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
101	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
102	2025-09-23	Automated Deep Learning Approach for Post-Operative Neonatal Pain Detection and Prediction through Physiological Signals 2025-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems DOI:10.1109/cbms65348.2025.00164 PMID:40978767	研究论文	提出一种结合生理信号监测与深度学习的新生儿术后疼痛自动检测与预测方法	首次实现基于生理信号的早期疼痛预测(EPD)，可提前5-10分钟预警疼痛发作	NA	开发新生儿术后疼痛的自动检测与预测系统	新生儿重症监护室(NICU)的术后新生儿	计算机视觉/深度学习	新生儿术后疼痛	深度学习	深度学习模型	生理信号数据(心率、呼吸频率、血氧饱和度)	NA
103	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）
104	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）
105	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
106	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
107	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
108	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）
109	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
110	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
111	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
112	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）
113	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
114	2025-09-23	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	结合低频深度学习检测与经典高速跟踪的混合框架，并提出基于检测标签的跟踪器管理策略	NA	平衡实时性能、跟踪精度和跨环境鲁棒性的高速多目标跟踪系统	视频序列中的多目标运动轨迹	计算机视觉	NA	深度学习、实时图像处理	混合跟踪框架（深度学习+经典跟踪）	高速摄像机视频数据	6种场景下的性能评估（跟踪2-4个对象）
115	2025-09-23	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，用于无人机图像中的枯死松木检测	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降低开放环境下的干扰	未明确说明模型对极端天气条件或不同季节变化的适应性	开发能够识别未知干扰物体的枯死松木检测方法	松树林中的枯死松木	计算机视觉	松材线虫病	深度学习	半监督开放集检测框架	无人机图像	7733张无人机图像
116	2025-09-23	Deep Learning of Cellular Metabolic Flux Distributions Predicts Lifespan 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.22.623650 PMID:39651232	研究论文	本研究通过深度学习模型分析酵母代谢通量分布，成功预测其复制寿命的变异	首次发现代谢网络通量配置可完全解释寿命变异，并识别出三种与寿命相关的代谢稳定状态	研究仅限于单细胞酵母模型，尚未在复杂多细胞生物中验证	探究代谢网络通量分布与寿命变异之间的因果关系	单倍体单细胞酵母的812个可行基因敲除突变体	机器学习	衰老相关疾病	代谢网络模型分析、基因敲除技术	回归神经网络(RNN)、分类神经网络(CfNN)、卷积神经网络(CNN)、主成分分析(PCA)	代谢通量分布数据、复制寿命数据	406,500个通量分布（来自812个突变体）和66,400个单个细胞的寿命数据
117	2025-09-23	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	提出一种基于轨迹引导的时空点云学习方法，用于抑制室内毫米波雷达的虚假目标问题	将多目标跟踪与点云深度学习相结合，通过轨迹特征聚合和特征广播有效融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假目标问题，提升雷达可靠性	室内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（具体样本数量未说明）
118	2025-09-23	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	提出基于深度学习的YOLO-CS算法，用于沥青路面热再生预处理过程中的裂缝密封剂检测	首次创建专门用于裂缝密封剂检测的数据集，并提出集成RepViT网络和DRBNCSPELAN模块的轻量级检测算法YOLO-CS	缺乏专门的裂缝密封剂检测数据集，复杂背景噪声干扰检测精度	提高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）	图像	1983张路面图像
119	2025-09-23	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	本文对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	系统分类机器学习技术在物联网安全中的应用，提出安全威胁分类法并评估解决方案的可扩展性、计算效率和隐私保护能力	指出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等局限	为开发鲁棒、智能和自适应的物联网安全解决方案提供结构化框架	物联网安全解决方案及相关机器学习技术	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	深度学习、集成学习模型	网络安全数据	NA
120	2025-09-23	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	提出结合多传感器融合与RandLA-Net的电力塔点云分割方法	采用LiDAR与双目深度相机融合方案，结合FAST-LIO算法实现时空同步，构建彩色点云数据集并优化RandLA-Net框架	NA	实现复杂环境下电力塔的智能识别与监控	电力输电塔	计算机视觉	NA	LiDAR、双目深度相机、FAST-LIO算法	RandLA-Net	点云数据	包含超千万点的点云数据集