深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
9161	2025-10-06	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习定量磁化率成像方法，通过整合宏观非偶极拉莫尔频移来提高磁化率图的质量和准确性	首次将宏观非偶极拉莫尔频移整合到深度学习QSM框架中，突破了传统方法假设组织各向同性和均匀性的限制	方法验证主要基于合成数字脑模型和有限的人脑数据，需要进一步在更广泛的实际临床场景中验证	开发能够更准确估计生物组织磁化率的改进型定量磁化率成像方法	数字脑模型（含/不含微观结构效应）和活体人脑数据	医学影像分析	神经退行性疾病，脱髓鞘疾病	定量磁化率成像（QSM），磁共振成像	CNN	磁共振图像	NA	NA	深度卷积神经网络	磁化率估计准确性，伪影减少程度，解剖一致性	NA
9162	2025-10-06	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	提出一种基于深度学习的低信噪比心脏MRI图像配准方法AiM-ED，通过边缘检测损失函数实现多图像联合配准和平均	提出联合处理多个源图像的快速深度学习方法，并利用预训练的噪声鲁棒边缘检测器定义训练损失	研究样本量相对有限（健康受试者24个切片，患者11个切片）	解决自由呼吸单次激发心脏图像的低信噪比问题，提高图像配准和平均质量	心脏MRI图像，包括合成LGE图像、健康受试者和患者的自由呼吸单次激发LGE图像	计算机视觉	心血管疾病	心脏MRI，单次激发成像，晚期钆增强(LGE)	深度学习	医学图像	健康受试者24个切片，患者11个切片（5+6），合成MRXCAT体模数据	NA	VoxelMorph	恢复信噪比，三个感知图像质量指标	NA
9163	2025-10-06	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	提出一种基于注意力机制的混合深度学习模型DeepArabianSignNet，用于阿拉伯手语识别	结合DenseNet、EfficientNet和注意力机制深度残差网络，采用新型G-TverskyUNet3+进行感兴趣区域检测，并使用CSFOA元启发式算法进行特征优化	NA	提高阿拉伯手语识别的准确率和特征提取能力	阿拉伯手语图像	计算机视觉	NA	图像处理	CNN, 注意力机制	图像	两个数据库，训练数据比例分别为70%和80%	NA	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	准确率	NA
9164	2025-10-06	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	开发并验证了一个整合临床、影像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术后复发和转移	首次将临床特征、影像组学特征和深度学习特征整合到单一模型中预测GIST术后复发转移	研究样本来自两个中心，需要更多外部验证；模型在高度恶性潜能人群中表现更好	开发个体化临床随访策略，为原发性GIST患者制定个性化治疗方案	原发性胃肠道间质瘤患者	医学影像分析	胃肠道间质瘤	CT扫描，影像组学分析，深度学习	机器学习集成模型	临床数据，CT影像	526例患者（男性260例，女性266例，平均年龄62岁）	NA	临床深度学习影像组学模型	AUC，校准曲线，决策曲线分析	NA
9165	2025-10-06	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	研究论文	提出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	使用Swin-Transformer模块替代卷积核进行特征提取，设计DECASPP模块提取多尺度特征，引入LGFF模块减少编解码器间的语义差距	NA	解决SAR图像中水体提取时山体阴影与水体混淆、连续水体复杂边界细节提取困难的问题	SAR图像中的水体区域	计算机视觉	NA	SAR遥感技术	深度学习网络	SAR图像	青藏高原地区的Sentinel-1 SAR数据	NA	LGFUNet, U-Net, Swin-UNet, SCUNet++	NA	NA
9166	2025-10-06	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	研究论文	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表现	首次系统比较基于图像和加速度计的睡眠姿势识别方法，并分析各自在医疗应用中的适用性	图像方法对左侧卧和仰卧姿势识别性能略低，未详细说明数据集的具体来源和规模	评估不同技术在睡眠姿势识别中的性能，为医疗监测应用提供技术选型参考	睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态）	计算机视觉	睡眠呼吸暂停	数据增强（旋转、反射、缩放、平移），特征提取（信号总和、标准差、最大值、尖峰计数）	CNN, 前馈神经网络	图像, 加速度计数据	NA	NA	VGG16	准确率, 精确率, 召回率	NA
