系统评估欧几里德对齐与深度学习在EEG解码中的应用 背景介绍 脑电图（EEG）信号由于其无创性、便携性和低采集成本，广泛用于脑机接口（BCI）任务。然而，EEG信号存在低信噪比、易受电极位置影响及空间分辨率差等缺点。随着深度学习（DL）技术的进展，该技术在BCI领域表现出色，甚至在某些情况下超过了传统的机器学习方法。然而，DL模型对数据需求量大是其主要障碍。多受试者数据的迁移学习（Transfer Learning， TL）通过共享数据能够更高效地训练DL模型。欧几里得对齐（Euclidean Alignment，EA）因其易用性、低计算复杂度和与DL模型兼容性，逐渐受到关注。但现有研究对EA结合DL的全局和个体模型训练效果评估较少。这篇论文旨在系统性评估EA和DL结合对BCI信号解码训练性...
GCTNet：基于EEG信号检测重度抑郁症的图卷积Transformer网络 研究背景 重度抑郁症（Major Depressive Disorder, MDD）是一种普遍的精神疾病，其特征是显著且持续的低落情绪，全球约有超过3.5亿人受到影响。MDD是导致自杀的主要原因之一，每年约有80万人因此丧生。当前MDD的诊断主要依赖于患者的自我报告和临床医生的专业判断。然而，诊断过程的主观性可能会导致不同医生之间的一致性较低，从而可能产生不准确的诊断。研究发现，被诊断为MDD的一般医生的正确率仅为47.3%。因此，探索客观可靠的生理指标，并采用有效的方法及时识别MDD，对于促进早期诊断和干预至关重要。 论文来源 本论文由Beijing Advanced Innovation Center for ...
使用生成细胞自动机研究金的手性形态发生 背景与研究目的 手性（chirality）在自然界中无处不在，并且可以通过特定的分子相互作用和多尺度耦合在系统间传递和放大。然而，手性形成的机制以及生长过程中的关键步骤尚未完全理解。在本研究中，我们通过训练基于实验结果的生成细胞自动机（cellular automata, CA）人工神经网络，识别从非手性到手性形态的金纳米粒子的两种可区分的途径。手性最初由沿对映异构高指数平面边界的不对称生长的性质所决定。基于深度学习的手性形态生成解释不仅提供了理论理解，还允许我们预测前所未有的交叉路径及其结果形态。 作者与机构 本文由Sang Won Im、Dongsu Zhang、Jeong Hyun Han、Ryeong Myeong Kim、Changwoon ...
背景与研究动因 在物理学中，了解流体运动对于理解我们的环境以及我们如何与其进行交互至关重要。然而，传统的流体模拟方法由于其高计算需求，在实际应用中存在局限性。近年来，物理学驱动的神经网络被认为是一种有前途的数据驱动方法来理解复杂的自然现象。本文的作者受到平滑粒子流体动力学（SPH）方法的启发，提出了一种基于注意力机制的双管道网络架构——DualFluidNet，用于解决流体模拟中的全局控制和物理定律约束之间平衡的问题。 论文信息来源 本文由来自西安交通大学软件工程学院的Yu Chen、Shuai Zheng、Menglong Jin、Yan Chang和Nianyi Wang撰写，发表在2024年《Neural Networks》期刊上。该论文提出并探讨了一种创新的3D流体模拟方法。 研究方...
基于噪声生成和成像机制的隐式正则化学习网络在低剂量CT重建中的应用 低剂量计算机断层扫描（Low-Dose Computed Tomography，LDCT）已成为现代医学成像的重要工具，旨在降低放射性风险并保持图像质量。然而，降低X射线剂量常导致数据受损并引起反投影（FBP）重建不良，进而影响图像质量。为了应对这一问题，研究人员不断开发高级算法以在减少噪声和伪影的同时获取高质量图像。本次报道将详细介绍一项新的研究成果，旨在实现高性能的LDCT重建。 背景介绍 在X射线CT成像中，减少辐射剂量一直是追求的目标，通过降低X射线管电流和/或电压，稀疏视图以及限制角度扫描来实现。然而，这些成像协议可能导致数据损坏和不稳定重建，从而使用经典的FBP算法得到的图像质量较差。因此，开发新的高质量重建算法...
