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
701	2025-09-23	Noise-aware system generative model (NASGM): positron emission tomography (PET) image simulation framework with observer validation studies 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17962 PMID:40660861	研究论文	开发并验证一种基于深度学习的PET图像仿真框架NASGM，能够生成不同采集时间的逼真PET图像	提出具有空间和频率双域判别器的条件生成对抗网络，采用基于Transformer的频率判别器来捕捉全局依赖关系	研究基于模拟数据集进行，需要进一步在真实临床数据上验证	开发计算高效的PET图像仿真方法以支持动态成像协议优化和深度学习应用	PET医学图像	医学影像分析	肿瘤疾病	深度学习生成模型	条件生成对抗网络（cGAN）与Transformer结合	PET/CT医学图像	使用公共PET/CT数据集作为输入活动图和衰减图
702	2025-09-23	Super-resolution CBCT on a new generation flat panel imager of a C-arm gantry linear accelerator 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18000 PMID:40665524	研究论文	本研究开发了一种基于条件生成对抗网络的深度学习超分辨率模型，用于在投影域增强新型平板探测器CBCT图像的空间分辨率	首次在投影域应用深度学习超分辨率技术解决新型平板探测器因像素合并导致的分辨率损失问题，提出投影域去模糊主要依赖于探测器特性而非患者解剖结构的创新假设	研究主要使用体模数据进行验证，尚未在真实患者数据上进行广泛测试，临床适用性需要进一步验证	评估深度学习超分辨率模型在投影域增强CBCT图像空间分辨率的可行性	Varian TrueBeam直线加速器配备的新型RTI4343iL平板探测器采集的CBCT投影数据	医学影像处理	肿瘤放射治疗	锥形束CT（CBCT）、深度学习超分辨率技术	条件生成对抗网络（cGANs）配合U-Net生成器	医学影像数据	576对CBCT投影数据（460对训练，116对验证），144个动态胸部投影和Catphan 604体模的CBCT重建数据
703	2025-09-23	Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence 2025-Jun-18, ArXiv PMID:40980765	研究论文	开发可解释深度学习框架BioMapAI，利用纵向多组学数据研究慢性疲劳综合征的生物标志物和疾病分类	构建了迄今最丰富的ME/CFS纵向多组学数据集，创建了首个健康和疾病状态下的组学连通性图谱	NA	通过多模态生物组学建模推进慢性疲劳综合征的数字精准医疗	慢性疲劳综合征（ME/CFS）和长新冠患者	数字病理学	老年疾病	肠道宏基因组学、血浆代谢组学、免疫分析、多组学整合	深度学习	多组学数据（基因组、代谢组、免疫组等）和临床数据	NA
704	2025-09-23	Improving spliced alignment by modeling splice sites with deep learning 2025-Jun-15, ArXiv PMID:40980762	研究论文	通过深度学习建模剪接位点来改进剪接比对准确性的方法	使用一维卷积神经网络学习剪接信号，首次将深度学习模型集成到剪接比对工具中	目前仅针对脊椎动物和昆虫基因组进行训练，模型参数规模较小（7,026个参数）	提高剪接比对的准确性，特别是在处理噪声长读长RNA-seq数据和远缘同源蛋白时	脊椎动物和昆虫基因组的剪接位点	生物信息学	NA	深度学习、剪接比对、长读长RNA测序	1D-CNN	基因组序列数据、RNA-seq数据、蛋白质序列数据	基于脊椎动物和昆虫基因组的训练数据
705	2025-09-23	Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation 2025-Jun-12, ArXiv PMID:40980770	研究论文	提出并验证了一种模态无关图像级联方法（MAGIC），用于多模态心脏亚结构分割	通过复制nnU-Net编码解码分支实现单一模型处理多模态数据，解决传统方法跨模态泛化能力不足的问题	与其他方法相比统计差异有限，部分模态分割精度仍有提升空间	开发适用于多模态医学影像的心脏亚结构自动分割方法	20个心脏亚结构（心脏、腔室、大血管、瓣膜、冠状动脉和传导节点）	医学影像分析	心血管疾病	深度学习分割技术	nnU-Net改进架构	医学影像（CT、MRI）	训练集76例、验证集15例、测试集30例，涵盖三种影像模态
