近年来，知识图谱（Knowledge Graph, KG）已经在许多人工智能任务中得到了广泛应用。知识图谱通过使用头实体（head entity）、关系（relation）和尾实体（tail entity）的三元组（Triplet）表示事物及其关系，如典型三元组(h = Paris, r = capital_of, t = France)表示真实世界的一个常识事实。虽然知识图谱已经成为智能问答、实体消歧、语义网络搜索和事实核查等众多下游人工智能应用的重要资源，但现存的知识图谱并不完美，常常存在缺失关系或包含错误的问题。为了应对这些问题，知识图谱嵌入（Knowledge Graph Embedding, KGE）成为了一个主要的任务，它通过学习图谱中的结构信息和潜在逻辑规则来预测缺失的事实。 ...

知识图谱（Knowledge Graph，KG）嵌入技术是人工智能领域中的一个重要研究课题，主要用于知识获取和知识图谱的扩展。近年来，尽管有许多基于图嵌入的方法被提出，但这些方法通常只能关注知识图谱的语义信息，忽略了图的自然结构信息。因此，尽管图卷积网络（Graph Convolutional Networks，GCN）方法能够捕捉部分结构信息，但由于知识图谱的不完全性，它们仍然面临信息不足的问题。为了克服这一问题，本研究提出了一种新的模型，即深度关系图信息增益（Deep Relational Graph Infomax，DRGI），通过互信息（Mutual Information，MI）最大化充分利用了结构信息和语义信息。 本文由来自中国电子科技大学未来媒体中心的Shuang Liang,...

基于图的条件生成对抗网络用于生成合成功能性脑网络诊断重度抑郁症 研究背景： 重度抑郁症（Major Depressive Disorder, MDD）是一种广泛存在的精神障碍，影响数百万人的生活，并且对全球健康构成重大威胁。研究表明，通过静息态功能磁共振成像（resting-state functional magnetic resonance imaging, rs-fMRI）提取的功能连接性（functional connectivity, FC）能够揭示与MDD相关的功能连接模式，在精准诊断中起到重要作用。然而，由于相关数据的有限性，为稳健的MDD诊断带来挑战。为应对这一挑战，近年来一些研究尝试使用深度神经网络（Deep Neural Networks, DNN）架构来构建生成对抗网络...

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...

基于改进的集合经验模态分解的脑功能网络用于焦虑分析和检测 学术背景及研究目的 随着现代生活压力的增加，焦虑症（Anxiety）作为一种常见神经系统疾病，正日益成为全球公共卫生领域亟待解决的问题。焦虑症不仅表现在精神障碍上，还涉及注意力、记忆和学习等认知过程的异常表现。COVID-19疫情的爆发进一步增加了焦虑症的患病率。据统计，焦虑症在12个月内的发病率为男性4.80%，女性5.20%。然而，焦虑的病因至今尚未明确，且自愈的概率较低。这些复杂性和不确定性使得早期检测和干预变得尤为重要。然而，传统的焦虑检测方法依赖于面对面访谈和自我评估，不仅费时费力，还受到医生专业经验和患者自我评估的主观因素影响。因此，有必要探索一种客观且准确的焦虑分析和检测方法。 在众多生理信号中，脑电图（EEG）因其高时...

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...

多级特征探索与融合网络用于MRI中IDH状态的预测研究 研究背景 胶质瘤是成年人中最常见的恶性原发性脑肿瘤。根据2021年世界卫生组织（WHO）对肿瘤的分类，基因型在肿瘤亚型划分中具有重要意义，尤其是异柠檬酸脱氢酶（IDH）基因型在诊断胶质瘤时极为重要。临床研究表明，携带IDH突变的胶质瘤通过特定的表观遗传变异特征驱动，影响酶活性、细胞代谢和生物特性；相较于携带IDH野生型的胶质瘤，携带IDH突变的胶质瘤对替莫唑胺更敏感，预后更好。目前，IDH状态的确定主要依赖于在侵入性手术后对组织标本进行基因测序或免疫组织化学分析。然而，侵入性操作可能延误最终治疗决策，甚至导致肿瘤转移。因此，迫切需要通过非侵入性的方法在术前预测IDH状态（IDH prediction），以便为胶质瘤患者制定适当的治疗方案...

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...

基于Siamese-Transport域适应框架的3D MRI胶质瘤和阿尔茨海默病分类 研究背景 在计算机辅助诊断中，3D磁共振成像（MRI）筛查对于早期诊断各类脑部疾病具有重要作用，可以有效防止病情恶化。胶质瘤是一种常见的恶性脑肿瘤，其治疗方案因肿瘤级别的不同而有所不同。因此，准确高效的3D MRI分类在医学影像分析中至关重要。然而，传统的深度学习模型在应用于临床获得的无标签数据时，表现会严重退化，主要原因是域间不一致性，如不同设备类型和数据获取参数的差异。现有的方法主要集中在减少域间差异，但忽略了语义特征和域信息的纠缠。 论文来源 本文由Shandong University的Luyue Yu，Ju Liu，Qiang Wu，Jing Wang和Aixi Qu等人撰写，发表在2024年1...