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
141	2025-05-17	Correction: Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation 2025-Apr-29, JMIR AI DOI:10.2196/76150 PMID:40299541	correction	对一篇关于使用深度学习进行呼吸音分类的算法开发与验证的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
142	2025-05-17	Lung Cancer Risk Prediction in Patients with Persistent Pulmonary Nodules Using the Brock Model and Sybil Model 2025-Apr-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17091499 PMID:40361426	研究论文	评估Brock模型和Sybil模型在持续性肺结节患者中预测肺癌风险的表现	比较了基于临床和放射学特征的Brock模型与新型深度学习模型Sybil在肺癌风险预测中的表现，并尝试用机器学习模型优化风险评估	样本量相对较小，且仅基于医院队列，可能无法代表更广泛的人群	评估和优化持续性肺结节的肺癌风险预测模型	持续性肺结节患者	数字病理学	肺癌	CT扫描	Brock模型, Sybil模型, 逻辑回归模型	影像数据	回顾性队列130例，前瞻性队列301例
143	2025-05-17	Deep Learning-Based Multimode Fiber Distributed Temperature Sensing 2025-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s25092811 PMID:40363250	研究论文	本文提出了一种基于深度学习的多模光纤分布式温度传感方法，利用多模光纤产生的散斑图案进行高精度温度测量	采用双输出CNN模型同时预测温度和加热点位置，实现了高精度非接触式温度测量	未明确说明系统在极端温度条件下的性能表现	开发一种适用于危险环境的高精度温度传感方法	多模光纤温度传感器	机器学习	NA	深度学习	双输出CNN	图像(散斑图案)	未明确说明具体样本数量，但使用了多种类型的多模光纤进行实验
144	2025-05-17	Semantic-Aware Remote Sensing Change Detection with Multi-Scale Cross-Attention 2025-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s25092813 PMID:40363253	研究论文	提出了一种基于CNN的多尺度交叉注意力网络（MSCANet），用于遥感图像变化检测，以提高语义理解和检测准确性	引入了多尺度特征提取策略和交叉注意力模块，以增强模型对双时相图像间语义级变化的理解能力	未明确提及模型的局限性	改进遥感图像变化检测的准确性和语义理解能力	遥感图像	计算机视觉	NA	CNN	MSCANet	图像	三个公共数据集（LEVIR-CD、CDD和SYSU-CD）
145	2025-05-17	Comprehensive Serum Glycopeptide Spectra Analysis Combined with Machine Learning for Early Detection of Lung Cancer: A Case-Control Study 2025-Apr-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17091474 PMID:40361401	研究论文	通过结合全面的血清糖肽谱分析和机器学习技术，开发了一种用于肺癌早期检测的新方法	首次将血清糖肽谱分析与多种肿瘤标志物结合，并应用机器学习模型提高肺癌早期诊断的准确性	样本量相对有限（199例患者和590例健康志愿者），且需要进一步验证在其他人群中的适用性	开发一种非侵入性的血液检测方法，用于肺癌的早期诊断	肺癌患者和健康志愿者的血清样本	数字病理学	肺癌	液相色谱-质谱联用技术（LC-MS）	决策树和深度学习	质谱数据和临床数据	199例肺癌患者和590例健康志愿者
146	2025-05-17	A Deep Learning On-Board Health Monitoring Method for Landing Gear Shock-Absorbing Systems 2025-Apr-27, Sensors (Basel, Switzerland) DOI:10.3390/s25092767 PMID:40363205	research paper	提出了一种基于着陆过程中动态响应的深度学习机载健康监测方法，用于起落架减震系统	开发了一种深度学习模型LDGNet，用于减震器故障的健康监测，并通过多体动力学模型模拟不同健康状态和着陆条件下的动态响应	仅针对特定通用航空飞机的鼻轮起落架，未涉及其他类型飞机或起落架	开发一种机载健康监测方法，用于检测起落架减震系统的故障	通用航空飞机的鼻轮起落架减震系统	machine learning	NA	deep learning	LDGNet	dynamic responses	模拟数据库，具体样本数量未提及
