超光谱存储内计算与光频梳和可编程光存储器的应用 导言 近年来，机器学习的突破促进了包括医疗、金融、零售、汽车和制造业在内的多个行业的革命性发展。这些转变导致对广泛的矩阵-向量乘法运算(mvm)需求激增，这对于大规模优化和深度学习算法是至关重要的。然而，这种日益增长的计算需求挑战了传统的冯·诺依曼数字电子计算机架构，该架构将存储器和处理单元分开，从而导致“冯·诺依曼瓶颈”，即数据在存储器和处理器之间的传输速度限制了整体系统性能。为了解决这一性能瓶颈，存储内计算作为一种变革性的解决方案浮现出来，它通过将非易失性存储元素直接集成到处理器中，推动更高效的数据移动、降低能耗和实现高度并行计算。 与此同时，光学计算系统因其天生适合并行数学运算而重新引起了关注。这些系统自几十年前首次出现以来，已经取得了显...
数字激光器的轨道角动量梳状模式需求 研究背景与意义 随着信息技术的日新月异，对高容量数据传输提出了愈加严苛的要求。光的轨道角动量(OAM)因其内在的无限维度，被认为是具备巨大潜力的信息载体，至关重要的是要实现可按需生成任意OAM光谱，尤其是像频率梳那样的OAM梳状模式。然而，当前技术下，实现在源头即能够自由切换的数字式OAM梳状激光器还面临挑战，尤其是实现在实时调控的可切换多OAM模式至关重要，且需求逐步升温。本研究正致力于开发能够在源头便捷而动态切换的数字式OAM梳状激光器，同时期望进一步推动高维技术的发展，特别是在高维OAM模式的基础研究与应用中寻找更多机会。 论文来源 本次研究由南京大学的国家固态微结构实验室和物理学院的任志成、樊丽、郑子默、刘志峰、楼艳超、黄双银、陈超、李永男、涂诚厚...
《IEEE生物医学工程汇刊》2022年8月，第69卷，第8期，首次临床研究：近红外窗口IIA/IIB荧光成像在胶质瘤精准手术切除中的应用 曹彩光、金泽萍、史晓菁、张哲、肖安琪、杨君英、计楠、田捷（IEEE会员）、胡振华（IEEE高级会员） 导言 在生物医学研究领域，荧光成像的高敏感性、高空间分辨率、实时成像能力和操作方便性使其受到广泛关注。本研究针对近红外窗口II（NIR-II，1000-1700纳米）成像技术在临床应用中的价值进行探索，以指导胶质瘤手术中切除瘤体的作用。作者结合了新开发的成像设备和术中图像融合方法，致力于提高手术的准确性，减少术中出血量，并最大限度地切除肿瘤。 文章来源 本研究由曹彩光、金泽萍、史晓菁、张哲、肖安琪、杨君英、计楠、田捷、胡振华进行。他们分别隶属于中科院自动化...
恶性胶质瘤（Malignant Glioma, MG）是最常见的原发性恶性脑肿瘤类型。手术切除MG依然是治疗的基石，且切除范围与患者生存期高度相关。然而，在手术中很难区分肿瘤组织与正常组织，这极大地限制了手术切除的效果。荧光成像是一项新兴技术，可以在术中实时可视化MG及其边界。然而，现有的临床级荧光成像神经外科显微镜由于成本高、便携性差、操作灵活性有限以及缺乏熟练的专业技术人员，导致应用率较低。为了克服这些限制，研究人员创新性地将微型光源、可翻转滤光片和记录摄像机集成到手术放大镜中，生成了一种可穿戴的荧光眼镜设备，用于术中的荧光成像。 来源 本文由Mehrana Mohtasebi、Chong Huang、Mingjun Zhao、Siavash Mazdeyasna、Xuhui Liu、S...
