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
13881	2025-10-07	Wave-Net: A Marine Raft Aquaculture Area Extraction Framework Based on Feature Aggregation and Feature Dispersion for Synthetic Aperture Radar Images 2025-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s25072207 PMID:40218720	研究论文	提出一种基于特征聚合和特征分散的Wave-Net框架，用于从合成孔径雷达图像中提取海洋筏式养殖区域	采用非对称V形子网络进行特征聚合和非对称Ʌ形子网络进行特征分散，解决了多尺度结构边界模糊问题	在有限样本条件下进行实验	提高海洋筏式养殖区域的边界分割精度	合成孔径雷达图像中的海洋筏式养殖区域	计算机视觉	NA	合成孔径雷达成像	深度学习语义分割	合成孔径雷达图像	有限样本	NA	Wave-Net, 非对称V形子网络, 非对称Ʌ形子网络	分割精度	NA
13882	2025-10-07	A Decade of Progress in Wearable Sensors for Fall Detection (2015-2024): A Network-Based Visualization Review 2025-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s25072205 PMID:40218718	综述	本文采用网络可视化方法分析2015-2024年可穿戴跌倒检测传感器的研究趋势、关键技术与合作网络	首次运用CiteSpace工具对可穿戴跌倒检测领域进行网络可视化分析，揭示研究趋势与合作模式	主要基于SCI和SSCI索引期刊，可能未涵盖其他重要文献；分析结果受限于所选数据库	系统回顾可穿戴跌倒检测传感器十年发展历程，识别研究热点与未来方向	582篇研究论文和65篇综述文献	机器学习	老年疾病	网络可视化分析	传统机器学习方法,深度学习框架	文献元数据	647篇文献（582篇研究论文+65篇综述）	CiteSpace	NA	准确率,F1分数,灵敏度,特异性	NA
13883	2025-10-07	A Robust Method Based on Deep Learning for Compressive Spectrum Sensing 2025-Mar-30, Sensors (Basel, Switzerland) DOI:10.3390/s25072187 PMID:40218700	研究论文	提出一种基于深度学习的压缩频谱感知方法，通过BEISTA-Net和BSWSS-Net网络联合提升宽频带频谱信号的重建与感知性能	将迭代收缩阈值算法与深度学习相结合，有效提取和增强宽频带频谱信号的块稀疏特征，并提出轻量级网络BSWSS-Net优化频谱感知性能	未明确说明方法在极端噪声环境下的鲁棒性及计算复杂度分析	解决认知无线电中压缩频谱感知的重建精度和效率问题	宽频带频谱信号	机器学习	NA	压缩频谱感知	深度学习	频谱信号	NA	NA	BEISTA-Net, BSWSS-Net	重建精度	NA
13884	2025-10-07	Performance Analysis of Data Augmentation Approaches for Improving Wrist-Based Fall Detection System 2025-Mar-29, Sensors (Basel, Switzerland) DOI:10.3390/s25072168 PMID:40218681	研究论文	分析不同数据增强方法对基于手腕的跌倒检测系统性能的提升效果	首次将条件扩散模型应用于手腕跌倒检测数据增强，仅使用25%真实数据即可提升F1分数6.58%	未详细说明实验数据集的具体规模和来源限制	通过数据增强方法解决手腕跌倒检测系统中的类别不平衡和数据稀缺问题	老年人跌倒检测数据	机器学习	老年疾病	数据增强技术	条件扩散模型	传感器时序数据	仅使用25%实际数据的条件下进行实验	NA	条件扩散模型	F1分数	NA
13885	2025-10-07	Edge_MVSFormer: Edge-Aware Multi-View Stereo Plant Reconstruction Based on Transformer Networks 2025-Mar-29, Sensors (Basel, Switzerland) DOI:10.3390/s25072177 PMID:40218688	研究论文	提出基于Transformer网络的边缘感知多视角立体植物重建方法Edge_MVSFormer	集成边缘检测算法增强边缘信息输入，并引入边缘感知损失函数以提升植物叶片边缘重建精度	仅使用10种模型植物进行测试，样本规模有限	提升多视角立体植物三维重建的精度，特别是边缘区域的重建质量	植物叶片边缘和整体三维结构	计算机视觉	NA	多视角立体视觉(MVS)	Transformer	RGB图像,深度图像,点云	10种模型植物的私有数据	NA	TransMVSNet,Edge_MVSFormer	边缘误差,整体重建误差	NA