147	2025-05-17	LiDAR Technology for UAV Detection: From Fundamentals and Operational Principles to Advanced Detection and Classification Techniques 2025-Apr-27, Sensors (Basel, Switzerland) DOI:10.3390/s25092757 PMID:40363196	review	本文系统探讨了基于LiDAR的无人机检测技术的最新进展，包括LiDAR传感器的原理和组件、基于不同参数和扫描机制的分类，以及LiDAR数据处理方法	深入探讨了LiDAR技术在无人机检测中的应用，并比较了仅基于LiDAR及其与其他传感器融合的研究，以及LiDAR与深度学习的实际应用	未提及具体实验数据或样本量，可能缺乏实证支持	探讨LiDAR技术在无人机检测中的应用及其挑战	无人机检测技术，特别是基于LiDAR的方法	computer vision	NA	LiDAR	deep learning	3D spatial data	NA
148	2025-05-17	Advanced Deep Learning and Machine Learning Techniques for MRI Brain Tumor Analysis: A Review 2025-Apr-26, Sensors (Basel, Switzerland) DOI:10.3390/s25092746 PMID:40363185	综述	本文综述了深度学习和机器学习技术在MRI脑肿瘤分析中的最新进展	系统分析了2018-2024年间107项研究，探讨了ML/DL方法如何显著改善脑肿瘤检测、分割、分类和生存预测等步骤	NA	提高脑肿瘤诊断的精确性和个性化治疗策略	脑肿瘤	数字病理学	脑肿瘤	MRI	ML, DL, 混合模型	医学影像	107项研究，涉及公开数据集如BraTS、TCIA和Figshare
149	2025-05-17	Personalizing Seizure Detection for Individual Patients by Optimal Selection of EEG Signals 2025-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s25092715 PMID:40363154	研究论文	本研究提出了一种创新的轻量级深度学习系统，用于个性化可穿戴设备中的实时癫痫发作检测	采用数据驱动机制自动选择每位患者最具信息量的头皮区域，仅使用两个通道的数据，提高了检测准确性和解释性	研究基于公开数据集CHB-MIT进行验证，可能需要在更广泛的患者群体中进行进一步测试	开发个性化、高效且紧凑的可穿戴设备，用于日常生活中的可靠癫痫发作检测	癫痫患者	数字病理学	癫痫	脑电图(EEG)	CNN	EEG信号	CHB-MIT公开数据集
150	2025-05-17	A Hybrid Deep Learning Approach for Bearing Fault Diagnosis Using Continuous Wavelet Transform and Attention-Enhanced Spatiotemporal Feature Extraction 2025-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s25092712 PMID:40363151	research paper	提出了一种结合连续小波变换和注意力增强时空特征提取的混合深度学习方法来诊断轴承故障	整合了连续小波变换与多头部自注意力、双向长短时记忆网络和一维卷积残差网络，有效捕捉时空依赖性并增强噪声鲁棒性	仅在实验室轴承数据集和部分Paderborn轴承数据集上进行了验证，需要更多实际工业场景的测试	开发一种高精度的轴承故障诊断方法	轴承振动信号	machine learning	NA	continuous wavelet transform (CWT)	multi-head self-attention (MHSA), bidirectional long short-term memory (BiLSTM), 1D convolutional residual network (1D conv ResNet)	vibration signals	实验室轴承数据集和部分Paderborn轴承数据集
