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
61	2025-09-22	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	提出一种基于时间序列融合网络模型（CSF-RTDNet）的赤潮检测方法，利用东海GOCI数据进行验证	整合多时序GOCI数据全面捕捉赤潮时空特征，引入NDVI增强特征区分度，采用ECA通道注意力机制和新型ASPC-DSC特征提取模块，结合ConvLSTM融合时空特征	方法主要针对东海GOCI数据，在其他海域或传感器数据的适用性未验证	提升赤潮检测精度，特别是连续多日检测能力，支持海洋环境监测	东海区域的赤潮现象	计算机视觉	NA	GOCI遥感数据，NDVI，深度学习	CSF-RTDNet（包含ConvLSTM，ECA注意力机制，ASPC-DSC模块）	遥感图像时间序列	基于东海GOCI数据的实验验证（具体样本数量未明确说明）
62	2025-09-22	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	本文介绍了首个专为室内建筑元素语义分割和BIM建模设计的RGB-D数据集StructScan3D v1，并基于该数据集评估了Transformer模型的分割性能	首个针对室内建筑元素分割的RGB-D数据集，包含多环境标注数据，并首次应用Transformer模型（D-Former）在该领域进行基准测试	数据集规模有限（2594帧），场景多样性有待扩展，存在遮挡和深度变化等挑战	推动计算机视觉和深度学习在建筑信息模型（BIM）工作流中的应用，实现室内建筑元素的自动化分割与建模	室内建筑元素（墙壁、地板、天花板、窗户、门及其他杂项物体）	计算机视觉	NA	RGB-D数据采集（Kinect Azure传感器），深度学习语义分割	Transformer（D-Former），Gemini，TokenFusion	RGB-D图像	2594标注帧，来自住宅和办公室等多种室内环境
63	2025-09-22	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，评估了其在不同数据库下的性能，并探讨了协变量因素对模型的影响	系统分析协变量（如视角、衣物、环境条件）对步态识别系统的影响，并对比传统方法与深度学习技术	现有数据集存在局限性，且现实应用中的挑战尚未完全解决	评估步态识别方法的性能并探讨协变量因素的影响，以推动鲁棒识别框架的发展	人类步态作为生物特征	计算机视觉	NA	深度学习技术	NA	视频	基于多个图像源数据库进行评估
64	2025-09-22	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（BNN）的停车占用预测框架，显式建模认知和随机不确定性	首次在停车预测中整合上下文特征并量化不确定性，通过不确定性阈值实现基于置信度的选择性决策	未提及模型计算效率或实时部署的具体挑战，可能受限于计算复杂度	提升智能交通系统中停车可用性预测的鲁棒性和可靠性	停车占用数据及上下文特征（时间与环境因素）	智能交通系统	NA	贝叶斯神经网络（BNN）	BNN（对比基线含LSTM）	时序数据与上下文特征数据	在训练数据稀缺条件下评估（90%、50%、10%数据比例）及合成噪声注入场景
65	2025-09-22	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	提出一种基于CNN和Transformer的多维度失真特征网络（MDFN），用于提升电网图像质量评估的准确性	结合高频与低频特征、噪声与亮度特征，并设计频率选择模块（FSM）实现全局空间信息融合	NA	开发更准确的盲图像质量评估（BIQA）方法，以筛选高质量电网图像	电网图像	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
66	2025-09-22	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	提出一种基于双向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	结合因果发现、双向Mamba、注意力机制和LSTM，在预测性能和计算成本之间取得良好平衡，并针对复杂长时序数据实现高精度预测	NA	提升预测与健康管理系统的可靠性和安全性，实现设备剩余使用寿命的精准预测	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	时序数据	C-MAPSS数据集
67	2025-09-22	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	提出一种双通道深度学习框架，结合时序卷积网络和变分自编码器，用于微服务架构中的异常检测与故障定位	集成对比学习构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	微服务架构中的异构指标和时序数据	机器学习	NA	半监督学习	Temporal Convolutional Networks, Variational Autoencoders	时序指标数据	标记异常数据和大量正常数据