13886	2025-10-07	Real-Time American Sign Language Interpretation Using Deep Learning and Keypoint Tracking 2025-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s25072138 PMID:40218651	研究论文	提出了一种结合深度学习和关键点跟踪的实时美国手语解释系统	将YOLOv11手势识别模型与MediaPipe手部跟踪技术相结合，实现高精度实时ASL字母识别	NA	开发实时美国手语解释系统以增强可访问性和促进包容性	美国手语字母表	计算机视觉	NA	关键点跟踪	CNN	图像	NA	MediaPipe	YOLOv11	mAP@0.5	NA
13887	2025-10-07	Deep Learning-Based River Flow Forecasting with MLPs: Comparative Exploratory Analysis Applied to the Tejo and the Mondego Rivers 2025-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s25072154 PMID:40218665	研究论文	基于多层感知器(MLP)模型开发河流流量预测服务，并在葡萄牙特茹河和蒙德古河进行应用验证	将MLP模型作为远程服务应用于河流流量预测，结合现代数据驱动方法与传统水文气象数据源	仅针对特定河流场景和数据集进行验证，模型性能可能受限于数据质量和区域特性	创建和改进作为远程服务运行的AI模型，提供未来3天精确及时的河流流量预测	葡萄牙特茹河和蒙德古河的水文数据	机器学习	NA	水文数据分析	MLP	水文数据	葡萄牙国家水资源信息系统(SNIRH)的全面水文数据	NA	多层感知器	准确性	NA
13888	2025-10-07	Dual-Ascent-Inspired Transformer for Compressed Sensing 2025-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s25072157 PMID:40218669	研究论文	提出一种受双上升法启发的Transformer架构，用于图像压缩感知任务，能够在不同压缩比下保持稳定性能	将双上升法的数学特性融入Transformer架构设计，创建非对称原始-对偶空间，并通过参数共享优化交叉注意力模块	论文未明确讨论模型在极端压缩比下的性能表现以及在大规模数据集上的泛化能力	开发一种能够适应不同压缩比且训练成本低的图像压缩感知深度学习方法	图像压缩感知重建	计算机视觉	NA	压缩感知	Transformer	图像	NA	NA	Dual-Ascent-Inspired Transformer (DAT)	PSNR	NA
13889	2025-10-07	DMC-LIBSAS: A Laser-Induced Breakdown Spectroscopy Analysis System with Double-Multi Convolutional Neural Network for Accurate Traceability of Chinese Medicinal Materials 2025-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s25072104 PMID:40218616	研究论文	提出基于双多重卷积神经网络的激光诱导击穿光谱分析系统，用于中药材产地溯源	首次将双多重卷积神经网络与激光诱导击穿光谱技术结合，开发了端到端的溯源系统	NA	开发准确的中药材产地溯源技术	中药材	计算机视觉	NA	激光诱导击穿光谱	CNN	光谱数据	NA	NA	双多重卷积神经网络	准确率	NA
13890	2025-10-07	MicrocrackAttentionNext: Advancing Microcrack Detection in Wave Field Analysis Using Deep Neural Networks Through Feature Visualization 2025-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s25072107 PMID:40218619	研究论文	本研究提出了一种用于波场分析中微裂纹检测的非对称编码器-解码器网络，通过特征可视化优化模型性能	提出了具有自适应特征重用块的非对称编码器-解码器网络，并利用流形发现分析算法进行特征空间可视化	数据集存在极端类别不平衡问题，裂纹像素仅占样本总像素的5%，且时空维度数据量有限	改进深度学习模型在微裂纹检测中的性能，解决类别不平衡问题	波场与损伤区域相互作用产生的高维时空裂纹数据	计算机视觉	NA	波场分析	深度神经网络	时空裂纹数据	NA	NA	非对称编码器-解码器网络	准确率	NA
