阿尔茨海默症诊断的多模板元信息正则化网络：基于结构磁共振成像的研究 研究背景 阿尔茨海默症（Alzheimer’s Disease, AD）是一种渐进性神经退行性疾病，其诊断和早期检测是医疗领域的重要挑战。结构磁共振成像（Structural MRI, sMRI）因其能够提供详细的大脑形态学模式和解剖特征，已广泛应用于计算机辅助的阿尔茨海默症诊断。尽管之前的研究验证了结合元数据（如年龄、性别和教育年限）对sMRI进行AD诊断的有效性，但现有方法主要关注于元数据与AD的相关性或混杂效应，如性别偏差和正常老化问题，难以充分挖掘元数据对AD诊断的影响。为了解决这些问题，该研究构建了一种新颖的多模板元信息正则化网络（Multi-template Meta-information Regularize...

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...

医学影像分割的模型异质半监督联邦学习 背景介绍 医学图像分割在临床诊断中具有至关重要的作用，它帮助医生识别和分析病情。然而，该任务通常面临敏感数据、隐私问题及昂贵的标注费用等挑战。尽管当前研究主要聚焦于个性化协作训练医学分割系统，但忽视了获取分割标注是耗时且费力的。如何在保持本地模型个性化的同时平衡标注成本和分割性能，已成为研究的一个重要方向。因此，本研究引入了一种新颖的模型异质半监督联邦学习框架。 论文来源 这篇论文题为“Model-Heterogeneous Semi-Supervised Federated Learning for Medical Image Segmentation”，由Yuxi Ma、Jiacheng Wang、Jing Yang和Liansheng Wang共同...

半监督超声视频中甲状腺结节检测的研究报告 研究背景 甲状腺结节是常见的甲状腺疾病，甲状腺结节的早期筛查和诊断通常依赖于超声检查，超声检查是一种常见的无创检测方法，可用于检测包括甲状腺结节、乳腺癌和动脉斑块在内的多种疾病。然而，由于甲状腺结节在超声图像中的分辨率低、病变形态不规则且复杂等原因，超声检查高度依赖放射科医生的经验，误诊和漏诊时有发生，特别是在欠发达地区和国家更为常见。因此，开发基于计算机辅助诊断（Computer-Aided Diagnosis，CAD）的自动化精准方法显得尤为重要。 近年来，深度学习技术被引入到超声图像的计算机辅助诊断中。尽管现有的甲状腺结节检测方法在静态超声图像上取得了一些进展，但这些方法未能充分利用诊断过程中随时间变化的空间和时间信息。在临床筛查和诊断过程中，...

研究背景和动机 医学图像分割在解剖结构和病变区域的图像分析以及临床诊断中具有重要意义。然而，现有的全监督学习方法依赖于大量标注数据，而医学图像的像素级标注数据获取成本高昂且耗时。为了减轻对标注数据的依赖，半监督学习（SSL）方法逐渐兴起。尽管现有的SSL方法如mean teacher（MT）框架已经取得了不错的效果，但仍然存在诸多局限性。因此，本研究提出了一种双向监督网络（bilateral supervision network，BSNet），以更好地利用无标注的样本，从而提高半监督医学图像分割的性能。 文章来源 本文由Along He、Tao Li、Juncheng Yan、Kai Wang和Huazhu Fu撰写。作者分别来自天津大学网络与数据安全技术重点实验室、南开大学计算机学院、H...

背景介绍 一百年前，Hevesy首次提出利用放射性示踪剂作为植物的生物指标，并后来在大鼠实验中得到验证。这一发现推动了核医学和分子成像作为生物医学领域的发展，使得在分子层面定量可视化生物过程成为可能。在众多成像技术中，单光子发射计算机断层扫描（SPECT）和正电子发射断层扫描（PET）显得尤为重要，它们能够通过标记化合物来定量检测生物功能和代谢。在这些技术发展的过程中，通过融合X射线计算机断层扫描（CT）或磁共振成像（MRI）获取解剖信息，进一步提升了诊断和数据修正的准确性。 然而，现有系统的一大限制在于图像重建过程中存在的时间消耗和噪声传播问题。鉴于此，近年来研究人员开始探索不依赖数学重建步骤的新一代分子成像方法，即直接正电子发射成像（DPEI）。DPEI利用超快飞行时间（TOF）探测器，...

诱发成分分析（ECA）：基于GLM正则化对功能超声信号的分解 背景介绍 功能性神经影像数据分析旨在揭示大脑活动的空间和时间模式。现存的数据分析方法主要分为两类：完全基于数据的分析方法和依赖于先验信息的方法，例如用刺激时间程来分析脑活动。一般来说，使用刺激信号可以帮助识别活跃的大脑区域，但大脑对刺激的反应往往表现出非线性和时间变化的特点。因此，完全依赖刺激信号来描述大脑的时间反应可能导致对大脑功能的理解比较局限。 在此背景下，本文作者提出了一种新技术，称为诱发成分分析（Evoked Component Analysis，简称ECA），其利用了先验信息作为指导因子，通过在低阶分解框架中引入广义线性模型（General Linear Model，GLM）设计矩阵作为正则项，达到了在空间和时间上分解...

基于卷积神经网络对头部冲击动力学测量去噪的研究与应用 研究背景 轻度脑外伤（MTBI）是一种全球性的健康威胁。人类在诸如跌倒、交通事故和运动等情况下常面临MTBI的风险。据统计，2016年全球有超过2700万例脑外伤病例，其中80%为“轻度”脑外伤，即症状相对较轻但可能引发长期病理变化。MTBI病情分类通常通过格拉斯哥昏迷量表评分进行，分数高于12的患者被归类为轻度脑外伤患者。虽然急性期后症状可能迅速恢复，但长期来看患者可能会出现慢性创伤性脑病（CTE）等并发症。 为了量化头部冲击对脑的影响，研究人员开发了多种可穿戴传感器技术来测量头部运动学参数，这些系统包括头部冲击遥测系统（HITS）、XPatch、头带/头巾传感器以及装置在牙托上的传感器。然而，由于这些传感器与人体接口的固有不完美，它们...

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...