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
501	2025-05-15	Multigas Identification by Temperature-Modulated Operation of a Single Anodic Aluminum Oxide Gas Sensor Platform and Deep Learning Algorithm 2025-02-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02715 PMID:39831774	研究论文	本研究通过温度调制操作和深度学习算法，解决了半导体金属氧化物气体传感器在选择性方面的固有局限性	利用阳极氧化铝微加热器平台实现单一半导体金属氧化物气体传感器的温度调制操作，并结合CNN算法提高气体分类和浓度预测的准确性	研究仅针对四种气体（丙酮、氨、乙醇和二氧化氮）进行了测试，未涵盖更广泛的气体种类	解决半导体金属氧化物气体传感器的选择性限制，提高气体识别和浓度测量的准确性	半导体金属氧化物气体传感器及其在气体识别中的应用	机器学习	NA	温度调制操作、CNN	CNN	气体响应数据	四种气体（丙酮、氨、乙醇和二氧化氮）的响应数据
502	2025-05-15	Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint 2025-02-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03096 PMID:39964084	research paper	提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射（SERS）平台，以提高拉曼检测系统的灵敏度、集成度和实用性	结合深度学习和双功能微流控技术，实现多分子指纹的分区识别和同时检测	未提及具体样本量或实验重复次数，可能影响结果的统计显著性	提高拉曼检测系统的灵敏度、集成度和实用性	罗丹明6G（R6G）、福美双、芘、蒽和邻苯二甲酸二丁酯等分子	机器学习和微流控技术	NA	表面增强拉曼散射（SERS）和全连接神经网络技术	全连接神经网络	拉曼光谱数据	NA
503	2025-05-15	GPC-YOLO: An Improved Lightweight YOLOv8n Network for the Detection of Tomato Maturity in Unstructured Natural Environments 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051502 PMID:40096330	研究论文	提出了一种基于YOLOv8n的轻量级模型GPC-YOLO，用于在非结构化自然环境中检测番茄成熟度	引入了C2f-PC模块、GSConv轻量卷积、CCFF跨尺度特征融合模块，以及SimAM注意力机制和EIoU损失函数，显著降低了计算负担并提高了检测精度	研究仅针对番茄成熟度检测，未验证在其他水果或作物上的适用性	开发一种轻量化的目标检测模型，用于农业场景中的番茄成熟度识别	番茄果实	计算机视觉	NA	深度学习目标检测	GPC-YOLO（基于YOLOv8n改进）	图像	1249张手机拍摄的番茄图像
504	2025-05-15	A Comparative Study of Plantar Pressure and Inertial Sensors for Cross-Country Ski Classification Using Deep Learning 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051500 PMID:40096333	研究论文	本研究比较了足底压力和惯性传感器在越野滑雪技术分类中的应用，并开发了一种基于CNN和LSTM的深度学习模型	首次比较了低成本、低侵入性的足底压力传感器和惯性传感器在越野滑雪技术分类中的性能，并展示了在最小传感器设置下实现高分类准确率的潜力	研究仅针对越野滑雪技术分类，未验证在其他运动项目中的适用性	比较不同传感器在越野滑雪技术分类中的性能，并开发高效的分类方法	越野滑雪运动员	机器学习	NA	深度学习	CNN和LSTM	足底压力数据和惯性测量数据	未明确说明样本数量，但涉及多名滑雪运动员的数据
505	2025-05-15	Artificial Vision Systems for Fruit Inspection and Classification: Systematic Literature Review 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051524 PMID:40096367	系统文献综述	本文通过系统文献综述，探讨了计算机视觉在水果分选和质量检测中的应用领域、硬件配置及技术算法	首次采用PRISMA方法对2015至2024年间56篇相关文献进行系统分析，总结了不同应用场景下的技术需求与解决方案	仅分析了2015至2024年的文献，可能遗漏早期重要研究	识别水果分选和质量检测中计算机视觉技术的应用领域、硬件配置及算法	水果产业中的分选和质量检测系统	计算机视觉	NA	RGB相机、LED照明系统、多光谱相机、Otsu算法、Sobel算法、深度学习模型（如ResNet、VGG）	ResNet, VGG	图像	56篇文献
506	2025-05-15	Gesture Recognition Achieved by Utilizing LoRa Signals and Deep Learning 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051446 PMID:40096281	研究论文	本研究提出了一种基于LoRa技术的新型手势识别系统，结合了先进的信号预处理、自适应分割算法和改进的SS-ResNet50深度学习模型	通过结合残差学习和动态卷积技术，SS-ResNet50模型显著增强了多尺度手势特征的提取能力，提高了分类准确率	NA	开发一种低功耗、长距离的非接触式手势识别系统	手势识别	计算机视觉	NA	LoRa技术	SS-ResNet50	信号数据	六种手势的平均识别准确率超过95%
