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...
背景与研究动机 众所周知，食物营养与人类健康密切相关。科学研究表明，膳食营养不当与200多种疾病有联系，尤其在考虑肠道微生物代谢的情况下，食物营养成分与疾病之间的复杂交互作用更是难以系统化和实际应用。正因为如此，开发一个整合全面知识并提供实用应用的框架变得十分迫切，以支持获取饮食相关的查询。 研究来源 本文是一项由Chengcheng Fu、Xueli Pan、Jieyu Wu、Junkai Cai、Zhisheng Huang、Frank Van Harmelen、Weizhong Zhao、Xingpeng Jiang和Tingting He共同撰写的研究。这项研究的参与者来自湖北省人工智能与智能学习重点实验室、华中师范大学计算机科学学院以及Vrije Universiteit Amst...
##基于生物网络学习蛋白质知识来预测药物-靶点亲和力 背景介绍 药物-靶点亲和力（drug-target affinity, DTA）预测在药物发现环节中占据重要地位。高效且准确的DTA预测可以显著缩短新药开发的时间和经济成本。近年来，深度学习技术的爆炸性发展为DTA预测提供了强大的支持。现有的DTA预测方法主要分为基于1D蛋白质序列和基于2D蛋白质结构图的方法。然而，这些方法仅关注靶蛋白的内在特性，忽略了过往研究中明确揭示的蛋白质交互的广泛先验知识。 针对上述问题，本文提出了一种名为MSF-DTA（基于多源特征融合的药物-靶点亲和力）的端到端DTA预测方法。MSF-DTA通过利用邻接蛋白的信息，增强蛋白质的表示，并使用高级图预训练框架VG-AE（变分图自动编码器）来学习这些表示，使得预测结...
AAV介导的曲妥珠单抗中枢神经系统递送用于EGFR2阳性脑转移瘤 背景介绍 在乳腺癌治疗中，人表皮生长因子受体2（HER2）+ 的肿瘤表现出更为侵略性的特征，这给临床治疗带来了显著挑战。自1998年曲妥珠单抗（Trastuzumab，商品名赫赛汀®）获得批准以来，该药已显著改善HER2+ 乳腺癌患者的整体生存率。然而，对于发展为中枢神经系统（CNS） 的HER2+脑转移病例，由于存在脑血屏障及其他因素的影响，曲妥珠单抗在脑脊液中的半衰期较短（2-4天），传统的系统性抗HER2抗体治疗效果有限。因此，有必要寻求新的治疗途径来靶向HER2+ CNS疾病。 研究来源 本文的研究由Marcela S. Werner、Shweta Aras、Ashleigh R. Morgan等来自宾夕法尼亚大学佩雷...
恶性胶质瘤（Malignant Glioma, MG）是最常见的原发性恶性脑肿瘤类型。手术切除MG依然是治疗的基石，且切除范围与患者生存期高度相关。然而，在手术中很难区分肿瘤组织与正常组织，这极大地限制了手术切除的效果。荧光成像是一项新兴技术，可以在术中实时可视化MG及其边界。然而，现有的临床级荧光成像神经外科显微镜由于成本高、便携性差、操作灵活性有限以及缺乏熟练的专业技术人员，导致应用率较低。为了克服这些限制，研究人员创新性地将微型光源、可翻转滤光片和记录摄像机集成到手术放大镜中，生成了一种可穿戴的荧光眼镜设备，用于术中的荧光成像。 来源 本文由Mehrana Mohtasebi、Chong Huang、Mingjun Zhao、Siavash Mazdeyasna、Xuhui Liu、S...
研究背景 荧光光谱是一种广泛应用于识别和量化荧光物质（荧光团）的方法。然而，当材料中包含其他荧光团（基线荧光团）时，量化感兴趣的荧光团变得具有挑战性，特别是当基线的发射光谱未明确定义且与目标荧光团的发射光谱重叠时。为了准确区分并量化这些荧光物质，研究人员提出了基于多波长激发荧光光谱的新方法。这项研究的主要目标是解决基线荧光干扰这一问题，并提供一种无需先验假设的稳健估计算法。 论文来源 这篇名为《An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores Using Multiple-Wavelength Excitation Fluorescence Spectroscopy》的论文，作者包括A. Ga...
睡眠阶段分类在睡眠质量评估和疾病诊断中至关重要。然而，现有的分类方法在处理时间延变的多通道脑信号的空间和时间特征、应对个体生物信号差异以及模型的可解释性方面仍然面临诸多挑战。传统的机器学习方法依赖于复杂的特征工程，而深度学习方法尽管在特征表示学习上表现出色，但在空间-时间特征利用、跨个体泛化能力以及模型可解释性方面仍有待提升。 为了应对上述挑战，北京交通大学的Ziyu Jia等人以及麻省理工学院的Li-Wei H. Lehman提出了一种多视角时空图卷积网络（Multi-View Spatial-Temporal Graph Convolutional Networks, MSTGCN），并结合域泛化用于睡眠阶段分类。 论文来源 这篇论文由北京交通大学计算机与信息技术学院的Ziyu Jia,...
MI-EEG解码中基于注意力机制的时间依赖学习卷积神经网络（CNN） 研究背景与问题描述 脑机接口（Brain-Computer Interface, BCI）系统提供了一种通过实时翻译大脑信号与计算机进行通信的新途径。近年来，BCI技术逐渐在为瘫痪患者提供辅助和预防性护理方面发挥了重要作用。现有的许多BCI系统依赖于非侵入性且相对便捷的脑电图（EEG）信号记录来追踪大脑活动。然而，即使在同一MI任务期间，不同时期产生不同MI相关模式的时间依赖性特性也往往被忽略，从而大大限制了MI-EEG解码性能。 论文来源与作者信息 论文《A Temporal Dependency Learning CNN with Attention Mechanism for MI-EEG Decoding》于202...
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...
在如今的教育环境中，理解学生的学习风格对提高他们的学习效率至关重要。特别是视觉学习风格（visual learning style）的识别，有助于教师和学生在教学和学习过程中采取更有效的策略。目前，自动识别视觉学习风格主要依靠脑电图（Electroencephalogram, EEG）和机器学习技术。然而，这些技术通常需要离线处理来消除伪影和提取特征，从而限制了其在实时应用中的适用性。 这项由Soyiba Jawed、Ibrahima Faye和Aamir Saeed Malik在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上发表于2024年的研究，提出了一种基于深度学习技术的实时视觉学习者识别模型，...