13891	2025-10-07	Enhancing Historical Aerial Photographs: A New Approach Based on Non-Reference Metric and Photo Interpretation Elements 2025-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s25072126 PMID:40218638	研究论文	提出一种基于无参考图像质量评估和照片判读要素的历史航拍图像增强新方法	采用基于照片判读要素的分层数据集结构，并分别训练不同类别图像，最后通过BRISQUE指标选择最佳区域拼接最终图像	未提及模型参数数量限制可能影响性能，且仅针对灰度历史航拍照片	提高历史航拍照片的图像质量	灰度历史航拍照片	计算机视觉	NA	超分辨率技术	基础超分辨率模型	图像	包含裸地/林业区、居民区和农田区三个类别的图像数据集	NA	NA	BRISQUE, 视觉判读, 基于参考的图像质量指标	NA
13892	2025-10-07	Design and Development of a Public AI Referee Assistance System Based on Harmony OS Platform 2025-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s25072127 PMID:40218639	研究论文	基于Harmony OS平台开发了一个面向羽毛球比赛的AI裁判辅助系统，通过计算机视觉技术实现界内外判罚和发球违例检测	将商业级鹰眼系统简化为适合公众使用的小型系统，结合Harmony OS平台和YOLOV5算法，降低了硬件投入和专业门槛	系统主要面向学生群体，可能在其他用户群体或更复杂比赛场景中的适用性有限	开发一个低成本、易用的AI裁判辅助系统，解决羽毛球比赛中裁判资源稀缺的问题	羽毛球比赛中的争议判罚，包括界内外判断和发球违例	计算机视觉	NA	深度学习目标检测，姿态识别	CNN	视频	NA	MediaPipe	YOLOV5	准确率	Harmony OS平台
13893	2025-10-07	A Deep Learning Approach for Distant Infrasound Signals Classification 2025-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s25072058 PMID:40218571	研究论文	提出基于次声信号时空特征的深度学习分类框架，用于远距离次声信号分类	结合先进信号处理技术、信号增强算法和深度学习架构，针对远距离检测场景设计新型分类框架	NA	提高远距离次声信号的分类准确率	化学爆炸和地震产生的次声信号	信号处理	NA	信号处理技术, 信号增强算法	深度学习	次声信号	NA	NA	NA	准确率	NA
13894	2025-10-07	A Hybrid Deep Learning and Improved SVM Framework for Real-Time Railroad Construction Personnel Detection with Multi-Scale Feature Optimization 2025-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s25072061 PMID:40218575	研究论文	提出一种结合改进支持向量机和深度学习的铁路施工人员实时检测框架	将改进支持向量机与Inception v3多尺度特征提取相结合，并采用非局部均值降噪和直方图均衡化预处理技术	NA	提高铁路施工现场人员检测的实时性和准确性	铁路施工人员	计算机视觉	NA	图像处理	ISVM, CNN	图像	NA	NA	Inception v3	准确率, 实时性能	NA
13895	2025-10-07	Reinforcement Q-Learning-Based Adaptive Encryption Model for Cyberthreat Mitigation in Wireless Sensor Networks 2025-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s25072056 PMID:40218569	研究论文	提出一种基于强化学习的自适应加密框架，用于无线传感器网络中的网络威胁缓解	结合深度学习异常检测和双Q学习机制，通过混合策略推导算法动态调整加密级别	仅在模拟环境中进行实验验证，缺乏真实网络环境测试	开发资源受限无线传感器网络的自适应安全机制	无线传感器网络中的数据传输安全	机器学习	NA	强化学习，深度学习	Q-learning, Double Q-learning	网络状态数据，威胁分类数据	模拟无线传感器网络环境中的多种网络攻击场景	NA	马尔可夫决策过程，ϵ-greedy探索利用机制	能耗降低率，包传输率，缓解效率，延迟降低率	NA
