一项关于在创造性过程中艺术与工程思维脑电活动的研究 背景与研究动机 创造力被普遍认为是想象出新颖而有价值事物的能力。研究人员发现存在两种创造性思维方式：成长型思维和固定型思维。成长型创造性思维可以通过时间和实践提高技能，而固定型创造性思维则认为创造技能是不可改变的。教育在培养创造力的过程中起到了至关重要的作用，研究也表明艺术和工程领域的学生在创造性任务中的表现是有明显差异的。 研究出处 这项研究论文《An EEG study on artistic and engineering mindsets in students in creative processes》由Yuan Yin、Ji Han和Peter R. N. Childs撰写，分别来自于Imperial College Lond...

新型药物重新定位方法的网络构建与应用研究 背景 在COVID-19大流行期间，研究人员和制药公司致力于开发治疗和疫苗。药物重新定位由于捷径被认为是快速有效的应对策略。药物重新定位试图发现已批准药物的新用途，被认为比传统药物发现路径更廉价且更迅速[1–3]。例如，瑞德西韦和地塞米松就是两种成功的重新定位药物[4–6]。虽然全球疫情逐渐转向地方性阶段，病毒传播仍在继续。快速发现候选药物并提供给医学或制药领域的专家进行研究的重要性已被COVID-19大流行深刻地提醒了我们[7]。 随着生物学机制的进步和生物医学知识的收集，更准确和精确的基于计算的药物重新定位成为可能。网络药物学（network medicine）通过观察生物实体（如药物、基因和疾病）之间的复杂关系，提供候选药物[8–11]。但在新...

ADHD 早期检测潜在生物标志的研究报告：基于相位的脑功能连接和图论分析 本文是一篇研究报告，题为“潜在生物标志物用于 ADHD 早期检测的研究：采用相位脑功能连接和图论分析”。这项研究由 Farhad Abedinzadeh Torghabeh、Seyyed Abed Hosseini 和 Yeganeh Modaresnia 完成，发表于 Physical and Engineering Sciences in Medicine（2023）第 46 卷，1447-1465 页。本文于 2023 年 9 月 5 日在线发表。本文的学术背景，研究方法，实验结果和科学价值将详细阐述。 学术背景和研究问题 注意缺陷多动障碍（ADHD）是一种神经发育疾病，以注意力不集中和过度活跃/冲动的症状为特征...

脑科学研究启发人工智能算法：知识组装的神经机制 背景简介 当新的信息进入大脑时，人类对世界的先前知识可以通过一种被称为“知识组装”（knowledge assembly）的过程迅速改变。近期，由Nelli等人进行的一项研究中，探索了人类大脑中知识组装的神经关联。研究者们受到这一神经机制的启发，开发了一种人工神经网络算法，以实现快速知识组装，提高系统的灵活性。这一研究再一次证明了研究大脑工作方式能够推动更好的计算算法的发展。 研究来源 这篇研究论文由Xiang Ji、Wentao Jiang、Xiaoru Zhang、Ming Song、Shan Yu和Tianzi Jiang完成，作者们主要来自中国科学院的脑科学与智能技术卓越创新中心、自动化研究所的脑网络组中心及实验室以及浙江实验室的增强智...

哮喘预测通过关联图增强分类器：基于常规血液生物标志物的机器学习方法 背景介绍 哮喘是一种影响全球约2.35亿人的慢性呼吸系统疾病。据世界卫生组织（World Health Organization, WHO）统计，哮喘病的主要特点是气道炎症，导致哮喘患者出现喘息、呼吸急促和胸闷等症状。为了有效管理和治疗哮喘，及时准确的诊断至关重要。然而，传统的哮喘诊断方法往往结合病史、体格检查和肺功能测试，不仅昂贵，还由于某些患者的非典型症状，使得诊断时间延长或误诊。此外，儿童哮喘的诊断尤为困难，传统方法的耗时特性可能会加重这一问题。 随着机器学习（Machine Learning, ML）的发展，在分析医疗数据、识别模式和生成预测方面展现了巨大潜力。本研究旨在利用关联图增强分类器（Affinity Gra...

