模型，用于提高面部情绪识别的准确性和适应性	通过整合Gabor和LBP特征提取技术到改进的AlexNet架构中，显著提升了面部情绪识别的性能	研究未提及模型在极端光照或遮挡条件下的表现，也未讨论计算资源消耗的具体情况	开发一种在硬件规格受限环境下仍能高效运行的面部情绪识别系统	面部情绪识别	计算机视觉	NA	Gabor特征提取, 局部二值模式(LBP)	改进的AlexNet	图像	使用FER2013和RAF-DB两个基准数据集进行验证
26	2025-06-30	LGFUNet: A Water Extraction Network in SAR Images Based on Multiscale Local Features with Global Information 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123814 PMID:40573701	research paper	提出了一种基于多尺度局部特征与全局信息的SAR图像水体提取网络LGFUNet，以解决现有深度学习方法的不足	采用Swin-Transformer模块替代卷积核进行特征提取，增强全局信息学习能力，并引入DECASPP模块和LGFF模块以提升复杂水体边界细节的提取能力	未明确提及模型在不同地理环境或不同SAR数据源上的泛化能力	提升SAR图像中水体的自动提取精度，特别是连续水体的边界细节	Sentinel-1 SAR数据中的水体区域	computer vision	NA	深度学习	LGFUNet（基于Swin-Transformer的编码器-解码器结构）	SAR图像	青藏高原区域的Sentinel-1 SAR数据（未明确样本数量）
27	2025-06-30	Benchmarking Accelerometer and CNN-Based Vision Systems for Sleep Posture Classification in Healthcare Applications 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123816 PMID:40573703	research paper	比较基于加速度计和CNN视觉系统在睡眠姿势分类中的性能，应用于医疗健康领域	首次对比图像深度学习和加速度计分类在睡眠姿势识别中的表现，展示加速度计方法的高精度和鲁棒性	图像方法对左侧卧和仰卧姿势识别性能略低，研究未涉及多模态融合方法	评估不同技术路径在睡眠姿势监测中的适用性，为智能医疗系统开发提供参考	人体睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态）	digital pathology	sleep apnea	数据增强（旋转/镜像/缩放/平移）、加速度信号特征提取	VGG16 CNN, 前馈神经网络	image, accelerometer信号	未明确说明样本数量
28	2025-06-30	Transverse Electric Inverse Scattering of Conductors Using Artificial Intelligence 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123774 PMID:40573660	研究论文	本文结合直接采样法（DSM）和神经网络，从感测的电磁场中重建完美电导体的形状	通过结合DSM和U-net神经网络，显著提高了TE波成像的分辨率和效率，并降低了重建误差	未提及具体实验验证或实际应用场景的局限性	提高导体形状重建的精度和效率	完美电导体	人工智能	NA	直接采样法（DSM）、神经网络	U-net	电磁场数据	NA
29	2025-06-30	An Enhanced Cascaded Deep Learning Framework for Multi-Cell Voltage Forecasting and State of Charge Estimation in Electric Vehicle Batteries Using LSTM Networks 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123788 PMID:40573675	研究论文	本文提出了一种新颖的两层深度学习框架，用于电动汽车电池的多电池电压预测和充电状态估计	首次在热带气候下验证了基于深度学习的BMS优化，为类似地区的电动汽车电池管理设定了新标准	研究主要针对热带气候条件，可能在其他气候条件下的适用性有限	提高电动汽车电池管理系统的操作效能和安全性	电动汽车电池，特别是热带气候下的锂铁磷酸盐电池组	机器学习	NA	LSTM网络	LSTM	时间序列数据	120-cell锂铁磷酸盐电池组，模拟城市驾驶条件下的速度变化和负载变化