在现代医学诊断和临床研究中，动态对比增强磁共振成像（Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI）技术提供了有关组织病理学的重要信息。通过拟合轨迹动力学（Tracer-Kinetic, TK）模型，可以从时间序列MRI信号中提取药代动力学（Pharmacokinetic, PK）参数。然而，这些估计的PK参数受到多种不可避免的变异来源，如信噪比（Signal-to-Noise Ratio, SNR）、本底T1时间、起始时间、动脉输入功能（Arterial Input Function, AIF）和拟合算法等的影响。这些因素导致了PK参数估计的不确定性。因此，估计这些PK参数的后验分布将有助于同时量化PK参数的值及其...
肌骨模型已经广泛用于生物力学分析，因为它们能够估计难以通过活体直接测量的运动变量（如肌肉力量和关节力矩）。传统的物理驱动计算肌骨模型可以解释神经驱动到肌肉、肌肉动力学、以及身体和关节运动学和动力学之间的动态交互。然而，这些模型由于其复杂性，运行速度较慢，难以实现实时应用。近年来，数据驱动方法以其实现速度快和操作简单的优点成为一种有前途的替代方案，但它们不能反映基础的神经机械过程。 本文提出了一种融合物理知识的深度学习框架，用以实现肌骨建模。在该框架中，将物理领域的知识引入数据驱动模型，作为软约束对其进行罚则/正则化处理。本文采用表面肌电图（SEMG）同步预测肌肉力量和关节运动学作为示例，使用卷积神经网络（CNN）实现该框架，并在两个数据集上进行了实验验证，展示了该框架的有效性和鲁棒性。 论文...
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，...
脑机接口（Brain-Computer Interface, BCI）是将神经系统与外部环境连接的一种通讯手段。运动想象（Motor Imagery, MI）是BCI研究的基石，它指在运动执行前的内在演练（Internal Rehearsal）。非侵入性技术如脑电图（Electroencephalography, EEG）因其成本效益高与便利性，可以高时间分辨率记录神经活动。当受试者想象移动身体特定部位时，大脑特定区域会发生能量变化（ERD/ERS），这些变化可以通过EEG记录并用于辨别运动意图。MI基础的BCI系统已经取得显著进展，能够控制外骨骼和光标，特别是与虚拟现实技术结合，用于中风康复的潜力更为显著。 目前，MI解码方法的高性能是这种系统成功的关键。然而，相比于依赖外部刺激的其它BC...
研究背景 脑机接口技术（brain-computer interface, BCI）可以实现大脑与外部设备的直接通信，广泛应用于人机交互、运动康复、医疗等领域。BCI的常见范式包括稳态视觉诱发电位（steady-state visual evoked potentials, SSVEP）、P300、运动想象（motor imagery, MI）等。其中，MI-BCI因其广泛应用前景而备受关注。 MI-BCI通常使用脑电图（electroencephalography, EEG）信号检测运动想象，使得用户能够通过想象运动来控制设备，如电动轮椅、光标和上肢机器人。然而，脑活动的不稳定性和低信噪比（signal-to-noise ratio, SNR），以及个体间信号的差异和EEG信道间的相关性，...
通过EMG驱动的机器人手训练揭示慢性中风患者跨半球平衡恢复的神经机制：来自动态因果建模的见解 中风是一种常见的致残原因，其中大部分中风幸存者会患上上肢瘫痪。上肢功能受损的后果可持续六个月以上，只有少数中风幸存者 (少于12%) 能完全康复。为了恢复这些患者的日常生活能力，提高他们的生活质量，研究人员一直致力于开发中风后运动康复方案。 近年来，使用机器人辅助装置进行上肢康复的研究引起了广泛关注。机器人康复提供了一种一致、密集且互动的训练体验，能够吸引患者积极参与。综合分析显示，接受机器人辅助训练的个体在上肢的Fugl-Meyer 评估 (FMA-UE) 分数以及上肢的功能活动方面都有显著改善。然而，针对腕部和手部功能的机器人在运动控制和日常生活活动的改善方面效果有限。随着意图驱动机器人的引入，...