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
1581	2025-10-05	A Deep Learning-Based Model Approach for Quantitative Analysis of Cell Chemotaxis in a Microfluidic Chip 2025-Jun-03, Sensors (Basel, Switzerland) DOI:10.3390/s25113515 PMID:40969071	研究论文	提出了一种基于微流控技术和深度学习的细胞趋化性定量分析方法	将微流控技术与深度学习相结合，实现细胞趋化性的自动计数和分析	NA	开发快速准确的细胞趋化性定量分析方法	细胞趋化性	计算机视觉	NA	微流控技术	深度学习	细胞图像	NA	NA	NA	准确性,可重复性	NA
1582	2025-10-05	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与预测模型集成到PID控制回路中，以优化外骨骼机器人扭矩整合并消除系统不确定性	研究仅涉及12名健康受试者，未在卒中患者中进行验证	增强上肢辅助外骨骼的控制效果，帮助卒中患者改善手臂运动功能	上肢外骨骼机器人（肘关节）和健康受试者的上肢肌肉活动	机器学习	卒中	高密度表面肌电图（HD-sEMG）	LSTM, BLSTM, GRU	二维肌电信号	12名健康受试者，采集5个上肢肌肉（肱二头肌、肱三头肌、肘肌、肱桡肌、旋前圆肌）在四种等长任务中的肌电数据	NA	长短期记忆网络、双向长短期记忆网络、门控循环单元	NA	NA
1583	2025-10-05	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	本研究开发了一种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	提出结合CNN和BiLSTM的混合架构，集成时间注意力机制和体重信息以优化预测精度	未明确说明样本规模和具体实验对象的特征限制	开发准确、便携且经济高效的足底压力分布预测方法	足底压力分布数据	机器学习	NA	惯性测量单元(IMU)	CNN, BiLSTM	传感器时序数据	NA	NA	CNN-BiLSTM混合架构	均方误差, 结构相似性指数	NA
1584	2025-10-05	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	提出一种基于时间序列融合网络模型CSF-RTDNet的赤潮检测方法，应用于东海GOCI数据	融合多时序GOCI数据捕获赤潮时空特征，引入NDVI增强特征区分度，结合ECA通道注意力机制和新型ASPC-DSC特征提取模块，集成ConvLSTM解决连续多日检测中的时序特征挖掘不足问题	方法主要针对东海区域GOCI数据，在其他海域和传感器数据的适用性有待验证	提高赤潮检测精度，实现连续多日赤潮动态监测	东海海域的赤潮现象	计算机视觉	NA	GOCI遥感数据	ConvLSTM, 注意力机制	多时序遥感图像	NA	NA	CSF-RTDNet, ASPC-DSC, ECA	准确率, 精确率, 召回率, Kappa系数	NA
1585	2025-10-05	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	本文提出了首个用于室内建筑元素分割和BIM建模的RGB-D数据集StructScan3D v1，并评估了基于Transformer的D-Former模型在该数据集上的语义分割性能	首个专门为室内建筑元素分割和BIM建模设计的RGB-D数据集，填补了该领域的数据空白	数据集仍在发展中，场景多样性有待扩展，注释需要进一步细化	推动计算机视觉和深度学习在建筑信息建模工作流程中的集成应用	室内建筑元素，包括墙壁、地板、天花板、窗户、门和杂项物体	计算机视觉	NA	RGB-D数据采集	Transformer	RGB-D图像	2594个标注帧，来自不同的室内环境（住宅和办公室空间）	NA	D-Former, Gemini, TokenFusion	平均交并比(mIoU)	NA
1586	2025-10-05	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，评估了协变量因素对识别性能的影响并探讨了实际应用挑战	系统分析协变量因素（如视角、服装、环境条件）对步态识别系统性能的影响，对比传统方法与深度学习技术	现有数据集存在局限性，先前研究常忽视协变量因素的影响	评估步态识别方法性能，分析协变量影响，为开发鲁棒的步态识别框架提供理论见解	人类步态识别系统	计算机视觉	NA	生物识别技术	深度学习	视频,图像	多种图像源数据库	NA	NA	NA	NA