30	2025-06-30	Statistical Difference Representation-Based Transformer for Heterogeneous Change Detection 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123740 PMID:40573630	研究论文	提出了一种基于统计差异表示的Transformer模型（SDFormer）和弱监督异构变化检测框架（S3G2），用于处理多传感器或多模态图像数据中的变化检测问题	引入了结构相似性引导样本生成策略（S3G2）来生成可靠的伪标签，并提出了SDFormer模型以减少时相异构图像间的模态差异影响	缺乏可信的标注数据限制了大多数基于学习的异构变化检测方法的应用	提高异构图像变化检测的准确性和鲁棒性	多传感器或多模态图像数据	计算机视觉	NA	深度学习、领域自适应	Transformer（SDFormer）	图像	多个公共异构变化检测数据集
31	2025-06-30	Research on a Multi-Dimensional Information Fusion Mechanical Wear Fault-Diagnosis Algorithm Based on Data Regeneration 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123745 PMID:40573632	research paper	提出一种基于数据再生的多维信息融合机械磨损故障诊断算法，结合扩散模型和TTT技术，在实验室条件下实现高精度故障诊断	结合扩散模型和TTT（测试时训练）技术，利用预训练解码器将数据解码为连续潜在表示进行采样，实现数据再生，并构建特征参数与机械磨损故障模式之间的高维映射关系	研究在实验室条件下进行，数据量较少，现象分布特征可能限制机器学习和深度学习概念的应用	开发一种高精度的机械磨损故障诊断算法	六种典型航空发动机机械磨损故障	machine learning	NA	扩散模型, TTT（test-time training）	扩散模型, TTT	特征数据	少量实验室数据
32	2025-06-30	HGCS-Det: A Deep Learning-Based Solution for Localizing and Recognizing Household Garbage in Complex Scenarios 2025-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s25123726 PMID:40573613	研究论文	提出了一种基于YOLOv8的深度学习模型HGCS-Det，用于复杂场景下的垃圾定位与识别	引入归一化注意力模块、注意力特征融合模块和实例边界强化模块，结合Slide Loss函数动态加权难样本，提升了检测精度和实时性能	模型参数略有增加（3.02M），在复杂环境下的泛化能力未明确说明	提高复杂场景下垃圾检测的精度和实时性能	家庭垃圾	计算机视觉	NA	深度学习	YOLOv8	图像	公开数据集HGI30
33	2025-06-30	Sensor-Driven Real-Time Recognition of Basketball Goal States Using IMU and Deep Learning 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123709 PMID:40573596	研究论文	该研究提出了一种基于惯性测量单元（IMU）传感器和深度学习的实时篮球进球状态识别系统	利用IMU传感器和多种深度学习模型（CNN、RNN、LSTM、CNN-LSTM和CNN-LSTM-Attention）实时识别篮球进球状态，其中CNN-LSTM-Attention模型表现最佳，准确率达87.79%	未提及系统在极端环境或不同篮球场地条件下的性能表现	开发一种实时识别篮球进球状态的系统，以支持技能分析和运动表现评估	篮球进球状态（篮板球、空心球、其他投篮和未命中）	机器学习和运动分析	NA	IMU传感器和深度学习	CNN、RNN、LSTM、CNN-LSTM和CNN-LSTM-Attention	传感器数据（加速度、角速度和角度变化）	未明确提及具体样本数量
34	2025-06-30	Detection of Electric Network Frequency in Audio Using Multi-HCNet 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123697 PMID:40573584	研究论文	本文提出了一种名为Multi-HCNet的深度学习模型，专门用于在高通滤波环境下检测电力网络频率(ENF)信号	模型引入了高阶谐波滤波器阵列(AFB)来补偿基频信息的损失，并提出了分组多通道自适应注意力机制(GMCAA)以精确区分多频信号，同时使用正弦激活函数(SAF)增强周期性振荡的捕捉能力	NA	提高在高通滤波环境下ENF信号的检测准确率	电力网络频率(ENF)信号	信号处理	NA	深度学习	Multi-HCNet	音频信号	NA
35	2025-06-30	Improving Doppler Radar Precipitation Prediction with Citizen Science Rain Gauges and Deep Learning 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123719 PMID:40573605	研究论文	利用公民科学雨量计数据和深度学习改进多普勒雷达降水预测	结合公民科学雨量计观测和深度学习框架，通过构建分段线性降雨累积函数来校正雷达降水率偏差	在完全未见过的区域泛化能力有限，特别是对高强度降雨	提高多普勒雷达降水预测的准确性和实时性	多普勒雷达降水预测	机器学习	NA	深度学习	ResNet-101	雷达数据和雨量计观测数据	NA
