学术背景 高等级胶质瘤患者的认知功能受到肿瘤位置和体积的影响，这一事实已得到广泛认可。然而，关于如何准确预测个体患者的认知功能，以便在手术前后进行个性化治疗决策的研究仍然有限。现阶段，大多数研究集中在解释不同肿瘤位置对认知功能的影响，但并未详细探讨这些位置表示是否能用于实际预测。此外，目前使用的大多数方法都是基于群体平均的大脑图谱，这种方法可能无法精准反映个体差异。本研究旨在探讨不同的肿瘤位置表示方法，包括流行的人群平均大脑图谱、随机产生的图谱和基于主成分分析（Principal Component Analysis, PCA）的表示，是否能够有效预测未见患者的认知功能。 研究来源 论文题目为《Predicting cognitive functioning for patients wit...
基于贝叶斯张量建模的阿尔茨海默病影像分类 引言 神经影像学研究是当代神经科学的重要组成部分，极大地丰富了我们对大脑结构和功能的认识。通过这些非侵入性的视觉化技术，研究人员可以更精确地预测某些神经和精神疾病的风险，进而在早期阶段进行干预和治疗，从而改善患者的健康和生活质量。特别是在阿尔茨海默病（Alzheimer’s Disease，以下简称AD）的研究中，神经影像学提供了宝贵的病理机制见解，能跟踪病情进展，识别早期症状并区分其他导致痴呆的原因。 然而，在处理神经影像数据时会面临多个重大挑战，例如数据空间依赖性、高维度及噪声，并且往往难以在异构条件下识别合适的神经生物标志物。为了应对这些复杂的影像数据问题，研究者提出了多种统计和机器学习方法，其中包括基于影像特征的分类模型。 尽管现有的方法有着...
通过PED算法识别自闭症谱系障碍的诊断生物标志物 在神经信息学领域，自闭症谱系障碍（ASD）的研究多集中于脑部区域之间的双向连接关系，而较少涉及脑部区域的高阶相互作用异常。为了探讨脑区的复杂关系，作者团队采用了部分熵分解（Partial Entropy Decomposition, PED）算法，通过计算三脑区（triads）的高阶相互依赖性来捕捉高阶相互作用。本文提出了一种基于PED和替代检验方法的方法，检验单个脑区对三重脑区的影响，发现了关键的三脑区。进一步采用超图模块优化算法揭示了高阶脑结构，在ASD中，右丘脑与左丘脑的连接相比于典型对照（TC）更松散。关键的冗余三脑区（左小脑、左楔前叶和右下枕回）的相互作用表现出显著的衰减，而协同的关键三脑区（右小脑、左中央后回和左舌回）的相互作用明...
大脑组织分割的增强空间模糊C均值算法研究报告 学术背景 磁共振成像（MRI）在神经病学中发挥着重要作用，尤其是在大脑组织的精确分割方面。准确的组织分割对于诊断脑损伤和神经退行性疾病至关重要。MRI数据的分割涉及到将图像分成具有相似强度、纹理和均匀性的不同区域，这是医学图像分析中的一项关键任务。特别是在脑白质（White Matter, WM）、灰质（Gray Matter, GM）和脑脊液（Cerebrospinal Fluid, CSF）等大脑组织的区分中，精确的组织分割和病灶分离能够显著提高医疗专业人员诊断脑损伤及神经退行性疾病的能力。 然而，MRI图像的固有变化，包括不同的成像模式、信号强度和设备配置，增加了分割问题的复杂性。如何在存在噪声和伪影的情况下实现高精度分割成为了一大挑战。因...
MRIO: 磁共振成像获取和分析本体 磁共振成像 (MRI) 是一种生物医学成像技术，用于非侵入性地在三维空间中可视化组织的内部结构。MRI 被广泛应用于研究人体大脑的结构和功能，也是临床和研究设置中诊断神经系统疾病的有力工具。然而，如何有效管理和分析 MRI 数据一直是一个具有挑战性的问题。为了应对这一挑战，Alexander Bartnik 等人在他们的研究中开发了名为 MRIO 的磁共振成像获取和分析本体。 研究背景 MRI 技术因其能够非侵入性地获取人体内部图像，因此在临床和研究中得到了广泛应用。临床上，MRI 可用于诊断神经疾病，通过定位和评估病理程度提供治疗指导。而在研究上，MRI 数据可以作为生物标志物，帮助开发个性化的神经疾病治疗方案，并增加对大脑结构、功能和连通性的理解。然...