1587	2025-10-05	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停车位可用性预测框架，能够显式建模认知不确定性和偶然不确定性	将贝叶斯神经网络应用于停车预测领域，首次同时建模认知和偶然不确定性，并集成上下文特征增强预测能力	贝叶斯神经网络计算复杂度较高，早期方法缺乏实时上下文集成	开发不确定性感知的停车可用性预测方法，减少交通拥堵并改善城市交通流动性	停车位占用率预测	智能交通系统	NA	贝叶斯神经网络	BNN, LSTM	时间序列数据，上下文特征数据	在不同训练数据条件下评估（90%，50%，10%训练数据）	NA	贝叶斯神经网络	准确率	NA
1588	2025-10-05	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的多维度失真特征网络(MDFN)，用于提升电网图像质量评估的准确性	结合高频和低频特征、噪声和亮度特征，设计频率选择模块实现全局空间信息融合，改进CLS令牌的使用方式	未明确说明模型在极端噪声条件下的性能边界和计算效率	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	NA	多维度失真特征网络(MDFN)，包含双分支特征提取器和频率选择模块(FSM)	NA	NA
1589	2025-10-05	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	提出一种基于双向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	首次将Mamba深度学习模型与因果发现相结合，构建了Cau-BiMamba-LSTM混合架构，在预测性能和计算成本之间取得良好平衡	仅使用C-MAPSS数据集进行验证，未在其他工业设备数据集上测试泛化能力	开发高精度且计算效率高的设备剩余使用寿命预测方法	飞机发动机	机器学习	NA	因果发现，时间序列分析	BiMamba, LSTM, Attention机制	时间序列数据	C-MAPSS数据集	NA	Cau-BiMamba-LSTM（包含双向状态空间模型、注意力机制和LSTM）	预测精度，鲁棒性，响应速度	NA
1590	2025-10-05	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	结合时序卷积网络与变分自编码器的双通道架构，并集成因果推理机制追踪故障传播路径	未明确说明模型在超大规模微服务集群中的扩展性表现	解决分布式微服务架构中的异常检测和故障定位挑战	微服务架构中的异构指标数据和故障传播路径	机器学习	NA	对比学习、因果推理	TCN, VAE	时序指标数据	NA	NA	时序卷积网络, 变分自编码器	准确率, F1分数, 精确率	适合实时监控的计算效率
1591	2025-10-05	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	系统比较了主动视觉技术、被动视觉技术和基于深度学习的植物三维重建方法，并探讨了多源数据融合策略	NA	总结植物三维重建技术在精准农业和植物表型分析中的研究进展与应用	植物三维重建技术及其在农业领域的应用	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	三维图像数据	NA	NA	NA	NA	NA
1592	2025-10-05	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	提出一种基于视觉和声学传感器输入的多模态法律英语问答系统，通过统一编码机制和动态注意力建模提升学习者的法律语境理解和表达能力	集成图像、文本和语音信息的多模态法律英语问答系统，采用统一的视觉-语言-语音编码机制和动态注意力建模	NA	提升法律英语教学中的多模态输入处理和复杂推理任务能力	法律英语学习者	自然语言处理	NA	多模态深度学习	深度学习	图像,文本,语音	NA	NA	统一视觉-语言-语音编码机制	BLEU,ROUGE,精确率,召回率,准确率,匹配准确率,Recall@1,Recall@5,MRR	NA
1593	2025-10-05	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的猪只检测系统，通过单标签目标数据和遗传算法数据增强解决猪舍环境中的域偏移问题	引入单标签目标样本(SLOT)、基于遗传算法的数据增强搜索(DAS)和超低阈值伪标签策略，显著提升域适应性能	仅依赖单标签目标数据，可能在某些极端域偏移情况下性能有限	解决猪舍监控系统中因环境差异导致的域偏移问题，提升检测模型在真实场景中的适应性	猪舍环境中的猪只检测	计算机视觉	NA	深度学习，域适应，数据增强	目标检测模型	图像	使用单标签目标样本(SLOT)数据	NA	NA	平均精度(AP)	NA
