哮喘预测通过关联图增强分类器：基于常规血液生物标志物的机器学习方法 背景介绍 哮喘是一种影响全球约2.35亿人的慢性呼吸系统疾病。据世界卫生组织（World Health Organization, WHO）统计，哮喘病的主要特点是气道炎症，导致哮喘患者出现喘息、呼吸急促和胸闷等症状。为了有效管理和治疗哮喘，及时准确的诊断至关重要。然而，传统的哮喘诊断方法往往结合病史、体格检查和肺功能测试，不仅昂贵，还由于某些患者的非典型症状，使得诊断时间延长或误诊。此外，儿童哮喘的诊断尤为困难，传统方法的耗时特性可能会加重这一问题。 随着机器学习（Machine Learning, ML）的发展，在分析医疗数据、识别模式和生成预测方面展现了巨大潜力。本研究旨在利用关联图增强分类器（Affinity Gra...
背景介绍 抑郁症，尤其是主要抑郁障碍（Major Depressive Disorder，简称MDD），是一种广泛而致残的心理疾病，常被形容为“心理感冒”。许多患有MDD的人会经历持续的悲伤、无望感、认知障碍和对日常活动的失去动机等症状，严重影响个人和社会生活。在全球范围内，抑郁症的影响极其严重，超过3.4亿人受到不同程度的抑郁症的困扰。此外，新冠疫情及其防控措施，如社交隔离和悲伤情绪等，更是加剧了抑郁症的普遍性。据预测，到2030年，抑郁症将成为导致残疾的首要原因，超过心血管疾病，而每年由抑郁症导致的死亡人数预计将达到一百万。鉴于其高患病率、高致残率、高死亡率和高复发率，及时发现和干预抑郁症尤为重要。 传统上，抑郁严重程度的评估依赖于临床评估和面试，如Beck抑郁量表（BDI-II）和汉密...
帕金森病（Parkinson’s disease, PD）是一种常见的神经退行性疾病，其主要症状包括静止性震颤、运动迟缓和肌强直。深部脑刺激（Deep Brain Stimulation, DBS）已被广泛用于治疗帕金森病的运动症状（Krauss et al., 2021）。然而，DBS治疗也存在显著的副作用，其中大部分是由刺激扩展到DBS目标结构周围的区域导致的（Koeglsperger et al., 2019）。为减少这种副作用，研究人员提出了一种适应性深部脑刺激（adaptive DBS, aDBS）方案，通过实时监控病人的当前运动状态来调整DBS的强度和时机（Little et al., 2016; Piña-Fuentes et al., 2017; Tinkhauser et ...
研究背景及研究目的 癫痫是一种自发性且严重的神经系统疾病，表现为反复发作，全球有大约5000万人受其影响[1]。尽管近年来抗癫痫药物（ASM）的发展有所进步，药物难治性癫痫（Drug-Resistant Epilepsy，DRE）仍影响着20%到30%的癫痫患者[1-3]。DRE患者不仅面临巨大的经济、社会和心理负担，但需长时间的药物试验才能确诊。早期识别高风险患者，可以为施行如癫痫手术、神经调控或生酮饮食等治疗方式提供更早的干预。 以往的研究已指出DRE的风险因素包括：早期发病、高频率发作、脑电图（EEG）异常、神经缺陷、认知障碍、创伤史和颅内结构病变等[5-9]。然而，对于新诊断的癫痫患者，这些因素的重要性尚不明确，因此需要综合工具来早期识别高风险患者。 脑电图在癫痫领域扮演着不可或缺的...
EEG 微状态在预测新诊断局灶性癫痫患者奥卡西平治疗效果中的作用 引言 背景 局灶性癫痫（focal epilepsy）是最常见的癫痫类型，占所有癫痫病例的约60%。根据不同的癫痫类型，抗癫痫药物的选择也会有所不同。在局灶性癫痫的治疗中，奥卡西平（oxcarbazepine，简称OXC）被广泛应用。然而，奥卡西平能够使约65%的患者实现无癫痫发作，但仍有相当部分患者未能获得良好的治疗效果。电生理监测技术，如脑电图（electroencephalography，EEG），在癫痫的诊断和管理中具有重要作用。 研究目的 微状态（microstate）是一种反映大脑电活动的时-空特征的脑电图模式。以往的研究显示抗癫痫药物可以影响大脑的EEG信号，但对奥卡西平的研究仍然有限。同时，研究显示短暂状态可能...
