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
841	2025-05-01	Deep Supervised Attention Network for Dynamic Scene Deblurring 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061896 PMID:40293008	研究论文	提出了一种使用深度监督注意力网络的动态场景去模糊方法	提出了一种多尺度端到端循环网络，利用监督注意力机制恢复清晰图像，并引入了新的损失函数和快速傅里叶变换（FFT）来克服现有方法的局限性	现有数据集存在数据量低、地面真实（GT）图像不清晰和单一模糊尺度的问题，可能影响性能	提高动态场景去模糊的效果	动态场景中的模糊图像	计算机视觉	NA	快速傅里叶变换（FFT）	深度监督注意力网络	图像	NA
842	2025-05-01	Unobtrusive Bed Monitor State of the Art 2025-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s25061879 PMID:40293004	review	本文综述了无干扰床铺监测设备的技术现状及其在健康管理和疾病预防中的应用	总结了无干扰床铺监测设备在过去30年的发展，并探讨了深度学习、AI和IoT技术如何推动该领域的复兴	NA	探讨无干扰床铺监测设备在自动收集睡眠生理信息方面的应用	无干扰床铺监测设备及其技术发展	医疗健康监测	NA	深度学习、AI、IoT	NA	生理信息	NA
843	2025-05-01	PCAFA-Net: A Physically Guided Network for Underwater Image Enhancement with Frequency-Spatial Attention 2025-Mar-17, Sensors (Basel, Switzerland) DOI:10.3390/s25061861 PMID:40293013	研究论文	提出了一种名为PCAFA-Net的物理引导网络，用于通过多颜色空间自适应调整和频率-空间注意力机制增强水下图像	结合物理模型与深度学习，通过自适应梯度模拟、颜色范围调整和频率-空间条带注意力模块，充分利用频域和空间域信息	依赖于数据集的多样性和数量，可能在未知环境中表现受限	解决水下图像因光散射和复杂环境导致的色彩偏移、细节模糊和对比度降低问题	水下图像	计算机视觉	NA	深度学习	PCAFA-Net (包含AGSM、ACRAM和FSSAM模块)	图像	三个数据集上的广泛实验
844	2025-05-01	Learning in Two-Scales Through LSTM-GPT2 Fusion Network: A Hybrid Approach for Time Series Anomaly Detection 2025-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s25061849 PMID:40292940	research paper	提出了一种名为LGFN的多尺度特征提取和数据重建深度学习神经网络，用于在多变量时间序列数据中检测异常	LGFN网络在原始输入空间和潜在空间同时检测异常，充分利用了网络学习到的最关键知识	未明确提及具体局限性	开发一种高效的多变量时间序列异常检测方法	工业传感器收集的多变量时间序列数据	machine learning	NA	深度学习	LSTM-GPT2融合网络	多变量时间序列数据	五个公共MTS数据集
845	2025-05-01	Squeeze-EnGAN: Memory Efficient and Unsupervised Low-Light Image Enhancement for Intelligent Vehicles 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061825 PMID:40292935	research paper	提出了一种名为Squeeze-EnGAN的内存高效、基于GAN的无监督低光图像增强方法，适用于智能车辆	结合了fire模块的U-net架构，显著减少了参数数量和乘加操作（MACs），实现了无监督学习且无需配对图像数据集	未提及具体的模型在极端低光条件下的表现或泛化能力	解决智能车辆在低光条件下图像增强的问题，提升高级视觉任务的性能	智能车辆（如自动驾驶汽车、无人机和机器人）的低光图像	computer vision	NA	GAN	Squeeze-EnGAN, U-net	image	未提及具体样本数量
846	2025-05-01	Adaptive Vectorial Restoration from Dynamic Speckle Patterns Through Biological Scattering Media Based on Deep Learning 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061803 PMID:40292951	研究论文	提出一种基于深度学习的偏振分辨恢复方法，用于从动态散射介质生成的散斑图案中高效准确地重建成像	创新性地利用矢量光场的两个正交偏振分量，结合CNN与Transformer架构的混合网络模型，首次实现了动态时变散斑图案的自适应矢量恢复	NA	解决生物组织中矢量光场传播和重建的挑战，实现动态各向异性生物散射介质的高效成像	各向异性和动态时变的生物散射介质	生物医学成像	NA	深度学习，偏振分辨成像	CNN与Transformer混合模型	散斑图像	NA
847	2025-05-01	Automatic Recognition of Dual-Component Radar Signals Based on Deep Learning 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061809 PMID:40292965	研究论文	提出了一种基于深度学习的双分量雷达信号自动识别框架TFGM-RMNet，用于解决低信噪比下识别准确率低的问题	结合深度时频生成模块与基于Transformer的残差网络，实现端到端的深度学习框架，无需显式时频变换	实验仅验证了在SNR > -8 dB条件下的性能，未涉及更低信噪比或更复杂信号环境下的表现	提高低信噪比条件下双分量雷达信号的识别准确率	双分量雷达信号	机器学习	NA	深度学习	CNN, Transformer, ResNet	雷达信号	NA