1594	2025-10-05	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跟踪框架，以及基于检测标签的跟踪器管理策略	未明确说明系统在复杂场景下的极限处理能力	开发平衡实时性能、跟踪精度和鲁棒性的高速多目标跟踪系统	视频序列中的多个运动目标	计算机视觉	NA	图像处理，深度学习	NA	视频，图像	6个场景的高速相机数据	NA	NA	MOTA, IDF1, HOTA, fps	NA
1595	2025-10-05	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，用于松材线虫病枯死木检测	结合半监督学习与开放集检测，通过加权多尺度特征融合模块和动态置信度伪标签生成策略解决未知干扰物问题	未明确说明对极端天气条件或不同季节变化的适应性	开发高效准确的松材线虫病枯死木检测方法，支持森林病害防控	松树林中的枯死木	计算机视觉	松材线虫病	无人机图像采集	深度学习检测框架	图像	7733张无人机图像	NA	SS-OPDet	平均精度, 召回率, 绝对开放集误差, 荒野影响指数	NA
1596	2025-10-05	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	提出一种基于轨迹的毫米波雷达幽灵抑制方法，通过融合多目标跟踪与点云深度学习解决室内多径传播导致的虚假目标问题	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整合时空信息与点级特征	仅针对室内环境验证，未涉及复杂室外场景	解决室内毫米波雷达因多径传播产生的幽灵目标问题，提升雷达检测可靠性	室内毫米波雷达点云数据	计算机视觉	NA	毫米波雷达传感	深度学习	点云数据	室内数据集	NA	点云深度学习网络	准确率, AUROC	NA
1597	2025-10-05	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，提出集成RepViT网络和DRBNCSPELAN模块的YOLO-CS算法	缺乏专门的裂缝密封剂检测数据集，复杂背景噪声和与裂缝坑洞重叠增加了检测难度	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	图像	1983张路面图像	NA	YOLO-CS, RepViT, DRBNCSPELAN	精确率, 召回率, mAP	NA
1598	2025-10-05	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	对2020-2024年间基于机器学习的物联网安全解决方案进行全面综述	系统分类了机器学习技术在物联网安全中的应用，提出了安全威胁分类法，并批判性评估了现有解决方案	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关键限制	开发鲁棒、智能和自适应的物联网安全解决方案	物联网安全解决方案	机器学习	NA	机器学习	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	网络安全数据	NA	NA	NA	可扩展性,计算效率,隐私保护	NA
1599	2025-10-05	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	提出一种结合多传感器融合和RandLA-Net的大规模点云分割方法，用于电网场景中的电力塔识别	集成LiDAR和双目深度相机实现传感器数据时空同步融合，并针对电网塔场景优化RandLA-Net框架	NA	开发智能电力塔识别与监测方法，确保电网可靠稳定运行	电力输电系统中的电网塔	计算机视觉	NA	LiDAR, 双目深度相机, FAST-LIO算法	深度学习	点云数据	包含超过千万个点的点云数据	RandLA-Net	RandLA-Net	精确度	NA
1600	2025-10-05	Retrospective Frailty Assessment in Older Adults Using Inertial Measurement Unit-Based Deep Learning on Gait Spectrograms 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113351 PMID:40968907	研究论文	本研究利用基于IMU数据的步态谱图通过深度学习对老年人衰弱状态进行分类	首次将原始IMU数据转换为时频谱图并直接用于衰弱分类，发现最小预处理能保留最显著的步态特征	回顾性研究，样本量有限，需要进一步前瞻性验证	开发基于可穿戴传感器和深度学习的客观衰弱评估工具	老年人的步态数据	机器学习	老年疾病	惯性测量单元(IMU)数据采集	CNN	时频谱图	NA	NA	卷积神经网络	准确率	NA