基于视频的心率与呼吸率估算的新方法 背景与研究动机 心率（Heart Rate，HR）和呼吸率（Respiratory Rate，RR）是反映心肺功能的重要生理指标，被广泛应用于医学、健康监测以及心理与行为研究中。传统上，这些参数常通过接触式传感器测量，例如使用心电图（Electrocardiography，ECG）或光电容积描记法（Photoplethysmography，PPG）测量HR，通过呼吸带或气流测量仪测量RR。然而，接触式方法在日常生活中使用受到诸多局限，包括设备佩戴的舒适性、可能的皮肤刺激以及不适合某些场景的应用需求（如远程监测）。 近年来，基于视频的非接触式生理信号估算逐渐吸引了研究者的关注，这种方法通过视频捕捉皮肤颜色细微变化或身体运动变化，无需接触即能估算HR和RR。但...

解码生物医学图像分析的未来：多模态联合分割、检测和识别的基础模型 背景介绍 在生物医学研究中，图像分析已成为推动生物医学发现的重要工具，能够跨越从亚细胞器到器官层面的多尺度研究。然而，传统的生物医学图像分析方法大多将分割（segmentation）、检测（detection）和识别（recognition）作为独立的任务分别处理，这种割裂式的方法不仅限制了任务间交互的信息共享，也增加了处理复杂多样的生物医学图像数据的难度。 例如，传统的分割方法通常依赖人工指定的边界框（bounding box）来标注感兴趣目标的区域，这对形状不规则或数量庞大的目标（如病理全片图像中的所有细胞）来说是具有挑战性的。此外，忽略目标检测和语义识别（metadata-like semantic informatio...

蛋白序列空间的极端压缩与重建：EvoAI的突破性研究 背景介绍 蛋白质的设计和优化已经成为生物技术、医学和合成生物学领域中的核心挑战之一。蛋白质的功能由其序列和结构决定，但这一功能性的序列空间（sequence space）非常复杂且高维，包含极大量的可能性。探索这一领域的关键性问题在于如何有效地解析和压缩这片几乎无穷大的序列空间，进而识别与功能密切相关的特征。以往的方法包括直接进化（directed evolution）、深度突变扫描（deep mutational scanning, DMS）、位点饱和突变（site-saturation mutagenesis）等实验策略，虽为揭示基因型与表型的关系提供了重要的见解，但在序列空间覆盖范围、准确性和高维分析能力方面受到显著限制。而计算方法...

基于大语言模型探索基因集合功能发现：GPT-4的表现优异 学术背景 在功能基因组学（functional genomics）领域，基因集合富集分析（gene set enrichment analysis）是理解基因功能及其相关生物学过程的重要方法。然而，当前的富集分析主要依赖于文献整理的基因功能数据库，例如Gene Ontology (GO)等，这些数据库存在一定的局限性：数据不完整且更新速度有限。这导致了许多基因集合无法通过传统工具有效解析，这些未曾被明确标注的基因集合正是潜在产生重要生物学新见解的源泉。 在这种背景下，近年来生成式人工智能（generative artificial intelligence），尤其是诸如GPT-4的“大语言模型”（large language mode...

克服单粒子冷冻电镜中的优选取向问题：深度学习的创新解法 背景介绍 近年来，单粒子冷冻电子显微镜（Single-Particle Cryo-EM）技术因其能够解析生物大分子在接近天然状态下的原子分辨率结构，已成为结构生物学领域的核心技术。然而，在实际应用中，研究者一直面临一个棘手的技术瓶颈，即“优选取向”（Preferred Orientation）问题。这一问题主要由于生物分子在冷冻电镜网格上分布不均，导致在某些方向上的数据采样不足。这种取向偏差通常是由样品制备过程中分子与空气-水界面（Air-Water Interface, AWI）或支撑膜-水界面的相互作用引起的。 优选取向问题在三维重构中显得尤为突出，因为它带来的各向异性（Anisotropy）会使三维结构受损，甚至失真，具体表现为二...