848	2025-05-01	TipSegNet: Fingertip Segmentation in Contactless Fingerprint Imaging 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061824 PMID:40292973	research paper	介绍了一种名为TipSegNet的新型深度学习模型，用于在非接触式指纹成像中实现指尖分割	TipSegNet结合ResNeXt-101主干网络和特征金字塔网络(FPN)，在多变的手指姿态和图像质量下实现高精度分割	NA	提高非接触式指纹识别系统中指尖检测和分割的准确性	指尖在非接触式指纹成像中的分割	computer vision	NA	深度学习	ResNeXt-101, FPN	grayscale hand images	2257张标记的手部图像
849	2025-05-01	Steel Roll Eye Pose Detection Based on Binocular Vision and Mask R-CNN 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061805 PMID:40292976	research paper	提出了一种基于深度学习的双目视觉方法，用于钢卷的眼位检测，以实现钢卷包装生产线内角防护安装站的自动化	结合Mask R-CNN算法和RGB向量空间图像分割方法，实现了钢卷端面目标区域的识别和参数提取	实验中的最大偏差虽然满足实际安装要求，但仍有改进空间以提高检测精度	实现钢卷包装生产线内角防护安装站的自动化	钢卷的眼位检测	computer vision	NA	binocular vision, RGB vector space image segmentation, Sobel edges, least-squares method	Mask R-CNN	image	NA
850	2025-05-01	Enhancing EEG-Based Emotion Detection with Hybrid Models: Insights from DEAP Dataset Applications 2025-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s25061827 PMID:40292995	研究论文	本研究利用DEAP数据集探索和评估多种机器学习和深度学习技术，以提高基于EEG信号的情绪检测的准确性、可解释性和实时性	开发了一种实时情绪检测系统，结合了多种先进神经网络架构和SHAP方法，提高了计算效率和模型可解释性	准确率略低于某些最先进方法，未来需要扩大数据集并在更多样化的参与者群体中测试系统	提高基于EEG信号的情绪检测的准确性、可解释性和实时性	EEG信号	机器学习	NA	EEG	KNN, SVM, DT, RF, BiLSTM, GRU, CNN, autoencoders, transformers	EEG信号	DEAP数据集
851	2025-05-01	Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation 2025-03-13, JMIR AI DOI:10.2196/67239 PMID:40080816	研究论文	本研究探讨了在自动呼吸音分类系统中加入基于深度学习的音频增强预处理步骤的可行性和有效性，以提高系统的鲁棒性和临床适用性	提出了一种结合音频增强模块的自动呼吸音分类系统，显著提高了在嘈杂环境中的分类性能，并通过医师验证研究证实了其临床效用	研究仅在两个数据集上进行验证，可能需要更多样化的数据来进一步验证系统的泛化能力	提高自动呼吸音分类系统在嘈杂环境中的鲁棒性和临床适用性	呼吸音分类系统	数字病理	呼吸系统疾病	深度学习	时间域和时间频域音频增强模型	音频	两个数据集：ICBHI呼吸音数据集（5.5小时录音）和Formosa Archive of Breath Sound数据集（14.6小时录音），以及7名资深医师参与的验证研究
852	2025-05-01	Optimizing Satellite Imagery Datasets for Enhanced Land/Water Segmentation 2025-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s25061793 PMID:40292861	研究论文	本文提出了一种自动化优化用于土地/水体分割任务的深度学习模型数据集的方法	使用归一化差异水体指数（NDWI）和可变阈值自动评估多光谱卫星图像注释的质量，通过系统性识别和排除低质量样本来提升数据集质量和模型性能	仅在两套公开数据集上进行了验证，未在其他数据集上测试其普适性	优化用于环境监测和遥感应用的土地/水体分割数据集	多光谱卫星图像数据集	计算机视觉	NA	NDWI	深度学习模型	图像	两套公开数据集（SWED和SNOWED）
853	2025-05-01	Comparison and Optimization of Generalized Stamping Machine Fault Diagnosis Models Using Various Transfer Learning Methodologies 2025-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s25061779 PMID:40292927	研究论文	本研究开发了一种适用于多种冲压机类型的通用故障诊断模型，通过振动数据监测和预测冲压机的总间隙，以提高过程控制和故障诊断的效果	提出了一种通用故障诊断模型，适用于多种冲压机类型，并通过四种深度学习架构的评估确定了最优模型	模型的泛化能力尚未在更多冲压机类型和操作条件下验证	开发一种通用的冲压机故障诊断模型，以提高智能制造中的过程控制和故障诊断效率	四种冲压机模型（OCP-110、G2-110、G2-160和ST1-110）的振动数据	智能制造	NA	振动数据采集（使用加速度计）	CNN、CNN-Res、VGG16、ResNet50	振动数据	四种冲压机模型的振动数据