在如今的教育环境中，理解学生的学习风格对提高他们的学习效率至关重要。特别是视觉学习风格（visual learning style）的识别，有助于教师和学生在教学和学习过程中采取更有效的策略。目前，自动识别视觉学习风格主要依靠脑电图（Electroencephalogram, EEG）和机器学习技术。然而，这些技术通常需要离线处理来消除伪影和提取特征，从而限制了其在实时应用中的适用性。 这项由Soyiba Jawed、Ibrahima Faye和Aamir Saeed Malik在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上发表于2024年的研究，提出了一种基于深度学习技术的实时视觉学习者识别模型，...
应用磁脑电图（MEG）分析全脑振荡微状态模式在寿命跨度中的变化：剑桥衰老与神经科学中心队列研究 研究背景 随着人口老龄化问题的日益严重，了解老化过程中的神经生理变化变得愈加关键。衰老的大脑是许多神经退行性疾病的主要风险因素，然而，整个大脑的振荡活动如何影响健康衰老尚不完全清楚。在细胞水平上，神经元的生物电化学特性使得它们能够产生电磁场，检测这些场的变化可以作为潜在的组织病理学生物标志物。五种典型的振荡脑信号（delta、theta、alpha、beta和gamma波）已被广泛研究，但它们在衰老中的具体作用仍有待深入探讨。研究者们提出，监测这些振荡信号的规律性和可预测性可以帮助识别认知衰退的潜在进程。特别地，alpha波的变化在衰老过程中表现出显著特征，如alpha波的减慢、alpha功率减少...
脑部CT分析作为院外心脏骤停后预后预测工具的监督机器学习分析 研究背景 心脏骤停（Out-of-Hospital Cardiac Arrest, OHCA）是西方世界主要的死亡原因之一，其存活率极低，仅为3%到16%。OHCA后的神经学预后和总体预后主要由缺氧缺血性脑损伤（Hypoxic-Ischemic Brain Injury, HIBI）决定。大多数OHCA导致的死亡是因为认为预后很差而撤除生命支持。因此，准确识别HIBI和进行可靠的预后判断对告知亲属、做出治疗决策以及合理使用有限的重症监护资源至关重要。 研究动机 OHCA带来的医学挑战巨大，准确的预后判断对于患者、家属和医护人员具有深远影响。当前使用的预后算法包括电生理、临床、影像和实验室参数。然而，尽管脑部CT（Cerebral ...
放射组学在脑转移患者术后立体定向放疗局部控制预测中的应用 学术背景 脑转移（Brain Metastases, BMs）是最常见的恶性脑肿瘤，其发病率远远超过了原发性脑瘤如胶质瘤。最近的医疗指南建议对症状明显或较大的脑转移患者进行手术治疗。为了提高局部控制率，建议对一到两个切除的BMs患者进行切除腔的立体定向放疗（Stereotactic Radiotherapy, SRT），方法可以在术后12个月内实现70%到90%的局部控制率。然而，即使在辅助SRT后，局部失败（Local Failure, LF）的风险仍然存在，这引发了对预治疗放射组学（radiomics）预测工具的需求，以识别高LF风险的患者。 研究主要信息 该研究由Josef A. Buchner等发表在《Neuro-Oncolo...
基于拉曼光谱和机器学习平台的IDH突变与野生型胶质瘤细胞代谢差异研究 背景介绍 在胶质瘤的诊断和治疗中，福尔马林固定、石蜡包埋（FFPE）组织切片通常被广泛应用。然而，受到包埋介质背景噪声的影响，FFPE组织在基于拉曼光谱的研究中应用有限。为了克服这一问题并识别肿瘤亚型，本研究开发了一种新型的基于拉曼光谱的机器学习平台——APOLLO（恶性胶质瘤的拉曼光谱病理学），该平台能够从FFPE组织切片中预测胶质瘤亚型。 论文来源 这篇文章由Adrian Lita、Joel Sjöberg、David Păcioianu等学者撰写，作者来自美国国立癌症研究所(National Cancer Institute)、芬兰图尔库大学(University of Turku)、罗马尼亚布加勒斯特大学(Univ...