507	2025-05-15	Application of Multiple Deep Learning Architectures for Emotion Classification Based on Facial Expressions 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051478 PMID:40096310	research paper	该研究评估了十种先进的深度学习模型在面部表情识别任务上的性能，使用FER2013数据集	对多种深度学习架构在面部表情识别任务上的综合评估，揭示了计算效率与预测准确性之间的关键权衡	轻量级模型如MobileNet V1和ShuffleNet V2在准确性上存在限制，特别是在识别'恐惧'和'厌恶'等挑战性情绪类别时	评估深度学习模型在面部表情识别任务上的性能，以选择适合特定应用需求的架构	面部表情识别	computer vision	NA	深度学习	VGG16, VGG19, ResNet50, ResNet101, DenseNet, GoogLeNet V1, MobileNet V1, EfficientNet V2, ShuffleNet V2, RepVGG	image	FER2013数据集
508	2025-05-15	Joint Driver State Classification Approach: Face Classification Model Development and Facial Feature Analysis Improvement 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051472 PMID:40096318	research paper	本研究提出了一种结合CNN和面部标志分析模型的双框架方法，用于增强驾驶员困倦检测	通过集成CNN分类和精确的面部标志分析，提高了检测的鲁棒性，并在低光等挑战性条件下表现出更强的适应性	NA	开发一种鲁棒的驾驶员困倦检测方法，以提高道路安全	驾驶员的面部特征和生理状态	computer vision	NA	image normalization, illumination correction, face hallucination	CNN, deep learning-based facial landmark analysis model	image	NA
509	2025-05-15	EEG-Based Music Emotion Prediction Using Supervised Feature Extraction for MIDI Generation 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051471 PMID:40096343	研究论文	本文提出了一种基于EEG的音乐情感预测深度学习框架，用于生成与标记情感预测对齐的MIDI序列	通过监督特征提取和Centered Kernel Alignment技术，解决了神经和听觉领域之间的语义鸿沟问题，提高了情感分类和MIDI序列生成的质量	对于想象能力较弱的受试者，生成的MIDI输出质量较低，因为其神经模式与训练数据的一致性较差	开发一种能够生成与情感预测对齐的MIDI序列的AI驱动算法	脑电图(EEG)数据和听觉数据	机器学习	NA	EEGNet, 自编码器, Centered Kernel Alignment	EEGNet, 自编码器	EEG信号, MIDI序列	未明确说明样本数量，但涉及真实世界数据和特定受试者分析
510	2025-05-15	DAHD-YOLO: A New High Robustness and Real-Time Method for Smoking Detection 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051433 PMID:40096207	研究论文	提出了一种名为DAHD-YOLO的新型高鲁棒性实时吸烟检测方法	基于YOLOv8构建的DAHD-YOLO模型，引入了DBCA模块、AFGCA注意力机制、改进的ECA-FPN特征金字塔网络、解耦检测头更新以及Wise-PIoU边界框回归损失函数，显著提升了检测精度和实时性能	未提及在极端光照或遮挡条件下的性能表现	提高复杂环境中吸烟行为检测的准确性和实时性	吸烟行为	计算机视觉	NA	深度学习	YOLOv8改进模型（DAHD-YOLO）	图像	自建吸烟检测数据集（具体数量未说明）
511	2025-05-15	A Review of Machine Learning and Deep Learning Methods for Person Detection, Tracking and Identification, and Face Recognition with Applications 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051410 PMID:40096196	综述	本文全面分析了人脸识别、跟踪、识别和人员检测技术的最新发展，强调了现有技术的优缺点	系统性地综述了超过100篇杰出期刊文章，使用PRISMA方法进行系统评价，概括了该领域最相关的研究	模型在不同环境条件下的鲁棒性有待提高，包括多样光照和遮挡；对不同摄像头角度的适应性；以及与隐私权相关的伦理和法律问题	评估人脸识别、跟踪、识别和人员检测技术的最新发展状态	机器学习和深度学习方法在人员检测、跟踪、识别和人脸识别任务中的应用	计算机视觉	NA	机器学习和深度学习方法	深度学习	图像	142篇相关论文
512	2025-05-15	Review of Non-Invasive Fetal Electrocardiography Monitoring Techniques 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051412 PMID:40096208	review	本文综述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、预处理、胎儿心电图提取及心脏异常分类	讨论了深度学习技术、多模态数据融合和远程监测系统在NIFECG中的潜在应用	分析了现有NIFECG数据集的特点和局限性，并提出了改进建议	推进NIFECG监测技术的发展和应用	非侵入性胎儿心电图监测技术	数字病理	NA	非侵入性胎儿心电图（NIFECG）	深度学习	心电图信号	NA
