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...

在全球范围内，肥胖的流行趋势不断上升，给公共卫生带来了重大的影响。肥胖独立地与心血管疾病的发病率和死亡率相关联，估计每年将为卫生系统带来超过2000亿美元的经济负担。近年来，胰高血糖素样肽-1（GLP-1）受体激动剂因其在体重减轻和心血管风险降低中独立于糖尿病的作用而成为改变实践的治疗方案。在这一背景下，史丹福大学的Sulaiman Somani、Sneha S. Jain、Ashish Sarraju、Alexander T. Sandhu、Tina Hernandez-Boussard和Fatima Rodriguez等人展开了一项关于GLP-1受体激动剂在社交媒体上公众认知的研究，并在《Communications Medicine》2024年发布了他们的研究成果。 该研究采用了大型语...

炎性肌病中肌纤维类型的异质性表征与包涵体肌炎的选择性易感性 随着年龄的增长，炎性肌病的发病率逐渐上升，其中包涵体肌炎（IBM）作为最常见的类型，目前尚无有效治疗方法。与其他炎性肌病不同，IBM呈慢性病程并具有炎症和退行性病理特征。更为复杂的是，引发IBM进展的因素与分子驱动因素尚不明确。为了深入研究该疾病，研究人员采用了单核RNA测序与空间转录组学，对患者的肌肉活检样本进行了细胞类型特异性驱动因素的绘图，以期比较IBM肌肉与免疫介导的坏死性肌病（IMNM）及无炎症的骨骼肌样本。 研究背景与目的 IBM是影响老年人群的最普遍炎性肌病，由于免疫反应和肌肉纤维退行性变化共同作用，导致逐渐丧失肌肉功能。然而，导致IBM的分子机制并不清楚。本研究旨在通过新型技术手段，揭示IBM病因，并为未来治疗策略提...

改进通过多任务学习对儿童低级别胶质瘤的分割 背景介绍 儿童脑肿瘤分割是肿瘤容积分析和人工智能算法中的关键任务。然而，这一过程耗时且需要神经放射学专家的专业知识。虽然已有大量研究集中于优化成人脑肿瘤分割，但关于人工智能引导的儿童肿瘤分割研究却凤毛麟角。此外，儿童和成人脑肿瘤的MRI信号特征不同，需要专门为儿童脑肿瘤设计分割算法。因此，本文提出将脑肿瘤的基因变化分类器作为辅助任务添加到主要网络中，通过多任务学习（Deep Multitask Learning, DMTL) 提高分割结果的准确性。 论文来源 这项研究由以下研究人员开展：Partoo Vafaeikia, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit B. Ertl-...

《基于多参数MRI影像肿瘤内外放射组学特征预测胶质瘤等级》 研究背景 胶质瘤是中枢神经系统最常见的原发性脑肿瘤，占成年恶性脑肿瘤的80%。在临床实践中，治疗决策通常需要根据肿瘤的等级来进行个体化调整。世界卫生组织（WHO）将胶质瘤分为四个等级（I-IV），并将其进一步分类为低级别胶质瘤（LGG，I级和II级）和高级别胶质瘤（HGG，III级和IV级）。准确的胶质瘤分级对于制定治疗方案、实施个性化治疗以及预测预后和生存时间至关重要。目前，胶质瘤等级的诊断主要通过外科活检或组织病理学分析。然而，这种诊断方法具有侵入性且在某些情况下对患者不宜，因此急需一种非侵入性且高准确度的胶质瘤分级系统。 磁共振成像（MRI）已成为放射科医生在过去几年中诊断脑肿瘤的热门非侵入性手段。尽管有经验的放射科医生通过裸...