加速多电极阵列模拟的稀疏与低秩矩阵技术 学术背景 多电极阵列（multi-electrode arrays, MEAs）在神经刺激领域具有重要应用，尤其是在视网膜假体（retinal prostheses）等神经假体中。这些设备通过电刺激神经元来恢复视力或治疗神经退行性疾病。然而，模拟这些设备的电场分布和电流动态行为具有极高的计算复杂性。传统的模拟方法需要处理数百万个相互连接的电阻（resistor mesh），导致计算时间和内存需求急剧增加，尤其是当电极数量增多、像素尺寸减小时，模拟变得几乎不可行。 为了解决这一问题，本文提出了一种基于稀疏矩阵（sparse matrix）和低秩补偿（low-rank compensation）的加速模拟方法，旨在显著减少计算复杂度，同时保持高精度。该研究...
基于可穿戴线圈的仰卧位乳腺MRI运动校正研究 学术背景 乳腺癌的诊断和监测中，磁共振成像（MRI）是至关重要的工具。目前，标准的乳腺MRI通常采用俯卧位进行成像，这种姿势有助于减少呼吸运动带来的伪影。然而，俯卧位对患者来说并不总是舒适的，并且与手术、超声检查、放射治疗等临床干预中常用的仰卧位存在乳腺形状和位置的差异。因此，开发仰卧位乳腺MRI具有重要的临床意义，但其对运动伪影的敏感性较高。 为了减少仰卧位乳腺MRI中的呼吸运动伪影，研究人员提出了多种策略，包括屏气技术、呼吸门控或重新排序技术，以及基于导航器或运动传感器的回顾性非刚性运动校正。其中，使用运动传感器进行校正是一种有效的方法。然而，传统的呼吸带（respiratory belt）在仰卧位乳腺MRI中的应用存在局限性，尤其是在使用可...
基于选择性听觉注意解码的脑机接口无监督准确性估计研究 学术背景 在复杂的听觉环境中，人类能够选择性地关注某一个声音源，而忽略其他干扰声音，这一现象被称为“鸡尾酒会效应”（cocktail party effect）。选择性听觉注意解码（Selective Auditory Attention Decoding, AAD）技术通过分析脑电图（Electroencephalography, EEG）等脑信号，解码出用户正在关注的声音源。这一技术在神经导向助听器（neuro-steered hearing aids）和脑机接口（Brain-Computer Interface, BCI）等领域具有重要应用。然而，当前的AAD算法通常依赖于监督学习，即需要用户明确告知其关注的声音源，以提供“地面真值...
学术背景 帕金森病（Parkinson’s Disease, PD）是第二常见的慢性神经退行性疾病，主要影响65岁及以上人群。随着全球人口老龄化的加剧，帕金森病的患病率预计将从2015年的700万增加到2040年的1300万。目前，帕金森病的诊断主要依赖于临床问卷和运动日记，这些方法耗时且存在较大的主观偏差。近年来，随着可穿戴技术和机器学习方法的结合，研究人员开始探索通过量化运动症状来辅助帕金森病的诊断。然而，这些技术的有效性受到环境设置的影响，难以在现实世界中广泛应用。因此，本研究旨在提出一种有效的特征评估框架，通过短期运动任务自动评估帕金森病运动症状的严重程度，并在现实世界中进行分类。 论文来源 该研究由来自University of Sheffield和Yunnan Universit...
呼吸表面肌电图电极位置定量比较研究 学术背景 呼吸表面肌电图（Surface Electromyography, SEMG）是一种非侵入性技术，用于记录呼吸肌肉的肌电活动，广泛应用于分析呼吸努力、患者-呼吸机不同步以及呼吸训练。然而，由于缺乏标准化的电极放置方案，不同研究中使用的位置和配置差异较大，导致研究结果的可比性受限，临床应用的推广也受到影响。因此，确定最佳的电极位置对于提高呼吸SEMG的临床接受度至关重要。本研究旨在通过定量比较单侧和双侧双极导联的性能，为呼吸SEMG的标准化提供科学依据。 论文来源 本论文由Andra Oltmann、Jan Graßhoff、Nils Lange、Tobias Knopp和Philipp Rostalski共同撰写，作者均来自德国弗劳恩霍夫研究所（...