513	2025-05-15	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	提出了一种改进的YOLOv8算法，用于番茄叶病的实时检测，以提高农药施用的精确性	通过集成Depthwise Grouped Convolutions和AdamW优化器，提高了计算效率和检测精度，同时引入SE_Block增强特征表示	研究仅在受控环境中部署，未涉及大规模田间试验	提高番茄叶病检测的精确性，减少农药使用和环境污染	番茄叶片	计算机视觉	番茄病害	深度学习	YOLOv8	图像	1500张番茄叶片图像，包含四种标签（全部、绿番茄、霜霉病和白粉病）
514	2025-05-15	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	该研究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（BiGAN）和深度可分离深度学习模型，用于脑膜瘤硬度分类	未提及具体样本量或数据集的多样性限制	提高脑膜瘤硬度分类的准确性和效率	MRI图像中的脑膜瘤	计算机视觉	脑膜瘤	MRI	BiGAN, 深度可分离深度学习模型	图像	NA
515	2025-05-15	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，用于心律失常检测	提出了一种结合多类分类器和LSTM自编码器的模型，解决了分类任务中梯度消失的问题，并在MIT-BIH数据集上取得了高准确率	未提及模型在其他数据集上的泛化能力	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, 自编码器	ECG信号	MIT-BIH数据集
516	2025-05-15	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	使用深度学习U-Net进行图像分割以增强指纹对比度，显著提高了指纹识别的准确率	NA	解决2D指纹识别中的传感器欺骗攻击和接触传播疾病的问题	3D指纹点云数据	计算机视觉	NA	深度学习	U-Net	3D点云和2D灰度图像	公共数据集
517	2025-05-15	Content-Based Histopathological Image Retrieval 2025-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s25051350 PMID:40096145	research paper	该研究提出了一种基于局部-全局特征融合的嵌入模型，用于提高组织病理学图像检索的性能	提出了一种结合多尺度信息的局部-全局特征融合嵌入模型，显著提升了特征描述符的深度和实用性	模型依赖于预训练主干网络，可能受限于预训练数据的质量和范围	提高组织病理学图像检索系统的性能，支持病理学家的工作	组织病理学图像	digital pathology	NA	深度学习	CNN, Vision Transformers	image	ImageNet-1k和PanNuke数据集，并在Kimia Path24C数据集上进行测试
518	2025-05-15	Comparative analysis of intestinal tumor segmentation in PET CT scans using organ based and whole body deep learning 2025-Feb-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01587-3 PMID:39962481	研究论文	比较基于器官和全身深度学习方法在PET CT扫描中对肠道肿瘤分割的效果	提出了一种新颖的基于器官的训练方法，通过利用训练数据的组织同质性来提高肠道肿瘤分割的准确性	研究主要针对DLBCL患者，对其他类型非霍奇金淋巴瘤（如FL）的泛化性有待进一步验证	评估训练数据同质性对准确识别肠道肿瘤的影响	肠道肿瘤	数字病理学	非霍奇金淋巴瘤	FDG-PET/CT	深度学习	医学影像	来自大型多中心临床试验（NCT01287741）的DLBCL患者
519	2025-05-15	Application of artificial intelligence in forecasting survival in high-grade glioma: systematic review and meta-analysis involving 79,638 participants 2025-Feb-15, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03419-y PMID:39954167	meta-analysis	本文通过系统综述和荟萃分析评估了基于人工智能的模型在预测高级别胶质瘤患者生存结果中的表现	特别关注AI在高级别胶质瘤复发中的潜力，并整合了多模态数据以提高预测准确性	需要在前瞻性、多中心研究中进一步验证以确保临床适用性	评估AI模型在预测高级别胶质瘤患者生存结果中的性能	高级别胶质瘤患者	数字病理学	脑肿瘤	机器学习（ML）和深度学习（DL）	随机森林（RF）和逻辑回归（LR）	临床、放射组学和遗传特征	39项研究，涉及79,638名患者
520	2025-05-15	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-Feb-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	本研究开发了一种深度学习模型，用于预测阿尔茨海默病（AD）认知转化，以指导更强化治疗的重新分配决策	使用深度学习模型整合多种变量集（包括人口统计学、病史、神经心理学结果、实验室和神经影像学结果）预测AD认知转化，并建立了简约模型	样本量在随访过程中逐渐减少，可能影响模型的泛化能力	早期诊断和准确预测AD认知衰退，以优化治疗方案	阿尔茨海默病（AD）患者	数字病理学	老年疾病	深度学习	深度学习模型	纵向数据（包括人口统计学、病史、神经心理学结果、实验室和神经影像学结果）	基线607人，12个月随访538人，24个月随访482人，36个月随访268人，48个月随访280人