将手术室变成混合现实环境：前瞻性临床研究用于脑动脉瘤夹闭手术 对脑动脉瘤的手术处理是神经外科中一个高度复杂且精细的过程。为了改善手术效果，研究人员不断探索新的技术和方法。近年来，混合现实（Mixed Reality, MR）技术的发展为手术室（Operating Room, OR）带来了新的突破。尤其是在使用头戴显示器（Head-Mounted Display, HMD）的情况下，外科医生可以在患者的实际解剖结构上叠加虚拟的三维（3D）图像，从而提高空间定位和操作的直觉性。 研究背景和目标 本研究旨在评估一种新型的混合现实头戴显示器（MR-HMD）在脑动脉瘤夹闭手术中的应用潜力，特别是对外科医生空间定位的帮助。传统的手术导航系统通常依赖于二维（2D）显示器，而外科医生需要将其手部操作在3D现...

基于人工智能的乳腺病变分类多中心研究 在乳腺癌领域，早期诊断对于提高治疗效果和生存率至关重要。乳腺癌主要分为原位癌和浸润性癌两类，这两类癌症在治疗策略和预后上存在显著差异。原位癌的腋窝受累发生率较低（1-2%），不推荐进行前哨淋巴结活检（SLNB）；而对于浸润性癌症，SLNB或腋窝淋巴结清扫（ALND）是必要的。因此，能够在术前准确区分良性、恶性以及原位和浸润癌症显得格外重要。 对比增强乳腺摄影（CEM）是一种新兴的技术，因其能够体现病变的血管特性而在临床应用中日益广泛。然而，CEM在诊断乳腺癌方面尽管对恶性病变具有高敏感性，但其特异性却不尽如人意（66-84%）。此外，传统影像学检查的解释还会受到放射科医生经验的影响，不同的放射科医生之间存在较大的差异。因此，开发一种自动、可靠，并且能够在...

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...

利用基于扩散模型的深度学习算法增强超结构成像与体积电子显微镜 背景介绍 电子显微镜（Electron Microscopy，简称EM）作为一种高分辨率成像工具，对细胞生物学取得了重大突破。传统的EM技术主要用于二维成像，尽管已经揭示了复杂的纳米级别细胞结构，但在研究三维（3D）结构时存在一定局限性。体积电子显微镜（Volume Electron Microscopy，简称VEM）作为一种更为先进的技术，通过串联切片和断层扫描技术（如透射电子显微镜TEM和扫描电子显微镜SEM）实现了细胞和组织的3D成像，可以提取细胞、组织甚至小模型生物体的纳米级3D结构。 尽管VEM技术突破了传统二维EM的局限性，但其成像速度和质量之间存在固有的权衡关系，导致成像区域和体积的限制。此外，生成各向同性（isot...

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...

注意引导的图结构学习网络在基于EEG的听觉注意检测中的应用 学术背景 “鸡尾酒会效应”描述了人类大脑在多说话者环境中选择性集中注意力于一个说话者而忽略其他人的能力。然而，对于听力受损者来说，这种情况构成了一个重大挑战。尽管现代听觉假体如助听器和人工耳蜗在减噪方面有效，但它们往往无法区分听者所要关注的信号。听觉注意检测（Auditory Attention Detection，AAD）任务解决此问题的潜力在于，它直接从大脑中提取与注意力相关的信息。神经科学研究表明，非侵入性的神经记录技术，如脑电图（Electroencephalography，EEG），在解码听觉注意方面具有巨大潜力。为了解决EEG信号的解码问题，研究人员开发了各种方法来解释EEG信号，并由此确定注意力，调整助听器性能。 论文...

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...

背景介绍 事件相关电位（Event-Related Potentials，ERPs）的研究提供了关于大脑机制的重要信息，尤其在解释各种心理过程时具有独特优势。在这些研究中，通常在被试执行特定任务时记录多通道脑电图（EEG），根据刺激类型和被试反应将试验分为不同类别，并取各类别试验的平均值计算ERPs。记录头皮表面的ERPs有较好的时间分辨率，但由于体积传导效应，其空间分辨率较低。 解决体积传导问题的一种方法是使用盲源分离（Blind Source Separation，BSS）方法。若BSS方法用在单次试验数据间，其主要目标是更准确地刻画个体ERPs；若BSS方法用在个体ERPs数据间，其主要目标是识别大脑反应的共性特征。然而，目前的大多数BSS算法并不能充分考虑ERPs噪声的复杂特性：空间...

神经电极在慢性植入过程中对小鼠神经功能连接的层依赖性影响 引言 该研究探讨了慢性植入微观电极对小鼠C57BL6野生型小鼠脑内神经功能连接的长期影响。植入脑内的电极能够进行神经信号的记录和电刺激，在脑机接口（Brain-Computer Interface, 简称BCI）系统中有着广泛的应用，如恢复运动控制和感官感知。然而，随着时间的推移，植入电极记录到的信号会逐渐衰退，该退化被认为是“异物反应”（Foreign-Body Response, FBR）造成的。然而，FBR如何具体影响植入周围区域的神经回路功能及其稳定性尚不明确。本研究旨在揭示长期FBR如何改变局部神经回路功能，深入理解其对BCI解码装置的影响。 研究背景与目的 植入神经电极虽然有潜在的应用价值，然而其在记录灵敏度和稳定性上仍存...