基于光谱扩散后验采样的多材料分解研究 背景介绍 在医学成像领域，CT（计算机断层扫描）技术被广泛应用于疾病诊断和治疗规划。近年来，谱CT（spectral CT）因其能够提供能量依赖的衰减信息，成为研究热点。谱CT通过多能量通道的投影数据，可以重建出不同材料的密度分布，这一过程称为材料分解（material decomposition）。然而，材料分解是一个高度非线性的逆问题，传统的分解方法如解析分解（analytical decomposition）和迭代模型分解（iterative/model-based decomposition）存在诸多局限性，如计算效率低、噪声大、模型依赖性强等。此外，尽管基于深度学习的分解方法在精度和速度上有显著提升，但它们往往缺乏对物理模型的显式利用，导致鲁棒...
基于自校准机制的深度重建框架（DEISM）在加速化学交换饱和转移成像中的应用 学术背景 化学交换饱和转移（Chemical Exchange Saturation Transfer, CEST）成像是一种高灵敏度的分子磁共振成像技术，能够检测与多种疾病（如癌症、癫痫和卒中）相关的生物分子。然而，CEST成像的一个主要缺点是扫描时间过长，这是由于需要在不同的饱和频率偏移下进行多次数据采集。长时间的扫描限制了CEST成像在临床中的广泛应用。为了解决这一问题，研究者们致力于开发加速CEST成像的技术，主要通过利用数据中的冗余信息，从欠采样的k空间数据中重建图像。 尽管现有的并行成像和压缩感知（Compressed Sensing, CS）技术在一定程度上加速了CEST成像，但这些方法仍存在局限性。...
儿童重症监护病房中心率与体温关系的机器学习研究 学术背景 在重症监护病房（PICU）中，心率（HR）和体温（BT）是关键的临床指标，能够反映患者的生理状态。尽管成年人中心率与体温的关系已被广泛研究，但在儿童群体中，特别是在PICU这一高风险环境中，相关研究仍然有限。儿童患者的生理特征与成年人存在显著差异，尤其是在0至18岁年龄段，心率随着年龄的增长而下降，而体温的变化则可能影响心率。然而，传统的线性模型在预测心率时往往存在局限性，尤其是在不同体温范围和年龄组中表现出低估或高估的现象。因此，探索心率、体温和年龄之间的复杂关系，对于改善PICU中的临床决策具有重要意义。 论文来源 本论文由Émilie Lu、Thanh-Dung Le、Philippe Jouvet和Rita Noumeir共同...
基于自监督学习的神经内窥镜实时3D重建与导航研究 学术背景 神经内窥镜手术（neuroendoscopy）作为一种微创手术技术，广泛应用于脑深部病变的治疗，如内镜下第三脑室造瘘术（endoscopic third ventriculostomy, ETV）、脉络丛烧灼术、囊肿开窗术等。然而，手术过程中由于脑组织移位（brain shift）和脑脊液（cerebrospinal fluid, CSF）流失，脑深部结构会发生几何形变，这给传统的基于术前影像的神经导航（neuronavigation）带来了挑战。传统导航系统通常依赖于术前磁共振（MRI）或计算机断层扫描（CT）影像的刚性配准（rigid registration），无法实时更新术中组织形变，导致导航精度下降。 为了解决这一问题，研...
研究报告：酮体在细胞生理学中的作用：代谢、信号传导与治疗进展 学术背景 在耐力运动中，碳水化合物（Carbohydrate, CHO）的摄入长期以来被认为是提高运动表现的关键因素。传统的观点认为，高碳水化合物饮食（High-Carbohydrate Low-Fat Diet, HCLF）能够增加肌肉和肝脏中的糖原储备，从而延缓疲劳的发生。然而，近年来，极低碳水化合物饮食（Very-Low-Carbohydrate High-Fat Diet, LCHF）逐渐受到关注，尤其是在耐力运动员中。LCHF饮食被认为能够通过增加脂肪氧化来提供能量，从而减少对碳水化合物的依赖。然而，LCHF饮食是否会影响运动表现，尤其是在长时间高强度运动中，仍然存在争议。 此外，运动性低血糖（Exercise-Indu...