基于卷积神经网络（CNN）的图像分割流程用于个体化猫脊髓刺激建模 背景与研究动机 脊髓刺激（Spinal Cord Stimulation, SCS）是一种被广泛应用于慢性疼痛管理的治疗方法。近年来，它也被用于调节神经活动，旨在恢复失去的自主或感知运动功能。个性化的建模和治疗计划是确保SCS安全有效的重要方面。然而，生成所需细节和准确性水平的脊柱模型需要耗时且劳动密集的手工图像分割，由人类专家进行。因此，迫切需要自动化分割算法，以便在数据有限的情况下也能生成高质量的解剖模型。 论文来源 本文由Alessandro Fasse、Taylor Newton、Lucy Liang、Uzoma Agbor、Cecelia Rowland、Niels Kuster、Robert Gaunt、Elvir...
#利用机器学习和组合化学加快mRNA递送的可离子化脂质的发现 研究背景 为了释放信使RNA（mRNA）治疗的全部潜力，扩展脂质纳米颗粒（LNPs）的工具包至关重要。然而，LNPs开发的一个关键瓶颈是识别新的可离子化脂质。已有研究表明，LNPs在将mRNA递送至特定组织或细胞中表现出显著效果。经典的LNPs配方通常由一个离子脂质、胆固醇、辅助脂质和聚乙二醇化脂质（PEG脂质）组成，其中离子脂质在mRNA的加载和逃离内涵体方面起着至关重要的作用。 近年来，LNPs在临床应用方面取得了重大进展。例如，美国食品药品监督管理局（FDA）批准了首个针对遗传性淀粉样变蛋白病的短发夹RNA（siRNA）药物Onpattro，以及Moderna和Pfizer/BioNTech联合开发的两款SARS-CoV-2...
在数据获取技术的不断发展下，获取大量包含多种特征的高维数据已经变得十分容易，比如图像、视觉等。然而，传统的机器学习方法尤其是基于向量和矩阵的方法，面临着维度灾难、计算复杂度增加以及模型过拟合等挑战。为了解决这些问题，张量作为一种多维数组表示方式，比向量和矩阵更具灵活性，能够更好地处理高维数据。因此，基于张量的机器学习方法逐渐成为学术研究的焦点。 支持张量机 (Support Tensor Machine, STM) 是一种有效的张量分类策略，受到支持向量机 (Support Vector Machine, SVM) 和交替投影技术以及多线性代数操作的启发。STM 旨在处理复杂的张量数据，通过寻找具有最大间隔的两类分类超平面，在分类任务中表现出优异的性能。尽管最近基于不同张量分解方法的一系列改...
能够自主导航行走的轮腿机器人 背景介绍 城市化进程的加速让供应链物流尤其是最后一公里配送面临巨大挑战。随着交通压力增加和对更快配送服务需求的上升，尤其是室内和街道上的复杂路线给配送带来了难以解决的问题。传统的轮式机器人难以跨越复杂的障碍物，而仅靠腿式系统又无法达到所需的速度和效率。例如，ANYmal机器人虽具备一定的移动能力，但其最大行驶速度仅为平均人行速度的一半，且续航时间也有限。因此，需开发一种即能在平坦地面上高效运动又能跨越障碍物的机器人系统成为了研究的主要方向。 本文主要研究的是轮腿机器人，结合轮子和腿部的优势，使其在长距离运输中既能在中等地面上高速行驶，又能在复杂地形上保持灵活性。 论文来源 本文由Joonho Lee、Marko Bjelonic、Alexander Reske、...
关于癌症患者外周血免疫特征分析的研究报告 癌症是全球范围内重大且广泛存在的健康问题，尽管近年来在癌症治疗方面取得了显著进展，但依然有许多挑战亟待解决，包括如何准确预测患者对不同治疗的反应。免疫治疗，尤其是免疫检查点抑制剂（免疫检查点blockade，ICB）在过去十年中取得了显著进展，但大多数患者的反应率仍然难以预测，并且常常出现严重的免疫相关副作用。因此，全面诊断和一致性分析模型以评估患者免疫系统的状态，以监测治疗反应和预测是迫切需要的。 本文源头 这篇题为《comprehensive peripheral blood immunoprofiling reveals five immunotypes with immunotherapy response characteristics i...