13896	2025-10-07	Deep Reinforcement Learning-Enabled Computation Offloading: A Novel Framework to Energy Optimization and Security-Aware in Vehicular Edge-Cloud Computing Networks 2025-Mar-25, Sensors (Basel, Switzerland) DOI:10.3390/s25072039 PMID:40218550	研究论文	提出一种基于深度强化学习的计算卸载框架，用于优化车联网边缘-云计算网络中的能源效率和安全性	结合动态负载均衡算法、无人机资源增强、AES动态加密和上下文感知边缘缓存策略的多层次创新框架	未明确说明实验规模和数据集的详细配置，大规模实际部署效果有待验证	解决车联网边缘计算中的能源优化和安全保障问题	车联网边缘-云计算网络中的计算任务卸载	机器学习	NA	深度强化学习，动态负载均衡，AES加密	深度强化学习	网络参数数据（计算负载、信道容量、延迟）	NA	NA	NA	能耗节省	NA
13897	2025-10-07	Wavelet-Based Topological Loss for Low-Light Image Denoising 2025-Mar-25, Sensors (Basel, Switzerland) DOI:10.3390/s25072047 PMID:40218560	研究论文	提出一种结合拓扑不变性和小波域纹理信息的图像去噪损失函数，用于低光照图像去噪	首次将拓扑不变量与小波域纹理信息结合到去噪损失函数中，能够更好地保留图像结构和纹理信息	依赖于训练数据的质量和多样性，对真实噪声的假设可能不完全准确	解决真实噪声下的图像去噪问题，提升去噪算法的性能	低光照条件下的含噪图像	计算机视觉	NA	小波变换	CNN	图像	BVI-Lowlight数据集	NA	NA	LPIPS	NA
13898	2025-10-07	Integrating Color and Contour Analysis with Deep Learning for Robust Fire and Smoke Detection 2025-Mar-25, Sensors (Basel, Switzerland) DOI:10.3390/s25072044 PMID:40218557	研究论文	提出一种结合颜色特征分析和轮廓算法的混合预处理方法与深度学习相结合的串联卷积神经网络模型，用于鲁棒的火和烟雾检测	将传统图像处理方法与深度学习相结合，采用混合预处理增强感兴趣区域，同时具备火和烟雾双重检测能力	预处理步骤增加了少量计算开销	开发可靠准确的火和烟雾检测系统以提高安全性	火和烟雾的视觉检测	计算机视觉	NA	颜色特征分析、轮廓检测算法	CNN	图像	D-Fire基准数据集，包含多种场景和光照条件	NA	串联卷积神经网络	准确率, 召回率	NA
13899	2025-10-07	Advances in Deep Learning for Semantic Segmentation of Low-Contrast Images: A Systematic Review of Methods, Challenges, and Future Directions 2025-Mar-25, Sensors (Basel, Switzerland) DOI:10.3390/s25072043 PMID:40218556	系统综述	系统综述低对比度图像语义分割领域的最新深度学习方法、挑战和未来方向	全面评估了注意力机制、多尺度特征提取和CNN与Vision Transformer混合架构等先进技术，将有效感受野扩展并优化信息流	缺乏多样化的标注低对比度图像数据集，基于Transformer的模型计算需求高	提升低对比度场景下语义分割的准确性	低对比度图像	计算机视觉	NA	深度学习	CNN, Vision Transformer	图像	25个模型在多个基准数据集上的评估	NA	CNN, Vision Transformer, 混合架构	mIoU, Dice系数, 计算效率, 鲁棒性	NA
13900	2025-10-07	Color-Coded Compressive Spectral Imager Based on Focus Transformer Network 2025-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s25072006 PMID:40218519	研究论文	提出一种基于焦点变换器网络的彩色编码压缩光谱成像方法，用于从二维压缩测量中重建三维高光谱图像	结合彩色编码孔径和RGB探测器实现更高自由度的空谱调制，并开发了F-MST深度学习网络提高重建效率	NA	降低压缩光谱成像系统复杂度并提高高光谱图像重建性能	三维高光谱图像	计算机视觉	NA	压缩光谱成像	Transformer	光谱图像	NA	深度学习	Focus-based Mask-guided Spectral-wise Transformer (F-MST)	图像质量	NA