多级特征探索与融合网络用于MRI中IDH状态的预测研究 研究背景 胶质瘤是成年人中最常见的恶性原发性脑肿瘤。根据2021年世界卫生组织（WHO）对肿瘤的分类，基因型在肿瘤亚型划分中具有重要意义，尤其是异柠檬酸脱氢酶（IDH）基因型在诊断胶质瘤时极为重要。临床研究表明，携带IDH突变的胶质瘤通过特定的表观遗传变异特征驱动，影响酶活性、细胞代谢和生物特性；相较于携带IDH野生型的胶质瘤，携带IDH突变的胶质瘤对替莫唑胺更敏感，预后更好。目前，IDH状态的确定主要依赖于在侵入性手术后对组织标本进行基因测序或免疫组织化学分析。然而，侵入性操作可能延误最终治疗决策，甚至导致肿瘤转移。因此，迫切需要通过非侵入性的方法在术前预测IDH状态（IDH prediction），以便为胶质瘤患者制定适当的治疗方案...
在现代医学诊断和临床研究中，动态对比增强磁共振成像（Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI）技术提供了有关组织病理学的重要信息。通过拟合轨迹动力学（Tracer-Kinetic, TK）模型，可以从时间序列MRI信号中提取药代动力学（Pharmacokinetic, PK）参数。然而，这些估计的PK参数受到多种不可避免的变异来源，如信噪比（Signal-to-Noise Ratio, SNR）、本底T1时间、起始时间、动脉输入功能（Arterial Input Function, AIF）和拟合算法等的影响。这些因素导致了PK参数估计的不确定性。因此，估计这些PK参数的后验分布将有助于同时量化PK参数的值及其...
基于Siamese-Transport域适应框架的3D MRI胶质瘤和阿尔茨海默病分类 研究背景 在计算机辅助诊断中，3D磁共振成像（MRI）筛查对于早期诊断各类脑部疾病具有重要作用，可以有效防止病情恶化。胶质瘤是一种常见的恶性脑肿瘤，其治疗方案因肿瘤级别的不同而有所不同。因此，准确高效的3D MRI分类在医学影像分析中至关重要。然而，传统的深度学习模型在应用于临床获得的无标签数据时，表现会严重退化，主要原因是域间不一致性，如不同设备类型和数据获取参数的差异。现有的方法主要集中在减少域间差异，但忽略了语义特征和域信息的纠缠。 论文来源 本文由Shandong University的Luyue Yu，Ju Liu，Qiang Wu，Jing Wang和Aixi Qu等人撰写，发表在2024年1...
由于脑肿瘤的高发病率和致命性，快速且准确地检测和分类脑肿瘤变得尤为重要。脑肿瘤包括恶性和非恶性两种类型，其异常生长会对大脑造成长期损害。磁共振成像（MRI）是一种常用的脑肿瘤检测方法。然而，依赖于专家手工分析 MRI 影像存在结果不一致的风险，同时仅仅识别肿瘤是不够的，快速确定肿瘤类型以尽早开始治疗同样重要。 为了提高肿瘤检测的速度、可靠性和公正性，本研究探索了多种深度学习（Deep Learning, DL）架构，包括 VGG16、InceptionV3、VGG19、ResNet50、InceptionResNetV2 和 Xception，并提出了基于最佳三种传递学习（Transfer Learning, TL）模型的新模型 IVX16。本文的多类分类模型旨在解决当前主要集中在二分类问题...
评估低级别胶质瘤术后生长模型预测价值的研究综述 引言 胶质瘤是一种侵袭性脑肿瘤，其细胞在脑内快速扩散。理解和预测这种扩散的模式和速度可以帮助优化治疗方案。基于扩散-增殖模型的胶质瘤生长模型已经展示出可行性，但在实际临床数据中应用和评估这些模型仍有挑战。为了改进对此问题的评估，本研究提出将肿瘤生长问题视为排序问题，并使用平均精度（Average Precision, AP）作为指标。这一方法无需特定的体积阈值，能够更准确地评估空间模式。 研究来源 该论文由Karin A. van Garderen、Sebastian R. van der Voort、Maarten M. J. Wijnenga等人撰写，作者来自荷兰鹿特丹伊拉斯姆斯医学中心的放射学和核医学、神经外科、病理和神经学等部门。论文发...