68	2025-09-22	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及其在植物表型分析中的应用	系统比较了主动视觉、被动视觉及基于深度学习的多种三维重建技术，并探讨了多源数据融合在提升作物分析精度方面的价值	NA	总结植物三维重建技术的研究进展及其在精准农业和植物表型分析中的应用	植物	计算机视觉	NA	结构光、飞行时间、激光扫描、立体视觉、运动恢复结构、NeRF、CNN、3DGS	NeRF, CNN, 3DGS	图像	NA
69	2025-09-22	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	提出一种基于视觉和声学传感器输入的多模态法律英语问答系统，整合图像、文本和语音信息，提升学习者在法律语境中的理解和表达能力	采用统一的视觉-语言-语音编码机制与动态注意力建模，实现跨模态特征对齐和深度推理	NA	应对传统法律英语教学在处理多模态输入和复杂推理任务中的挑战，开发智能教育系统	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	统一视觉-语言-语音编码机制	图像、文本、语音	NA
70	2025-09-22	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领域自适应方法，用于解决猪只检测中的领域偏移问题	结合遗传算法数据增强搜索和超低阈值伪标签策略，仅需单个目标域标注样本即可显著提升检测性能	方法依赖于目标域单一样本的质量，且未讨论极端环境条件下的泛化能力	开发适用于不同养猪环境的自适应猪只检测系统，减少领域偏移带来的性能下降	养猪场中的猪只	计算机视觉	NA	遗传算法(GA)、数据增强搜索(DAS)、自训练(self-training)	深度学习目标检测模型（具体未指明）	图像	仅需目标域单个标注样本（SLOT）
71	2025-09-22	High-Speed Multiple Object Tracking Based on Fusion of Intelligent and Real-Time Image Processing 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113400 PMID:40969000	研究论文	提出一种基于智能与实时图像处理融合的高速多目标跟踪系统，兼顾实时性、精度和鲁棒性	结合低频深度学习检测与高速传统跟踪的混合框架，并提出基于检测标签的跟踪器管理策略	NA	提升多目标跟踪系统的速度与精度平衡	视频中的多个运动目标	计算机视觉	NA	图像处理、深度学习	混合框架（深度学习+传统跟踪）	视频	6种场景下的高速摄像头数据，与7种SOTA方法对比
72	2025-09-22	SS-OPDet: A Semi-Supervised Open-Set Detection Framework for Dead Pine Wood Detection 2025-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s25113407 PMID:40969001	研究论文	提出一种半监督开放集检测框架SS-OPDet，用于松材线虫病枯死木检测	结合加权多尺度特征融合模块和动态置信度伪标签生成策略，有效利用未标注数据并减少未知干扰物影响	NA	开发高效准确的松材线虫病枯死木检测方法，以支持森林管理和疾病控制	松树林中的枯死木	计算机视觉	植物病害	半监督学习，开放集检测	深度学习目标检测框架	无人机图像	7733张无人机图像
73	2025-09-22	Indoor mmWave Radar Ghost Suppression: Trajectory-Guided Spatiotemporal Point Cloud Learning 2025-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s25113377 PMID:40968905	研究论文	提出一种基于轨迹的毫米波雷达室内虚影抑制方法，结合多目标跟踪与点云深度学习	将多目标跟踪与点云深度学习相结合，通过轨迹引导的时空点云学习有效整合时空信息与点级特征	NA	解决室内毫米波雷达因多径传播导致的虚影目标问题，提升雷达可靠性	室内环境中的毫米波雷达点云数据	计算机视觉	NA	点云深度学习，多目标跟踪	深度学习	点云数据	室内数据集（具体数量未说明）
74	2025-09-22	Detection of Crack Sealant in the Pretreatment Process of Hot In-Place Recycling of Asphalt Pavement via Deep Learning Method 2025-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s25113373 PMID:40968932	研究论文	提出一种基于深度学习的裂缝密封剂检测方法YOLO-CS，用于沥青路面热再生预处理过程	首个专门针对裂缝密封剂检测的数据集，结合RepViT网络和DRBNCSPELAN模块，在降低计算复杂度的同时提升检测性能	未提及模型在极端天气或光照条件下的泛化能力，且数据集规模相对有限（1983张图像）	提升沥青路面热再生过程中裂缝密封剂的自动检测效率	沥青路面图像中的裂缝密封剂	计算机视觉	NA	深度学习目标检测	YOLO-CS（基于YOLO架构的改进模型）	图像	1983张路面图像