自闭症谱系障碍（ASD）是一种以重复行为、狭窄的兴趣和严重的社交互动缺陷为特征的异质性疾病，意即在不同个体中表现差异较大。中国学龄前儿童自闭症的患病率约为1%。目前，自闭症的诊断依赖于诊断量表和医生询问，这种主观性强的评估方式极大地影响了诊断结果，给医疗、社会和教育护理带来了重大挑战。本文通过结合图卷积网络（Graph Convolutional Networks，GCN）与静态功能磁共振成像（rs-fMRI）数据，提出一种多功能连接基图卷积网络（mfc-GCN）框架，以实现对自闭症谱系障碍（Autism Spectrum Disorder，ASD）的早期诊断。本文由Chaoran Ma、Wenjie Li、Sheng Ke、Jidong Lv、Tiantong Zhou和Ling Zou共...

基于图神经网络的肺癌表示学习 背景介绍 随着数字病理学的快速发展，基于图像的诊断系统在精确病理诊断中变得越来越重要。这些系统依赖于用于全切片图像（Whole Slide Images, WSIs）上的多实例学习（Multiple Instance Learning, MIL）技术。然而，如何有效表示WSIs仍然是一个亟需解决的问题。深度神经网络的出现使得视觉计算取得了突破性进展，但面对每个WSI中庞大的像素量，现有的神经网络方法仍面临巨大挑战。近年来，一些研究已经探索了基于图的模型，以期在嵌入和表示WSIs的过程中捕捉图像中的复杂关系。 文章来源 本文的研究由以下作者完成：Rukhma Aftab, Yan Qiang, Juanjuan Zhao, Zia Urrehman和Zijuan ...

基于源级EEG和图论的卒中后癫痫患者功能连接变化研究报告 研究背景 癫痫的病因多种多样，包括特发性、先天性、头部外伤、中枢神经系统感染、脑肿瘤、神经退行性疾病或者脑血管疾病(Disease)。其中，脑血管疾病占全部癫痫病例的约11%，是老年癫痫患者最常见的病因。同时，卒中后癫痫（Post-Stroke Epilepsy, PSE）是卒中患者常见的并发症之一，3%至30%的卒中患者可能会发展为PSE。卒中性癫痫的风险因素包括皮质参与、出血性转化、早期癫痫发作、年轻时发病、卒中严重程度（如高NIHSS评分）以及酗酒。 网络科学和图论被认为在理解脑功能上具有显著潜力。图论的图指标可反映网络的整合和隔离特性，因此被广泛应用于包括癫痫在内的各种神经系统疾病研究中。然而，尽管已有研究表明癫痫患者的脑网络...

基于分层负采样的图对比学习用于药物-疾病关联预测的研究 针对药物-疾病关联（RDAs）的预测在揭示疾病治疗策略和促进药物重新定位方面起着至关重要的作用。然而，现有的方法在预测药物和疾病之间的候选关联时，主要依赖于有限的领域特定知识，因而效果受限。此外，将药物-疾病关系的未知信息简单地定义为负样本存在固有不足。为克服这些挑战，本文提出了一种新的基于分层负采样的图对比模型，称为HSGCL-RDA，该模型旨在预测药物和疾病之间的潜在关联。 研究背景与研究问题 药物开发与疾病进展控制过程漫长且昂贵，而随着疾病数量及其变异的不断增加，对有效药物的需求也在增长。全球性疾病爆发（如新冠肺炎）对现有药物的治疗提出了极大挑战，迫切需要快速开发新的治疗药物。研究现有药物的新用途涉及许多挑战。现有的算法模型虽然在...

非小细胞肺癌的免疫疗法疗效预测：多视角自适应加权图卷积网络研究报告 背景介绍 肺癌是一种具有极高发病率和较差预后效果的恶性肿瘤，长期以来其致命率居高不下。在所有的肺癌患者中，非小细胞肺癌（Non-Small Cell Lung Cancer，简称NSCLC）约占85%。作为一种新兴的治疗手段，肿瘤免疫疗法为癌症患者提供了新的治疗思路。然而，免疫疗法费用高昂，且仅有约20%到50%的患者能够通过免疫疗法获得满意的疗效。此外，在治疗过程中，免疫性肺炎和肝炎等副作用可能发生。因此，在患者接受免疫疗法治疗前预测其疗效具有重要意义。 近年来，以机器学习为基础的放射组学在预测NSCLC免疫疗法的疗效方面表现出潜力。放射组学特征已经被证明为有效预测免疫疗法疗效的代理标志物。然而，大多数研究仅考虑了个体患者...