706	2025-09-23	An EMG-Based GRU Model for Estimating Foot Pressure to Support Active Ankle Orthosis Development 2025-Jun-05, Sensors (Basel, Switzerland) DOI:10.3390/s25113558 PMID:40969084	研究论文	提出基于表面肌电信号和GRU深度学习模型的足底压力预测方法，用于改进主动踝足矫形器的实时控制	首次将GRU模型与肌电信号结合用于足底压力分布的实时预测，能够识别个体化机电延迟差异	研究样本量有限，仅针对特定踝部肌肉，未验证在不同病理条件下的普适性	开发实时预测足底压力的智能方法以提升主动踝足矫形器的适应性控制	踝关节功能障碍患者（如足下垂、步态不稳）的步态运动	生物医学工程	踝关节功能障碍	表面肌电信号采集、力敏电阻传感器、滑动窗口分割、均方根特征提取	GRU（门控循环单元）	时序信号数据（EMG信号和压力数据）	未明确说明具体样本数量，但涉及多被试者交叉验证
707	2025-09-23	Power Line Segmentation Algorithm Based on Lightweight Network and Residue-like Cross-Layer Feature Fusion 2025-Jun-04, Sensors (Basel, Switzerland) DOI:10.3390/s25113551 PMID:40969098	研究论文	提出一种基于轻量化网络和类残差跨层特征融合的电力线分割算法RGS-UNet	集成类残差跨层特征融合模块，通过Ghost Module优化卷积计算，嵌入SIMAM注意力机制，并采用Mish激活函数	NA	解决现有电力线分割算法存在的小目标尺度、复杂背景和模型参数量过大等问题	电力线分割	计算机视觉	NA	深度学习	RGS-UNet（基于UNet架构改进的轻量化分割模型）	图像	NA
708	2025-09-23	A Deep Learning-Based Model Approach for Quantitative Analysis of Cell Chemotaxis in a Microfluidic Chip 2025-Jun-03, Sensors (Basel, Switzerland) DOI:10.3390/s25113515 PMID:40969071	研究论文	提出一种基于微流控技术和深度学习的细胞趋化性定量分析方法	首次将微流控芯片与深度学习技术结合，实现细胞趋化性的自动化定量分析	NA	开发快速准确的细胞趋化性定量评估方法	细胞趋化行为	生物医学工程	NA	微流控技术、深度学习	深度学习模型（具体类型未明确说明）	细胞图像	NA
709	2025-09-23	Enhancing Upper Limb Exoskeletons Using Sensor-Based Deep Learning Torque Prediction and PID Control 2025-Jun-03, Sensors (Basel, Switzerland) DOI:10.3390/s25113528 PMID:40969067	研究论文	提出一种基于传感器深度学习的扭矩预测与PID控制相结合的上肢外骨骼增强方法	将肌电信号扭矩估计/预测模型与PID控制回路集成，优化外骨骼机器人扭矩整合以消除系统不确定性	仅针对健康受试者进行验证，未在卒中患者中测试	提升上肢辅助外骨骼对卒中患者的运动辅助控制效果	上肢外骨骼机器人的肘关节控制	机器学习	卒中	高密度表面肌电信号采集、深度学习建模	LSTM、BLSTM、GRU	肌电信号	12名健康受试者，采集5个上肢肌肉在4种等长任务下的HD-sEMG数据
710	2025-09-23	Estimating dynamic plantar pressure distribution from wearable inertial sensors using a hybrid CNN-BiLSTM architecture 2025-Jun-01, Acta of bioengineering and biomechanics IF:0.8Q4 DOI:10.37190/abb/207865 PMID:40981700	研究论文	提出基于可穿戴惯性传感器的混合深度学习模型来预测动态足底压力分布	首次结合CNN-BiLSTM架构与时间注意力机制，并整合体重信息以适配个体差异	未提及模型在真实可穿戴设备上的部署性能验证	开发便携式低成本足底压力分析方法	动态足底压力分布数据	机器学习	NA	惯性测量单元(IMU)数据采集	CNN-BiLSTM混合网络	传感器时序数据	采用10折交叉验证（具体样本量未说明）
711	2025-09-23	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	基于时间序列融合网络模型的红潮检测方法研究，以东海GOCI数据为例	提出CSF-RTDNet时间序列融合网络模型，通过引入NDVI增强红潮特征、ECA通道注意力机制、ASPC-DSC特征提取模块和ConvLSTM，实现了对连续多日红潮动态变化的精准捕捉	方法主要针对东海GOCI数据，在其他海域或数据源的适用性有待验证	提高红潮检测精度，特别是连续多日红潮的检测能力	东海海域的红潮现象	计算机视觉	NA	GOCI遥感数据、深度学习	CSF-RTDNet（包含ConvLSTM、ECA注意力机制、ASPC-DSC模块）	遥感时间序列图像数据	基于东海GOCI时间连续数据（具体样本数量未明确说明）
712	2025-09-23	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	本文提出了首个专门用于室内建筑元素分割和BIM建模的RGB-D数据集StructScan3D v1	首个针对室内建筑元素语义分割的RGB-D数据集，填补了深度学习与BIM应用之间的数据空白	数据集规模有限（2594帧），场景多样性有待扩展，标注精度需要进一步优化	推动室内建筑元素的自动化分割和BIM建模技术发展	室内建筑元素（墙壁、地板、天花板、窗户、门等）	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