36	2025-06-30	EffRes-DrowsyNet: A Novel Hybrid Deep Learning Model Combining EfficientNetB0 and ResNet50 for Driver Drowsiness Detection 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123711 PMID:40573599	研究论文	提出了一种名为EffRes-DrowsyNet的混合深度学习模型，用于检测驾驶员疲劳状态	结合EfficientNetB0的计算效率和ResNet50的深度表征能力，构建新型混合模型	未明确说明模型在极端光照或遮挡条件下的表现	开发高性能的驾驶员疲劳检测系统以提高道路安全	驾驶员疲劳状态	计算机视觉	NA	视频分析	EfficientNetB0与ResNet50混合模型	视频	三个基准数据集（SUST-DDD、YawDD和NTHU-DDD）
37	2025-06-30	Knowledge Graph-Enhanced Deep Learning Model (H-SYSTEM) for Hypertensive Intracerebral Hemorrhage: Model Development and Validation 2025-Jun-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/66055 PMID:40505141	研究论文	开发了一个名为H-SYSTEM的可解释且高效的决策支持系统，用于辅助神经外科医生诊断和治疗高血压性脑出血患者	通过整合医学领域知识图谱（HKG）来增强决策的准确性和可解释性，解决了现有AI系统的局限性	未明确提及具体局限性	开发一个可解释且高效的决策支持系统，辅助神经外科医生诊断和治疗高血压性脑出血患者	高血压性脑出血患者	数字病理	高血压性脑出血	BERT-IDCNN-BiLSTM-CRF模型	深度学习模型	电子医疗记录	605名来自6个不同医疗中心的患者
38	2025-06-30	A Review of Research on Fruit and Vegetable Picking Robots Based on Deep Learning 2025-Jun-12, Sensors (Basel, Switzerland) DOI:10.3390/s25123677 PMID:40573563	综述	本文综述了基于深度学习的果蔬采摘机器人关键技术及应用，探讨了当前技术瓶颈及未来发展方向	首次全面梳理深度学习技术在果蔬采摘机器人中的核心应用、技术瓶颈及未来趋势	未涉及具体实验验证或量化性能对比	为深度学习技术在果蔬采摘机器人中的实际应用提供理论支持和实践指导	果蔬采摘机器人	计算机视觉	NA	深度学习	NA	多模态数据	NA
39	2025-06-30	Lights-Transformer: An Efficient Transformer-Based Landslide Detection Model for High-Resolution Remote Sensing Images 2025-Jun-11, Sensors (Basel, Switzerland) DOI:10.3390/s25123646 PMID:40573533	研究论文	提出了一种基于Transformer的高效滑坡检测模型Lights-Transformer，用于高分辨率遥感图像	引入了多尺度上下文信息、高效注意力机制、融合块和多角度特征融合，以及轻量分割头以提高推理速度	未提及具体的数据集限制或模型泛化能力的测试	提高滑坡检测的准确性和效率	高分辨率遥感图像中的滑坡区域	计算机视觉	NA	深度学习	Transformer	图像	GDCLD数据集
40	2025-06-30	CAGNet: A Network Combining Multiscale Feature Aggregation and Attention Mechanisms for Intelligent Facial Expression Recognition in Human-Robot Interaction 2025-Jun-11, Sensors (Basel, Switzerland) DOI:10.3390/s25123653 PMID:40573540	研究论文	提出了一种结合多尺度特征聚合和注意力机制的神经网络CAGNet，用于人机交互中的智能面部表情识别	结合多尺度特征聚合和注意力机制，优化局部和全局特征的捕获，提高面部表情识别的准确率	仅在FER2013和CK+两个标准数据集上进行了验证，未在其他多样化数据集上测试	提升人机交互中面部表情识别的准确性和自然性	面部表情识别	计算机视觉	NA	深度学习	CNN, CBAM, GAP	图像	FER2013和CK+数据集