Neurohackademy：线上与线下结合的神经信息学教育 背景介绍 近年来，人类神经科学进入了一个大数据时代，由于人类连接组计划（Human Connectome Project）、青少年脑认知发育（ABCD）研究等项目科学家们获取了以前难以想象的规模和范围的数据集。这些数据集对于基础和临床研究都有重要的科学潜力。然而，这些数据集也给研究人员带来了各种新的挑战，包括生成、处理、访问、分析和理解这些数据的挑战。其中一个主要挑战是所谓的“大数据技能差距”：使用这些数据集的研究项目需要不同的知识基础和技能集，以及不同于传统小规模实验研究的技术和概念工具。 研究及文章来源 该研究由Ariel Rokem 和 Noah C. Benson共同完成，均为华盛顿大学 eScience Institut...
在当今的肿瘤学临床实践和药物开发领域，对肿瘤反应的评估方法正处于革新的边缘。自1981年世界卫生组织(WHO)提出用于评估抗癌药物效果的肿瘤反应分类标准以来，这一领域经历了多次改进。最为人们熟知的，是1995年成立的响应评估标准在实体瘤(RECIST)工作组。该工作组通过与加拿大国家癌症研究所、美国国家癌症研究所以及欧洲癌症研究和治疗组织的合作，建立了基于大量病例数据的循证推荐，推动了RECIST 1.0和1.1版本的发布，这些版本在确定客观响应率等影像学终点方面发挥了重要作用。 然而，随着对肿瘤生物学更深入的理解和诊疗策略的不断演进，传统的依赖大小和数量变化的评估方法显示出其局限性，这就需要新的方法来填补这一空缺。为此，RECIST工作组于2022年5月组织了一次多学科工作坊，聚焦于探讨放...
PD-L1肿瘤比例评分在非小细胞肺癌免疫检查点抑制剂响应预测中的人工智能解读临床验证 在肿瘤治疗和诊断领域，PD-L1（Programmed Death-Ligand 1）肿瘤比例评分（TPS）的评估是一项至关重要的工作，特别是在针对非小细胞肺癌（NSCLC）的免疫检查点抑制剂（ICI）治疗反应预测方面。然而，由病理学家评估PD-L1 TPS受主客观因素的限制，如内观察者/间观察者偏差以及肿瘤内异质性等问题。最近的研究表明，应用人工智能（AI）技术为病理图像提供量化的生物标记物评估能力，预示着AI在病理学诊断中的应用前景。 由首尔国立大学仁川医院的Hyojin Kim博士、Seokhwi Kim博士以及其他作者共同进行的这项研究成果发表在2024年5月9日的《JCO Precision On...
机器学习辅助的定量高光谱成像在脑肿瘤切除中的指导作用研究 背景介绍 恶性胶质瘤的完全切除一直受到肿瘤细胞在浸润区难以区分的挑战。这项研究的背景是：在神经外科手术中，通过使用5-氨基乙酰丙酸（5-aminolevulinic acid，简称5-ALA），可以实现原卟啉IX（protoporphyrin IX，简称PPIX）的荧光引导，从而提高肿瘤的切除率。然而，即使在光谱成像的帮助下，许多低级别胶质瘤和一些高级别肿瘤由于PPIX的低积累，显示出较弱的荧光，这使得肿瘤更难区分。因此，了解不同类别肿瘤组织中的PPIX发射光谱，以及如何利用这些光谱进行分类，具有重要意义。 论文来源 这篇论文发表于《Communications Medicine》期刊（2024年），文章标题为“Towards mac...
深度学习在超声心动图自动化诊断中的新突破：对比自监督学习方法的研究报告 研究背景 随着人工智能和机器学习技术的快速发展，它们在医学影像诊断领域发挥着越来越重要的作用。特别地，自监督学习(Self-Supervised Learning, SSL)在处理标签数据稀缺的问题上展示出了显著的效果，这在获取医学影像标签困难和昂贵的情况下具有重要意义。通常，大多数的自监督学习方法都没有针对包含丰富时间信息的视频影像，如超声心动图，进行特别适配和优化。因此，开发出一种针对超声心动图视频的自监督对比学习方法，以提升在小型标签数据集上的自动化医学影像诊断性能，显得尤为迫切和重要。 研究来源 此研究由Gregory Holste、Evangelos K. Oikonomou、Bobak J. Mortazav...