9167	2025-10-06	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和神经网络从电磁场数据重建完美电导体的形状	将直接采样法与U-net神经网络相结合处理横向电波逆散射问题，通过正则化因子改善成像质量	NA	提高完美电导体形状重建的精度和效率	完美电导体的电磁散射特性	计算电磁学	NA	电磁场传感，直接采样法，矩量法	U-net	电磁场散射数据	NA	NA	U-net	重建误差率	NA
9168	2025-10-06	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	提出一种用于电动汽车电池多单元电压预测和荷电状态估计的增强级联深度学习框架	首个在热带气候下验证的基于深度学习的电池管理系统优化方案，采用两级LSTM框架处理高温环境下的电压波动	研究主要针对热带气候条件，在其他气候区域的适用性需要进一步验证	提高电动汽车电池管理系统在热带气候下的运行效能和安全性	120单元磷酸铁锂电池组	机器学习	NA	测功机测试	LSTM	多元时间序列数据	120个电池单元，模拟城市驾驶条件（速度6-40 km/h，负载变化0%、10%、20%）	NA	两级LSTM网络（LSTM-1用于电压预测，LSTM-2用于SoC估计）	SoC估计准确度	NA
9169	2025-10-06	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	提出一种基于统计差异表示的Transformer弱监督异质变化检测框架	提出结构相似性引导样本生成策略(S3G2)和统计差异表示Transformer(SDFormer)，通过迭代生成可靠伪标签解决标注数据缺乏问题	依赖内部人工参数调整，在缺乏可信标注数据场景下性能可能受限	提高异质图像变化检测的准确性和鲁棒性	多时相异质遥感图像	计算机视觉	NA	深度学习，域适应	Transformer	多传感器遥感图像	多个公共异质变化检测数据集	NA	SDFormer	准确性，鲁棒性	NA
9170	2025-10-06	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	研究论文	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	结合扩散模型和测试时训练(TTT)方法，通过数据再生解决小样本条件下的机械故障诊断问题	在实验室条件下记录的小数据量可能限制模型性能	机械磨损故障的诊断与定位	航空发动机机械磨损故障	机器学习	NA	扩散模型，测试时训练(TTT)	扩散模型	特征数据	实验室条件下的小量数据	NA	扩散模型	准确率	NA
9171	2025-10-06	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	提出基于YOLOv8的HGCS-Det模型，用于复杂场景下的生活垃圾定位与识别	引入归一化注意力模块校准目标注意力，采用注意力特征融合模块平衡特征贡献，建立实例边界增强模块捕获细粒度特征，应用Slide Loss函数动态加权难样本	NA	解决复杂场景下垃圾检测面临的精度和实时性挑战	生活垃圾	计算机视觉	NA	深度学习	YOLOv8	图像	HGI30公开数据集	NA	YOLOv8, HGCS-Det	mAP, FPS	轻量级架构，适用于资源受限环境和嵌入式设备
9172	2025-10-06	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	提出基于IMU传感器和深度学习模型的篮球进球状态实时识别系统	首次将IMU传感器与多种深度学习模型结合用于篮球进球状态实时识别，CNN-LSTM-Attention模型达到87.79%的识别准确率	NA	开发实时识别篮球进球状态的系统，用于投篮技能分析和运动表现评估	篮球投篮场景，包括篮板球、空心入网、其他投篮和未命中四种状态	机器学习	NA	惯性测量单元(IMU)传感技术	CNN,RNN,LSTM,CNN-LSTM,CNN-LSTM-Attention	传感器数据(加速度、角速度、角度变化)	NA	NA	CNN-LSTM-Attention,CNN-LSTM,CNN,RNN,LSTM	准确率	NA
9173	2025-10-06	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	提出Multi-HCNet深度学习模型用于解决高通滤波环境下电力网络频率信号检测的挑战	首次针对高通滤波环境设计专用深度学习模型，通过高阶谐波滤波器补偿基频损失，并提出分组多通道自适应注意力机制区分不同频率信号	未明确说明模型在不同信噪比条件下的鲁棒性及计算复杂度分析	提升高通滤波环境下电力网络频率信号的检测性能	音频信号中的电力网络频率信号	信号处理	NA	深度学习	CNN	音频信号	NA	NA	Multi-HCNet	准确率	NA