854	2025-05-01	Acceleration of Image Classification and Object Tracking by the Intel Neural Compute Stick 2 with Power Efficiency Evaluation on Raspberry Pi 4B 2025-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s25061794 PMID:40292928	研究论文	本研究探讨了在Raspberry Pi 4B平台上使用Intel Neural Compute Stick 2 (NCS2)加速图像分类和对象跟踪的效率和功耗	通过结合NCS2和Raspberry Pi 4B，在嵌入式系统中实现复杂神经网络的实时操作，并补充了OpenVINO™ 2022.3.2文档	实验仅针对特定模型进行测试，结果可能不适用于其他模型或应用场景	评估NCS2在嵌入式系统中加速深度学习神经网络部署的性能和能效	图像分类和实时对象跟踪	计算机视觉	NA	OpenVINO™ 2022.3.2和Deep SORT算法	NA	图像	NA
855	2025-05-01	AI-Powered Visual Sensors and Sensing: Where We Are and Where We Are Going 2025-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s25061758 PMID:40292874	review	本文回顾了深度学习在视觉传感器和感知领域的现状与未来发展方向	探讨了深度学习在视觉传感器和感知领域的应用前景与潜在发展方向	未具体提及当前技术的具体局限性	回顾深度学习在视觉传感器和感知领域的应用现状并展望未来趋势	深度学习在视觉传感器和感知领域的应用	computer vision	NA	deep learning	NA	image	NA
856	2025-05-01	Robust Adversarial Example Detection Algorithm Based on High-Level Feature Differences 2025-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s25061770 PMID:40292880	research paper	提出了一种基于高级特征差异（HFDs）的新型对抗样本检测算法，旨在提高对攻击和预处理操作的鲁棒性	利用干净样本和对抗样本在高级特征上的语义冲突，实现了高检测精度，并对预处理操作具有鲁棒性	未明确提及算法的计算复杂度或实时性表现	提高对抗样本检测算法的鲁棒性和准确性	对抗样本（AEs）	machine learning	NA	高级特征差异（HFDs）	encoder和相似性测量模型	image	未明确提及具体样本数量
857	2025-05-01	Real-Time Acoustic Scene Recognition for Elderly Daily Routines Using Edge-Based Deep Learning 2025-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s25061746 PMID:40292891	研究论文	本研究提出了一种结合边缘计算和深度学习的声学场景识别系统，用于实时监测老年人的日常活动	系统整合了边缘计算与深度学习，解决了传统云计算的延迟和隐私问题，并通过模型量化技术优化了模型以适应边缘设备	未提及系统在复杂环境或多用户场景下的表现	开发一种高效、可靠且用户友好的实时声学场景监测系统，以支持老年人护理	老年人的日常活动	机器学习	老年疾病	深度学习	CNN, LSTM, BiLSTM, DNN	声学数据	未提及具体样本数量
858	2025-05-01	Identification of People in a Household Using Ballistocardiography Signals Through Deep Learning 2025-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s25061732 PMID:40292805	研究论文	本研究开发了一种基于聚偏二氟乙烯压电传感器的非侵入式健康监测系统，利用深度学习技术通过心冲击信号识别家庭成员	提出了一种基于心冲击信号频率特征的非接触式个体识别方法，无需皮肤接触即可监测健康状态	未来需要考虑信号日常变化对识别准确率的影响	开发非侵入式健康监测系统，实现家庭成员身份识别	10名受试者的心冲击信号	机器学习	老年疾病	ballistocardiography信号采集	神经网络	生物信号	10名受试者的252个信号案例
859	2025-05-01	A Novel Explainable Attention-Based Meta-Learning Framework for Imbalanced Brain Stroke Prediction 2025-Mar-11, Sensors (Basel, Switzerland) DOI:10.3390/s25061739 PMID:40292890	研究论文	提出了一种新颖的基于注意力机制和元学习的可解释框架，用于不平衡脑卒中预测	整合了混合重采样技术、集成分类器和可解释人工智能（XAI），提高了预测性能和可解释性	未提及具体局限性	提高脑卒中预测的准确性和可解释性	脑卒中预测	机器学习	脑卒中	SMOTE、SMOTEENN、SHAP	Random Forest、LightGBM、深度学习元分类器	医学数据集	三个数据集（DF-1、DF-2、DF-3）
860	2025-05-01	Enhanced Vision-Based Quality Inspection: A Multiview Artificial Intelligence Framework for Defect Detection 2025-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s25061703 PMID:40292782	research paper	本文研究了一种基于多视角深度学习的缺陷检测方法，提出了一种新颖的早期融合架构MV-UNet，以提高金属表面细微缺陷的检测精度	提出了一种新颖的早期融合架构MV-UNet，通过变换块对齐和聚合多视角特征，提高了检测精度，并引入了适用于分割缺陷检测的精确召回指标	实验数据集仅限于金属板，未涉及其他材料或更复杂的工业场景	研究多视角深度学习方法在工业质量控制中缺陷检测的有效性	金属板表面的细微缺陷（如划痕）	computer vision	NA	deep learning	MV-UNet, CNN	image	记录的金属板数据集