713	2025-09-23	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，评估了不同数据库下的性能表现，并分析了协变量因素对识别准确性的影响	系统性地探讨了视角、着装和环境等关键协变量因素对模型性能的影响，并对比了传统方法与深度学习技术的优劣	现有数据集存在局限性，且先前研究常忽视协变量因素的影响	分析步态识别系统中协变量的影响机制，为开发鲁棒的识别框架提供理论指导	人类步态特征及其在跨摄像头场景下的识别	计算机视觉	NA	深度学习、传统步态识别方法	NA	视频图像	基于多源图像数据库的评估
714	2025-09-23	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的不确定性感知停车预测框架，通过显式建模认知和随机不确定性提升预测鲁棒性	首次将贝叶斯神经网络系统应用于停车预测领域，集成时空环境特征并实现不确定性量化	未提及模型在超大规模实时系统中的计算效率验证	提升智能交通系统中停车可用性预测的准确性和可靠性	停车位占用率数据及其时空环境上下文特征	智能交通系统	NA	贝叶斯神经网络	BNN	时序数据	采用90%/50%/10%训练数据的多规模验证
715	2025-09-23	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	提出基于CNN和Transformer的多维失真特征网络MDFN，用于提升电网图像质量评估精度	首次同时考虑图像高频/低频特征与噪声/亮度特征，设计频率选择模块实现全局空间信息融合，创新性地结合CLS令牌与噪声亮度特征进行质量预测	未明确说明模型计算复杂度及在实时场景下的适用性	开发更准确的盲图像质量评估方法以筛选高质量电网图像	电网图像数据	计算机视觉	NA	盲图像质量评估(BIQA)	CNN、Transformer	图像	三个公共数据集和一个电网图像数据集（具体样本量未说明）
716	2025-09-23	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	提出基于双向Mamba和因果发现的多模态飞机发动机剩余使用寿命预测模型Cau-BiMamba-LSTM	首次将双向Mamba模型与因果发现结合，通过最大信息转移熵构建因果图模型，在预测性能和计算成本间取得良好平衡	仅基于C-MAPSS数据集验证，未提及其他工业场景的泛化能力测试	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	因果发现、最大信息转移熵、简单指数平滑	BiMamba、LSTM、注意力机制	时间序列数据	C-MAPSS数据集
717	2025-09-23	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	提出一种集成时序卷积网络和变分自编码器的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	结合对比学习创建统一服务指标表示，并引入因果推理机制追踪故障传播路径	NA	解决分布式微服务架构中异常检测和故障定位的挑战	微服务架构中的系统指标和故障数据	机器学习	NA	深度学习、因果推理、对比学习	TCN（时序卷积网络）、VAE（变分自编码器）	时序指标数据	使用标记异常数据和大量正常数据进行半监督学习评估
718	2025-09-23	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在植物表型分析中的应用	系统梳理了主动视觉、被动视觉和基于深度学习的三大类植物3D重建技术，并探讨了多源数据融合策略	NA	总结植物3D重建技术的研究现状与发展趋势	植物表型分析技术	计算机视觉	NA	结构光、飞行时间法、激光扫描、立体视觉、运动恢复结构、NeRF、CNN、3DGS	NeRF、CNN、3DGS	三维点云、图像序列	NA
719	2025-09-23	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	提出一种基于视觉与听觉传感器输入的多模态法律英语问答系统，通过融合图像、文本和语音信息提升学习效果	采用统一的多模态编码机制结合动态注意力建模，实现视觉-语言-语音的跨模态对齐与深度推理	NA	提升智能教育系统中法律英语学习的多模态理解与表达能力	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（对比VisualBERT/LXMERT/CLIP）	多模态数据（图像、文本、语音）	通过用户研究验证（具体样本数未明确说明）
720	2025-09-23	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猪只检测系统，用于解决跨猪舍场景的域适应问题	结合单目标标签样本、遗传算法数据增强搜索和超低阈值伪标签策略的自训练方法	依赖目标域单标签样本，未验证极端环境条件下的泛化能力	开发适用于不同猪舍环境的自适应目标检测系统	养殖场猪只	计算机视觉	NA	遗传算法、数据增强、自训练	深度学习目标检测模型	视频关键帧图像	使用单目标标签样本进行域适应训练