151	2025-05-17	Preliminary Study on Sensor-Based Detection of an Adherent Cell's Pre-Detachment Moment in a MPWM Microfluidic Extraction System 2025-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s25092726 PMID:40363163	research paper	本研究探讨了在MPWM微流体提取系统中基于传感器的贴壁细胞预脱离时刻检测方法	结合微机电系统、微流体抽吸回路、实时CCD成像和计算分析，创新性地检测和表征细胞预脱离时刻	研究处于初步阶段，尚未进行大规模验证	优化贴壁细胞的非侵入性提取方法，提高细胞存活率	B16小鼠黑色素瘤细胞	生物医学工程	黑色素瘤	微流体脉冲宽度调制(MPWM)、实时CCD成像、深度学习算法	深度学习算法	视频图像	NA
152	2025-05-17	A Tree Crown Segmentation Approach for Unmanned Aerial Vehicle Remote Sensing Images on Field Programmable Gate Array (FPGA) Neural Network Accelerator 2025-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s25092729 PMID:40363175	研究论文	本文提出了一种基于FPGA神经网络加速器的树冠分割方法，用于无人机遥感图像处理	设计了一种轻量级神经网络U-Net-Light，并在FPGA上实现实时推理，显著降低了延迟和系统资源消耗	仅针对两种树种（油松和旱柳）进行测试，未验证在其他树种上的泛化能力	开发一种适用于无人机平台的实时树冠分割方法	无人机采集的油松和旱柳树冠图像	计算机视觉	NA	FPGA加速	U-Net-Light（基于U-Net和VGG16）	图像	北京昌平京豫生态林场采集的油松和旱柳无人机图像数据集
153	2025-05-17	Understanding the Impact of Deep Learning Model Parameters on Breast Cancer Histopathological Classification Using ANOVA 2025-Apr-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17091425 PMID:40361352	research paper	该研究探讨了深度学习模型参数对乳腺癌组织病理学分类性能的影响	使用ANOVA方法分析弱监督深度学习模型参数变化对乳腺癌检测性能的影响	NA	分析模型参数变化对乳腺癌检测性能的影响，以提高AI模型在医疗环境中的有效性和可靠性	乳腺癌组织病理学分类	digital pathology	breast cancer	ANOVA	weakly supervised deep learning model	image	NA
154	2025-05-17	VFQB: A Novel Deep Learning Model for Rolling Bearing Fault Diagnosis 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092678 PMID:40363117	research paper	提出了一种名为VFQB的新型深度学习模型，用于滚动轴承故障诊断，通过结合VMD/FFT-Quadratic-BiGRU方法显著提高了复杂环境下弱故障特征的捕捉能力	结合了VMD、FFT、二次神经网络输入、BiGRU模块和注意力机制，显著提升了在复杂环境下对弱故障特征的捕捉能力和诊断准确率	NA	提高滚动轴承在复杂环境下的故障诊断准确率	滚动轴承的振动信号	machine learning	NA	VMD, FFT	BiGRU, attention mechanism	vibration signals	两个数据集（具体数量未提及）
155	2025-05-17	Trinocular Vision-Driven Robotic Fertilization: Enhanced YOLOv8n for Precision Mulberry Growth Synchronization 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092691 PMID:40363130	研究论文	本研究提出了一种基于深度学习的智能叶面施肥系统，用于解决气雾栽培中桑树根系发育延迟的问题	改进了YOLOv8n模型，引入了AFPN、MSBlock模块优化特征提取，采用动态ATSS标签分配策略，并使用Focal_XIoU损失函数替代CIoU	NA	解决桑树在气雾栽培中因枝条和芽生长不同步导致的根系发育延迟问题	桑树	计算机视觉	NA	深度学习	YOLOv8n	图像	NA
