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...

利用联邦学习检测心音异常的一项多机构合作研究 学术背景 心血管疾病（Cardiovascular diseases, CVDs）已经成为主要的死亡原因之一，特别在老年人口中，心血管健康问题亟待社会关注。早期筛查、诊断和预后管理对于预防住院具有重要意义。心音信号携带丰富的生理和病理信息，通过心音进行CVDs早期诊断具有容易获取、广泛存在和非侵入性等优势。近年来，人工智能（AI）在心音辅助诊断中的应用引起了广泛关注，自动心音听诊技术有助于快速、有效地评估心脏状态。然而，现有研究在应用过程中忽略了数据安全和隐私问题，尤其是在多机构数据合作时。 研究来源 本文由Wanyong Qiu, Chen Quan等人撰写，作者分别来自北京理工大学、日本东京大学教育生理学实验室、英国帝国理工学院等知名学术机构...

帕金森患者步态冻结量化模型研究 背景介绍 帕金森病 (Parkinson’s Disease, PD) 是一种常见的神经退行性疾病，伴随复杂的运动障碍。在帕金森病患者的后期阶段，“步态冻结” (Freezing of Gait, FOG) 现象尤为突出，指患者在行走过程中突然无法启动或继续行走的短暂现象。这种现象不仅会增加跌倒风险，还会显著降低患者的行动能力，严重影响其生活质量。因此，准确量化FOG的严重程度对于帮助临床医生管理此症状并减轻其影响至关重要。 目前临床上常用的新型步态冻结问卷（new Freezing of Gait Questionnaire, NFOG-Q）主要依靠患者自我报告和医生的经验进行评估。然而，这种评估方法带有主观性和不确定性，无法提供精准细致的量化结果。随着技术...

跨主体脑机接口：基于卷积神经网络的领域对抗训练实现实时注意力解码 学术背景 注意力解码在我们日常生活中扮演着至关重要的角色，其基于脑电图（EEG）的实现已经引起了广泛关注。然而，由于EEG信号在个体间的显著差异性，为每个人训练一个通用的模型在实践中是不可行的。因此，本文提出了一种端到端的脑机接口（BCI）框架，旨在解决这一挑战，特别是利用了时间和空间的一维卷积神经网络（1D CNN）及领域对抗训练策略（Domain-Adversarial Training）。 传统注意力解码方法通常依赖于预定义的特征提取和模式分类技术，如线性判别分析（LDA）和支持向量机（SVM），但这些方法在处理跨主体数据时表现出局限。另外，深度学习方法虽然在分类性能上表现出色，但如何处理EEG信号的显著个体差异性依旧是...

背景与研究动机 帕金森病（Parkinson’s Disease, PD）是一种神经退行性疾病，主要影响患者的运动能力，导致震颤、运动迟缓、四肢僵硬和行走平衡问题。这种运动缺陷严重影响患者的独立生活能力和生活质量。据统计，预计到2030年，仅在美国就会有近1.2百万人患有帕金森病，而全球的患者数更是超过1000万人。因此，如何准确评估和诊断患者的运动缺陷是一个急需解决的关键问题。 现有的PD严重性评估方法主要依赖于临床医生的主观观察和经验，通过患者在实验室或诊所中进行特定动作来评估。这种方法不仅受到人为主观因素的影响，且在受控环境中的观察无法充分反映患者在日常生活中的实际运动情况。因此，研究人员亟需一种可靠的、非侵入式的量化方法，能客观地评估帕金森病患者的运动缺陷，从而提供更及时有效的康复反...