肌骨模型已经广泛用于生物力学分析，因为它们能够估计难以通过活体直接测量的运动变量（如肌肉力量和关节力矩）。传统的物理驱动计算肌骨模型可以解释神经驱动到肌肉、肌肉动力学、以及身体和关节运动学和动力学之间的动态交互。然而，这些模型由于其复杂性，运行速度较慢，难以实现实时应用。近年来，数据驱动方法以其实现速度快和操作简单的优点成为一种有前途的替代方案，但它们不能反映基础的神经机械过程。 本文提出了一种融合物理知识的深度学习框架，用以实现肌骨建模。在该框架中，将物理领域的知识引入数据驱动模型，作为软约束对其进行罚则/正则化处理。本文采用表面肌电图（SEMG）同步预测肌肉力量和关节运动学作为示例，使用卷积神经网络（CNN）实现该框架，并在两个数据集上进行了实验验证，展示了该框架的有效性和鲁棒性。 论文...
通过EMG驱动的机器人手训练揭示慢性中风患者跨半球平衡恢复的神经机制：来自动态因果建模的见解 中风是一种常见的致残原因，其中大部分中风幸存者会患上上肢瘫痪。上肢功能受损的后果可持续六个月以上，只有少数中风幸存者 (少于12%) 能完全康复。为了恢复这些患者的日常生活能力，提高他们的生活质量，研究人员一直致力于开发中风后运动康复方案。 近年来，使用机器人辅助装置进行上肢康复的研究引起了广泛关注。机器人康复提供了一种一致、密集且互动的训练体验，能够吸引患者积极参与。综合分析显示，接受机器人辅助训练的个体在上肢的Fugl-Meyer 评估 (FMA-UE) 分数以及上肢的功能活动方面都有显著改善。然而，针对腕部和手部功能的机器人在运动控制和日常生活活动的改善方面效果有限。随着意图驱动机器人的引入，...
脑机接口（Brain-Computer Interface, BCI）技术近年来发展迅速，被认为是一种无需通过外周神经和肌肉，仅通过大脑直接控制外部设备的前沿技术。特别是在运动想象（Motor Imagery, MI）脑电图（Electroencephalography, EEG）应用中，BCI 技术展现了巨大的潜力。通过分析MI-EEG信号，可以帮助患有物理障碍或神经肌肉退化的病人提高生活质量。然而，由于个体之间的差异以及大脑活动的稳定性、低信噪比（Signal-to-Noise Ratio, SNR）等因素，如何从复杂的EEG信号中提取有效特征以提高MI-EEG分类系统的准确性，仍然是一个巨大的挑战。 在MI-EEG分类中，特征提取与表示是决定分类性能的关键。当前广泛使用的特征提取方法，...
应用磁脑电图（MEG）分析全脑振荡微状态模式在寿命跨度中的变化：剑桥衰老与神经科学中心队列研究 研究背景 随着人口老龄化问题的日益严重，了解老化过程中的神经生理变化变得愈加关键。衰老的大脑是许多神经退行性疾病的主要风险因素，然而，整个大脑的振荡活动如何影响健康衰老尚不完全清楚。在细胞水平上，神经元的生物电化学特性使得它们能够产生电磁场，检测这些场的变化可以作为潜在的组织病理学生物标志物。五种典型的振荡脑信号（delta、theta、alpha、beta和gamma波）已被广泛研究，但它们在衰老中的具体作用仍有待深入探讨。研究者们提出，监测这些振荡信号的规律性和可预测性可以帮助识别认知衰退的潜在进程。特别地，alpha波的变化在衰老过程中表现出显著特征，如alpha波的减慢、alpha功率减少...
ALS的皮层神经生理特征解析及其生物标志物潜力研究 背景 Amyotrophic Lateral Sclerosis (ALS) 亦称肌萎缩侧索硬化症，是一种成人发病的神经退行性疾病，其特征是逐渐失去大脑、脊髓和周围运动系统的完整性。尽管临床和基因研究已揭示与额颞叶痴呆存在重叠，且识别出多种上游生物路径，但目前尚无高效的药物疗法来减缓疾病进程，现行试验依赖的生存期延长等结果并不敏感。亟需能够更贴合个体疾病活动的生物标志物，以便更快速地测试药物效果。 来源 该研究由Michael Trubshaw、Chetan Gohil、Katie Yoganathan等人撰写，他们均来自英国牛津大学。论文发表于2024年5月13日，刊登在Brain Communications期刊上。 研究方法及工作流程...