深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 32372 篇文献，本页显示第 1581 - 1600 篇。
| 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 |
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 |
| 1582 | 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 |
| 1583 | 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 |
| 1584 | 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 |
| 1585 | 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 |
| 1586 | 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 |
| 1587 | 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 |
| 1588 | 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 |
| 1589 | 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 |
| 1590 | 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 |
| 1591 | 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 |
| 1592 | 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 |
| 1593 | 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 |
| 1594 | 2025-10-05 |
A Deep-Learning-Based Real-Time Microearthquake Monitoring System (RT-MEMS) for Taiwan
2025-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25113353
PMID:40968920
|
研究论文 | 介绍一种基于深度学习的实时微地震监测系统(RT-MEMS)，用于台湾地区快速生成高分辨率地震目录 | 整合SeedLink高质量地震网络数据与深度学习模型，建立实时处理工作流，相比标准目录具有更高分辨率和效率 | 系统目前仅在台湾地区建立，尚未验证在其他地区的适用性 | 开发实时微地震监测系统以提供快速可靠的地震目录 | 台湾地区的地震活动，包括背景地震活动和主震-余震序列 | 机器学习 | NA | 地震波形数据分析 | 深度学习 | 连续波形数据 | NA | SeisBlue | NA | NA | NA |
| 1595 | 2025-10-05 |
Study on Lightweight Bridge Crack Detection Algorithm Based on YOLO11
2025-May-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25113276
PMID:40968797
|
研究论文 | 提出基于YOLO11优化的轻量级桥梁裂缝检测算法YOLO11-BD，通过改进注意力机制和检测头实现高效精准检测 | 提出高效多尺度卷积注意力模块增强裂缝特征提取能力，引入轻量级检测头在保持精度同时显著降低计算量 | NA | 开发轻量化的桥梁裂缝自动检测算法 | 桥梁裂缝 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLO11, YOLO11-BD | mAP50, mAP50-95, GFLOPs, FPS | NA |
| 1596 | 2025-10-05 |
Recent Advancements in Hyperspectral Image Reconstruction from a Compressive Measurement
2025-May-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25113286
PMID:40968829
|
综述 | 本文全面综述了基于压缩测量的高光谱图像重建领域的最新进展 | 系统地将高光谱图像重建方法分为三大范式：传统模型驱动方法、深度学习方法和混合框架，并特别关注了从CNN到Transformer的架构演进以及深度展开策略 | NA | 总结高光谱图像重建领域的研究进展并为研究人员提供参考 | 高光谱图像重建技术 | 计算机视觉 | NA | NA | CNN, Transformer | 高光谱图像 | NA | NA | CNN, Transformer | NA | NA |
| 1597 | 2025-10-05 |
Enhanced Channel Estimation for RIS-Assisted OTFS Systems by Introducing ELM Network
2025-May-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25113292
PMID:40968820
|
研究论文 | 本文提出了一种基于极限学习机网络的增强型信道估计方法，用于RIS辅助的OTFS系统 | 首次将极限学习机网络引入RIS辅助的OTFS系统进行信道估计，并采用基于阈值的初始特征提取方法增强ELM网络的学习能力 | ELM网络的参数数量相比深度学习网络较少，可能存在表达能力不足的限制 | 提高RIS辅助OTFS系统在高移动性通信场景下的信道估计精度和符号检测性能 | RIS辅助的OTFS通信系统 | 机器学习 | NA | 信道估计，符号检测 | ELM | 通信信号数据 | NA | NA | 单隐层前馈神经网络 | 符号检测性能 | NA |
| 1598 | 2025-10-05 |
TU-DAT: A Computer Vision Dataset on Road Traffic Anomalies
2025-May-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25113259
PMID:40968794
|
研究论文 | 介绍TU-DAT数据集，一个用于分析交通事故的计算机视觉数据集 | 首个结合真实世界和模拟视频的混合交通异常数据集，包含时空标注和结构化元数据 | NA | 开发智能交通系统以主动减少道路事故 | 道路交通事故和异常驾驶行为 | 计算机视觉 | NA | NA | 混合深度学习模型 | 视频 | 约280个真实世界和模拟视频 | NA | NA | NA | NA |
| 1599 | 2025-10-05 |
Research on Measurement of Coal-Water Slurry Solid-Liquid Two-Phase Flow Based on a Coriolis Flow Meter and a Neural Network
2025-May-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25113267
PMID:40968798
|
研究论文 | 基于科里奥利质量流量计和神经网络开发煤水浆固液两相流测量误差校正方法 | 首次将深度学习校正框架应用于科里奥利流量计的煤水浆两相流测量误差修正 | 仅针对煤水浆特定工况进行实验验证，未涉及其他类型的多相流介质 | 提高科里奥利质量流量计在液固两相流测量场景下的精度 | 煤水浆固液两相流 | 工业测量 | NA | 科里奥利质量流量测量 | BP神经网络 | 流量测量数据 | NA | NA | BP神经网络 | 测量误差 | NA |
| 1600 | 2025-10-05 |
Underwater SLAM Meets Deep Learning: Challenges, Multi-Sensor Integration, and Future Directions
2025-May-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25113258
PMID:40968800
|
综述 | 本文全面分析深度学习增强水下SLAM技术的最新进展，并提出基于水下无线传感器网络集成的新型分类框架 | 提出基于水下无线传感器网络集成的新型分类框架，探讨通信感知SLAM方法如何提升水下导航精度和操作效率 | 作为综述论文，主要分析现有技术而非提出新算法，依赖已有文献的覆盖范围 | 调查深度学习增强水下SLAM技术的发展现状、挑战和未来方向 | 自主水下航行器(AUVs)和水下无线传感器网络(UWSNs) | 机器学习和计算机视觉 | NA | 声学通信、分布式传感、多模态传感器融合 | Transformer, 轻量级神经网络 | 图像、传感器数据、声学数据 | NA | NA | Transformer架构 | 导航精度、操作效率 | 实时部署计算资源 |