多尺度足迹揭示顺式调控元件在细胞分化和衰老过程的作用 背景介绍 基因表达的调控是细胞命运和疾病发生的关键机制之一，而顺式调控元件（cis-regulatory elements, CREs）在这一过程中扮演了重要角色。CREs通过结合多种效应蛋白（如转录因子和核小体）来动态调控基因的表达。然而，现有的研究方法在测量这些效应蛋白在基因组范围内的结合动态时存在局限性，尤其是在单细胞水平上。这导致我们难以全面理解CREs的结构如何与其功能相关联，尤其是在细胞分化和衰老过程中。 为了解决这一问题，来自Broad Institute of MIT and Harvard、Harvard University等机构的研究团队开发了一种名为PRINT的计算方法，能够从染色质可及性数据中识别DNA-蛋白质相...

人工智能与地面激光雷达点云在森林监测中的应用：学术报告 学术背景 随着全球气候变化和森林资源管理的日益重要，精准林业（Precision Forestry）成为了现代林业管理的关键方向。精准林业依赖于高精度的森林数据采集与分析，而地面激光雷达（Terrestrial LiDAR, TLS）和移动激光雷达（Mobile LiDAR, MLS）技术的进步为森林监测提供了前所未有的细节。然而，处理这些高密度的三维点云数据仍然是一个巨大的挑战，尤其是在个体树木分割、树种分类和森林结构分析等任务中。 传统的方法依赖于手工设计的特征和启发式算法，但这些方法在处理复杂的自然环境和多样化的森林结构时往往表现不佳。近年来，人工智能（Artificial Intelligence, AI），特别是深度学习（De...

深度学习在儿童低级别胶质瘤术后复发预测中的应用 背景介绍 儿童低级别胶质瘤（Pediatric Low-Grade Gliomas, PLGGs）是儿童中最常见的脑肿瘤类型之一，占所有儿童中枢神经系统肿瘤的30%-50%。尽管PLGGs的预后相对较好，但其术后复发风险难以通过传统的临床、影像学和基因组因素准确预测。术后复发的异质性使得术后管理决策变得复杂，尤其是关于辅助治疗和影像监测的决策。因此，开发一种能够准确预测术后复发风险的工具对于优化患者管理和改善预后具有重要意义。 近年来，深度学习（Deep Learning, DL）在医学影像分析中的应用取得了显著进展，尤其是在肿瘤分割和预后预测方面。然而，由于PLGGs的罕见性和数据稀缺性，深度学习在该领域的应用仍面临挑战。本研究旨在通过结合术...

基于Delaunay三角剖分的3D形状表示学习 学术背景 在计算机视觉和图形学领域，从点云数据中重建表面是一个长期存在的问题。传统的隐式方法（如Poisson表面重建）通过计算隐式函数并使用Marching Cubes算法提取表面，虽然能够生成水密（watertight）的网格，但在处理复杂结构时往往会导致细节丢失和过度平滑。另一方面，显式方法（如Delaunay三角剖分）通过点集的三角剖分直接构建网格，能够更好地保留尖锐特征和细节，但在复杂拓扑结构上推断三角形连接性仍然具有挑战性。 近年来，基于学习的方法在表面重建任务中取得了显著进展。然而，现有的学习型显式方法在处理复杂结构时仍然存在困难，尤其是在推断局部形状连接性时，容易产生伪影和非水密三角形。为了解决这些问题，本文提出了一种基于Del...

基于扩散模型的服务机器人动态人员跟踪 学术背景 在复杂和拥挤的人类中心环境中，动态人员的跟踪是机器人技术中的一个具有挑战性的问题。由于存在遮挡、姿态变形和光照变化等类内差异，传统的跟踪方法往往难以准确识别和跟踪目标。现有的机器人跟踪方法通常依赖于独立的检测和跟踪系统，这种方法在计算效率和实时性方面存在瓶颈，尤其是在面对类内差异时，检测器的失败可能导致跟踪的中断。 为了解决这些问题，本文提出了一种基于条件潜在扩散模型（Conditional Latent Diffusion Models）的新型深度学习架构——潜在扩散跟踪（Latent Diffusion Track, LDTrack）。该架构通过捕捉时间上的人员嵌入（temporal person embeddings），能够适应人员外观随...