75	2025-09-22	Machine Learning-Based Security Solutions for IoT Networks: A Comprehensive Survey 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113341 PMID:40968811	综述	对2020至2024年间基于机器学习的物联网安全解决方案进行全面综述，涵盖威胁分类与技术评估	系统分类机器学习技术在物联网安全中的应用，并提出隐私保护ML、可解释AI等未来研究方向	当前机器学习方法存在高计算成本、对抗性漏洞和可解释性挑战	开发鲁棒、智能和自适应的物联网安全解决方案	物联网网络及其安全威胁	机器学习	NA	监督学习、无监督学习、强化学习、深度学习、集成学习、联邦学习、迁移学习	NA	网络数据	NA
76	2025-09-22	A Multi-Sensor Fusion Approach Combined with RandLA-Net for Large-Scale Point Cloud Segmentation in Power Grid Scenario 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113350 PMID:40968864	研究论文	提出一种结合多传感器融合与RandLA-Net的大规模点云分割方法，用于电网场景中的铁塔智能识别	集成LiDAR与双目深度相机，采用FAST-LIO算法实现时空同步与数据融合，构建具有丰富视觉和几何特征的彩色点云数据集	NA	提升电网铁塔在复杂环境中的识别精度与效率，支持电网基础设施的智能巡检与管理	电网铁塔	计算机视觉	NA	LiDAR, 双目深度相机, FAST-LIO算法	RandLA-Net	点云数据	处理超过一千万个点的点云数据
77	2025-09-22	Reinforcing Deep Learning-Enabled Surveillance with Smart Sensors 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113345 PMID:40968866	研究论文	提出一种结合智能传感器和深度学习的创新监控强化系统，用于资源受限的物理设备和移动环境	通过深度学习技术增强监控系统的适应性和有效性，在动态公共环境中优化节点布局并确保实时响应	NA	强化三维环境中异构传感器的监控能力	资源受限的网络物理设备和移动元素	计算机视觉	NA	深度学习	NA	传感器数据	NA
78	2025-09-22	Retrospective Frailty Assessment in Older Adults Using Inertial Measurement Unit-Based Deep Learning on Gait Spectrograms 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113351 PMID:40968907	研究论文	本研究利用基于IMU数据的步态谱图和深度学习技术对老年人衰弱状态进行分类评估	首次将原始IMU传感器数据转换为时频谱图，并仅使用这些谱图训练CNN模型进行衰弱分类，无需复杂预处理	研究为回顾性分析，样本量有限，模型准确率为71.4%仍有提升空间	开发基于可穿戴传感器和深度学习的客观衰弱评估工具	老年人的步态数据和衰弱状态分类	数字病理	老年疾病	惯性测量单元(IMU)数据采集，时频分析	CNN	传感器时序数据（加速度计和陀螺仪）	回顾性分析的现有IMU数据集，具体样本数量未明确说明
79	2025-09-22	Estimation of 3D Ground Reaction Force and 2D Center of Pressure Using Deep Learning and Load Cells Across Various Gait Conditions 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113357 PMID:40968943	研究论文	提出一种基于深度学习与鞋载传感器的三维地面反作用力与二维压力中心估计方法，适用于多种步态场景	使用仅三个单轴载荷传感器的极简配置，在五种步态条件下实现与传统力台相当的估计性能	内外侧方向精度较低，斜坡条件下垂直地面反作用力误差相对较大	开发适用于真实环境的地面反作用力与压力中心估计系统	人类步态生物力学参数	机器学习	NA	深度学习，载荷传感器测量	FCNN, CNN, Seq2Seq-LSTM, Transformer	传感器时序数据	40名健康年轻成年人
80	2025-09-22	A Deep-Learning-Based Real-Time Microearthquake Monitoring System (RT-MEMS) for Taiwan 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113353 PMID:40968920	研究论文	介绍一种基于深度学习的台湾实时微地震监测系统（RT-MEMS），用于快速生成高分辨率地震目录	整合SeedLink地震数据流与深度学习模型，实现比台湾中央气象局标准目录更高分辨率和效率的地震监测	NA	开发实时地震监测系统以估算地震演化和评估灾害风险	台湾地区的地震活动，包括背景地震活动和地震序列	机器学习	NA	深度学习，地震波形数据处理	SeisBlue深度学习模型	连续波形数据	台湾地区建立的三个稳定监测系统（一个监测蠕滑断层段，两个监测主震-余震序列）