背景与研究动机 帕金森病（Parkinson’s Disease, PD）是一种神经退行性疾病，主要影响患者的运动能力，导致震颤、运动迟缓、四肢僵硬和行走平衡问题。这种运动缺陷严重影响患者的独立生活能力和生活质量。据统计，预计到2030年，仅在美国就会有近1.2百万人患有帕金森病，而全球的患者数更是超过1000万人。因此，如何准确评估和诊断患者的运动缺陷是一个急需解决的关键问题。 现有的PD严重性评估方法主要依赖于临床医生的主观观察和经验，通过患者在实验室或诊所中进行特定动作来评估。这种方法不仅受到人为主观因素的影响，且在受控环境中的观察无法充分反映患者在日常生活中的实际运动情况。因此，研究人员亟需一种可靠的、非侵入式的量化方法，能客观地评估帕金森病患者的运动缺陷，从而提供更及时有效的康复反...
StrokeClassifier：人工智能工具基于电子健康记录对缺血性卒中进行病因分类 项目背景及研究动机 脑卒中（尤其是急性缺血性卒中，AIS）的病因识别工作对二次预防至关重要，但诊断起来往往非常困难。在美国，每年的缺血性卒中新发病例近67.6万，其中四分之一的患者曾有过卒中史。这种病症的再发率较高，甚至可能导致死亡或进一步的残疾。缺血性卒中的病因可以多种多样，包括大动脉粥样硬化、心源栓塞、小血管病以及其他罕见病因。然而，美国大约20-30%的缺血性卒中患者在经过评估后，病因依然无法确定，被归类为隐源性卒中。这部分患者的再发卒中风险特别高。因此，能够准确识别隐源性卒中的病因，对于优化治疗方案、提高患者预后具有重要意义。然而，做出准确诊断需要整合大量的数据，包括临床史、体检结果、实验室数据、...
基于级联扩散模型从RNA测序数据生成肿瘤的合成全切片图像 近期发表在Nature Biomedical Engineering上的一篇题为”Generation of Synthetic Whole-Slide Image Tiles of Tumours from RNA-Sequencing Data via Cascaded Diffusion Models”的研究，引起了广泛关注。这项研究由来自斯坦福大学、根特大学、阿贡国家实验室等多家机构的学者共同完成，旨在解决癌症数据不足的问题，从而提升机器学习模型在癌症检测中的表现。本文的作者包括Francisco Carrillo-Perez, Marija Pizurica, Yuanning Zheng, Tarak Nath Nandi...
背景介绍 长期以来，规范性(nomative)和描述性(descriptive)模型一直在试图解释和预测人类在面对商品或赌博等风险选择时的决策行为。最近的一项研究通过训练神经网络(Neural Networks, NNs)在一个新的大规模在线数据集choices13k上，发现了一种更准确的人类决策模型。本研究系统地分析了不同模型和数据集之间的关系，并发现了数据集偏差(dataset bias)的证据。研究表明，数据集choices13k中对随机赌博选择的偏好趋向于平衡，可能反映了增加的决策噪声。通过将结构化的决策噪声添加到使用实验室研究数据训练的神经网络中，我们构建了一个贝叶斯生成模型，并发现该模型表现优于其他除choices13k之外的所有模型。 研究来源 此项研究发表于《Nature H...
针对原子间作用力的几何增强预训练 引言 分子动力学(MD)模拟在物理、化学、生物和材料科学等领域扮演着重要角色,为原子水平的过程提供了洞见。MD模拟的精确度和效率取决于所选择描述分子体系中原子相互作用的相互原子作用力(interatomic potentials)函数。经典MD使用经验公式,参数需要拟合,计算代价低但精度不够。而第一性原理MD则通过求解薛定谔方程获得精确的相互作用力,但计算量极大。因此,机器学习相互原子作用力(MLIPs)通过使用机器学习模型拟合第一性原理计算的能量和力而达到接近ab initio的精度以及较高效率,成为一种有前景的替代方案。 MLIPs的性能和通用性受限于标记数据的稀缺性,因为获取标记数据需要耗费巨大的第一性原理计算代价。各种自监督学习方法已被探索过,以从大...