通过互相增强的跨模态图像生成与配准方法进行未对齐PAT和MRI图像的无监督融合 背景和研究目的 近年来，光声断层成像（Photoacoustic Tomography, PAT）和磁共振成像（Magnetic Resonance Imaging, MRI）作为前沿的生物医学成像技术在临床前研究中广泛应用。PAT能够提供高光学对比度和深层成像，但软组织对比度较差；而MRI具有优异的软组织成像能力，但时间分辨率较低。尽管多模态数据融合方面取得了一定进展，但由于图像未对准和空间失真的问题，PAT和MRI图像融合仍具有挑战性。 为了解决这些问题，本文作者提出了一种称为PAMRFuse的分阶段深度学习框架，重点在于未对准的PAT和MRI图像融合。该框架包括一个多模态到单模态的配准网络，用于准确对准输入...
利用基于物理知识的深度学习实现低场强MRI图像重建 背景介绍： 磁共振成像（MRI）技术近年来在低场磁共振成像中的应用越来越受到关注。低场MRI由于其成本低、维护简便，被认为在各种临床和研究环境中具有广泛的应用前景。例如，便携式低场MRI扫描仪不仅更容易操作，还可用于应急单位和手术室等场景。此外，初步评估表明低场MRI在中风诊断中具有潜在的临床应用，这使得该技术在全球医疗诊断中更具吸引力。然而，低场MRI的主要挑战包括低信噪比（SNR）和由磁体设计、材料缺陷和制造公差引起的强B0场不均匀性。 本研究由David Schote, Lukas Winter, Christoph Kolbitsch, Georg Rose, Oliver Speck和Andreas Kofler等学者完成，发表于...
利用联邦学习检测心音异常的一项多机构合作研究 学术背景 心血管疾病（Cardiovascular diseases, CVDs）已经成为主要的死亡原因之一，特别在老年人口中，心血管健康问题亟待社会关注。早期筛查、诊断和预后管理对于预防住院具有重要意义。心音信号携带丰富的生理和病理信息，通过心音进行CVDs早期诊断具有容易获取、广泛存在和非侵入性等优势。近年来，人工智能（AI）在心音辅助诊断中的应用引起了广泛关注，自动心音听诊技术有助于快速、有效地评估心脏状态。然而，现有研究在应用过程中忽略了数据安全和隐私问题，尤其是在多机构数据合作时。 研究来源 本文由Wanyong Qiu, Chen Quan等人撰写，作者分别来自北京理工大学、日本东京大学教育生理学实验室、英国帝国理工学院等知名学术机构...
DVMark：基于多尺度深度学习的视频水印框架 视频水印技术通过在覆盖视频中嵌入信息来实现数据隐藏。本文提出的DVMark模型是一种基于深度学习的多尺度视频水印解决方案，具有较高的鲁棒性和实用性，能够在保证视频质量的前提下，抵抗各种可能的失真和攻击。 背景与动机 视频水印技术涉及在覆盖视频中嵌入消息，可以是可见的也可以是不可见的。不可见水印因其不会干扰原始内容且难以被攻击者检测到而具有优势。水印可以应用于多种场景，如包含视频创建元数据、时间戳以及创作者信息等。此外，水印也广泛用于信息监控和追踪，这是因为水印即便在视频传播过程中遭受一定程度的失真和修改后仍然可以恢复。 目前，评估视频水印系统的主要因素包括不可见性（质量）、鲁棒性和有效载荷（消息比特数量）。传统的水印方法多依赖于手工设计特征，通...
基于标签内容描述的透明化深度图像美学评估 学术背景 随着社交媒体平台如Instagram和Flickr的普及，图像美学评估（Image Aesthetics Assessment, IAA）模型的需求日益增长。这些模型不仅可以帮助社交网络服务提供商优化图片排序或推荐结果，还能帮助普通用户管理相册、选择最佳照片，甚至在拍摄和编辑过程中提供指导。然而，如何构建一个稳健的IAA模型一直是一个挑战，因为图像美学的复杂性包括对象、摄影技术等多个因素。 研究动机 现有的深度学习方法虽然在IAA中表现出色，但其内部机制仍不明确。大多数研究通过隐性学习语义特征来预测图像美学，但这些方法未能直接解释这些特征具体代表了什么。本文的核心目标是创建一个更透明的IAA框架，引入可解释的语义特征，以人类可读的标签描述图...