156	2025-05-17	YOLO-BCD: A Lightweight Multi-Module Fusion Network for Real-Time Sheep Pose Estimation 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092687 PMID:40363127	research paper	本研究开发了一种名为YOLOv8-BCD的优化深度学习框架，专门用于绵羊姿态识别，以提高实时监测动物姿态的效率和准确性	1) 通过双向跨层连接实现自适应多尺度特征聚合 2) 上下文感知注意力加权以突出关键区域 3) 针对资源受限设备进行精简检测头优化	NA	开发一个平衡计算效率和检测准确性的深度学习框架，用于实时监测绵羊姿态	绵羊的三种特征姿态（站立、躺卧和侧卧）	computer vision	NA	深度学习	YOLOv8-BCD	image	1476张标注图像
157	2025-05-17	Smartphone-Based Deep Learning System for Detecting Ractopamine-Fed Pork Using Visual Classification Techniques 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092698 PMID:40363136	研究论文	本研究提出了一种基于智能手机的深度学习系统，用于通过视觉分类技术检测含有莱克多巴胺的猪肉	开发了一种三阶段的视觉检测系统，结合MobileNet模型，实现了对猪肉部位、来源及莱克多巴胺含量的高精度分类	猪肉来源分类和莱克多巴胺检测的准确率仍有提升空间（分别为79.11%和80.67%）	解决消费者对进口含莱克多巴胺猪肉的识别需求，提升肉类真实性验证和市场透明度	北美（美国和加拿大）进口的含莱克多巴胺猪肉与台湾本地猪肉	计算机视觉	NA	视觉分类技术	MobileNet	图像	未明确说明样本数量
158	2025-05-17	Research and Optimization of White Blood Cell Classification Methods Based on Deep Learning and Fourier Ptychographic Microscopy 2025-Apr-24, Sensors (Basel, Switzerland) DOI:10.3390/s25092699 PMID:40363138	研究论文	本文提出了一种基于深度学习和傅里叶叠层显微技术的白细胞分类优化方法CCE-YOLOv7，旨在提高分类准确性和模型效率	1) 设计了结合CNN局部模式提取和Transformer全局上下文推理的Conv2Former主干网络 2) 采用CARAFE上采样算子提升特征图质量 3) 引入EMA模块优化多尺度特征融合 4) 使用Soft-NMS改善密集或重叠细胞场景下的检测性能	NA	提升白细胞分类的准确性和计算效率	白细胞图像	数字病理	血液疾病	傅里叶叠层显微技术(FPM)	CCE-YOLOv7 (基于YOLOv7改进)	图像	使用FPM系统获取的白细胞图像数据集
159	2025-05-17	Guided Filter-Inspired Network for Low-Light RAW Image Enhancement 2025-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s25092637 PMID:40363077	research paper	提出了一种基于引导滤波启发的网络（GFNet），用于低光照RAW图像增强任务	GFNet以引导滤波的方式融合源图像，在网络中推断系数，从而更好地捕捉源图像之间的内在关联，保留细节并减少噪声	当前基于融合的方法未能充分探索源图像之间的物理相关性，导致无法充分利用不同源图像提供的互补信息	提高低光照RAW图像增强的性能	低光照RAW图像	computer vision	NA	deep learning	GFNet	image	NA
160	2025-05-17	SECrackSeg: A High-Accuracy Crack Segmentation Network Based on Proposed UNet with SAM2 S-Adapter and Edge-Aware Attention 2025-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s25092642 PMID:40363082	研究论文	提出了一种基于改进UNet架构的高精度裂缝分割网络SECrackSeg，结合了SAM2 S-Adapter和边缘感知注意力机制	1) 使用冻结骨干的SAM2 S-Adapter增强低数据场景下的泛化能力；2) 采用多尺度空洞卷积模块促进多尺度特征融合；3) 引入MI上采样减少上采样过程中的特征损失；4) 实施边缘感知注意力机制提高裂缝边缘分割精度	未明确提及具体限制，但传统深度学习方法在有限样本下的泛化能力差和细粒度特征提取不足的问题可能仍然存在	提高裂缝分割的精度和鲁棒性，用于结构健康监测和基础设施维护	裂缝图像	计算机视觉	NA	深度学习	UNet, SAM2	图像	CFD、Crack500和DeepCrack数据集