9174	2025-10-06	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数据，构建分段线性降雨累积函数，并采用改进的ResNet-101模型进行降雨强度分类	对完全未见过区域的泛化能力仍具挑战性，特别是对高强度降雨的预测	改进多普勒雷达的实时降雨估算精度	多普勒雷达降水估算和公民科学雨量计观测数据	机器学习	NA	深度学习，雷达降水估算	CNN	降雨序列数据，雨量计观测数据	经过时空一致性过滤验证的公民科学雨量计数据	PyTorch/TensorFlow	ResNet-101	准确率，精确率，召回率，F1分数	NA
9175	2025-10-06	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	提出一种结合EfficientNetB0和ResNet50的混合深度学习模型EffRes-DrowsyNet，用于驾驶员疲劳检测	首次将EfficientNetB0的计算效率与ResNet50的深度表征能力相结合，构建混合架构	NA	通过视频分析检测驾驶员疲劳早期迹象，提升道路安全	驾驶员疲劳状态	计算机视觉	NA	视频分析	CNN	视频	三个基准数据集：SUST-DDD、YawDD和NTHU-DDD	NA	EfficientNetB0, ResNet50	准确率, 精确率, 召回率	NA
9176	2025-10-06	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	本文系统综述了深度学习技术在果蔬采摘机器人视觉感知、路径规划和智能控制等核心环节的应用现状与挑战	首次全面梳理深度学习在果蔬采摘机器人中的核心应用体系，系统分析技术瓶颈并展望未来发展方向	未涉及具体实验验证，主要基于文献分析进行理论探讨	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	果蔬采摘机器人的关键技术环节	计算机视觉	NA	深度学习	NA	多模态数据	NA	NA	NA	感知精度	NA
9177	2025-10-06	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分析	引入融合块增强多角度特征融合和轻量分割头提升推理速度，有效结合局部和全局特征	NA	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	遥感技术	Transformer	图像	GDCLD数据集	NA	编码器-解码器架构	mIoU,准确率,F1分数,kappa值,精确率,召回率	NA
9178	2025-10-06	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新型网络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，集成CBAM和GAP模块优化局部和全局特征捕获	NA	提高人机交互中面部表情识别的特征表示和识别准确率	面部表情识别	计算机视觉	NA	深度学习	CNN	图像	FER2013和CK+两个标准数据集	NA	CAGNet, CBAM, GAP	准确率	NA
9179	2025-10-06	Remaining Useful Life Prediction of Bearings via Semi-Supervised Transfer Learning Based on an Anti-Self-Healing Health Indicator 2025-Jun-11, Sensors (Basel, Switzerland) DOI:10.3390/s25123662 PMID:40573548	研究论文	本文提出了一种基于抗自愈健康指标和Transformer架构的半监督迁移学习方法，用于轴承剩余使用寿命预测	首次提出抗自愈健康指标(ASH-HI)解决轴承自愈现象问题，开发了无需寿命终止(EOL)数据的半监督迁移学习方法，并首次同时使用三个以上数据集进行迁移学习验证	未明确说明模型在工业实际应用中的部署挑战和计算效率问题	开发更准确的轴承剩余使用寿命预测方法	滚动轴承	机器学习	NA	功率谱密度分析，偏度参数选择	Transformer	信号特征	PHM 2012、NASA IMS和实验设置三个数据集	NA	Transformer	NA	NA
9180	2025-10-06	A Novel Bilateral Data Fusion Approach for EMG-Driven Deep Learning in Post-Stroke Paretic Gesture Recognition 2025-Jun-11, Sensors (Basel, Switzerland) DOI:10.3390/s25123664 PMID:40573553	研究论文	提出一种结合双侧数据融合的混合深度学习模型，用于识别脑卒中后偏瘫患者的手势肌电信号	开发了新型双侧数据融合方法，在训练中纳入非瘫痪肢体的EMG信号以提升小数据集下的模型性能	结果可能略低于传统监督学习算法，样本量相对较小	脑卒中后偏瘫患者的手势识别研究	25名表现出偏瘫临床特征的亚急性脑卒中患者	机器学习	脑卒中	肌电图（EMG）	CNN-LSTM	EMG信号	25名患者，两次采集时间点（数据集A中位时间16.0±8.6天，数据集B中位时间19.2±13.7天）	NA	一维卷积长短时记忆神经网络（1D CNN-LSTM）	准确率，灵敏度，特异性，F1分数	NA