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...

雌激素缺乏对血管化和矿化动态的影响——基于新型3D人类化血管化骨类器官模型的研究 学术背景 骨质疏松症（osteoporosis）是一种常见的骨骼疾病，尤其在绝经后女性中发病率较高。骨质疏松不仅表现为骨量减少，还伴随着骨矿物质成分的变化。雌激素（estrogen）在维持骨稳态中起着关键作用，其缺乏会导致骨重塑失衡，骨吸收超过骨形成，进而引发骨质流失。尽管已有研究揭示了雌激素缺乏对成骨细胞（osteoblast）矿化沉积、骨细胞（osteocyte）机械敏感性以及骨细胞调控破骨细胞生成（osteoclastogenesis）的影响，但现有体外骨模型大多忽略了血管细胞在骨质疏松病理中的作用。血管化是骨形成的关键步骤，尤其是在软骨内骨化（endochondral ossification）过程中，...

算法透明度对用户体验和生理反应的影响 学术背景 随着情感计算（Affective Computing）技术的快速发展，情感感知任务适应系统（Affect-aware Task Adaptation）逐渐成为研究热点。这类系统通过多种测量手段（如生理信号、面部表情等）识别用户的心理状态，并据此调整计算机任务，以优化用户体验。例如，系统可以根据用户的情绪动态调整游戏难度，或根据用户的认知负荷调整任务复杂性。尽管已有研究表明，提高心理状态识别和任务适应的准确性可以显著改善用户体验，但算法透明度（Algorithmic Transparency）对用户体验的影响尚未得到充分研究。算法透明度指的是用户对计算机决策过程的理解程度。高透明度可能使用户更容忍系统的错误，甚至尝试通过调整自身行为来补偿系统的系...

跨语言语音情感识别中的音素锚定领域适应研究 学术背景 语音情感识别（Speech Emotion Recognition, SER）在智能代理、社交机器人、语音助手和自动化呼叫中心系统等应用中具有广泛的应用前景。随着全球化的发展，跨语言语音情感识别（Cross-lingual SER）的需求日益增加。然而，跨语言情感识别面临的主要挑战在于不同语言之间的情感表达方式和声学特征的差异。传统的研究方法主要从计算角度出发，通过特征、领域和标签的适应来应对跨语言问题，但往往忽略了语言之间的潜在共性。 本研究旨在通过引入元音音素（vowel phonemes）作为跨语言情感识别的锚点，解决跨语言情感识别中的语言适应问题。具体而言，作者探讨了不同语言中与特定情感相关的元音共性，并利用这些共性作为跨语言情感...

基于轻量级点云网络的3D区域结构运动表示在微表情识别中的应用 学术背景 微表情（Micro-expressions, MEs）是人类情感表达中的一种短暂且微妙的面部表情，通常持续1/25到1/5秒。由于其自发性、快速性和难以控制的特点，微表情往往能够揭示个体的真实情感，因此在人机交互（Human-Computer Interaction, HCI）、心理学、刑事分析、商务谈判等领域具有重要应用价值。然而，微表情的低强度和短暂性使其识别成为一项极具挑战性的任务。传统的微表情识别方法主要依赖于2D RGB图像中的运动特征提取，忽略了面部结构及其运动在情感传达中的关键作用。为了克服这一局限，本文提出了一种创新的3D面部运动表示方法，结合了3D面部结构、区域化的RGB和结构运动特征，旨在更准确地捕捉...

从认知任务中的异质神经响应推断潜在神经环路 学术背景 在认知任务中，大脑的高级皮层区域（如前额叶皮层，prefrontal cortex, PFC）负责整合多种感觉、认知和运动信号。然而，单个神经元的响应通常表现出复杂的异质性（heterogeneity），即它们同时对多个任务变量做出响应。这种异质性使得研究者难以从神经活动中直接推断出驱动行为的神经环路机制。传统的维度降维方法（dimensionality reduction methods）依赖于神经活动与任务变量之间的相关性，但无法揭示这些异质响应背后的神经环路连接。 为了解决这一问题，Christopher Langdon和Tatiana A. Engel开发了一种新的维度降维方法——潜在环路模型（Latent Circuit Mod...

神经群体活动的时间动力学约束：脑机接口揭示的神经计算机制 学术背景 大脑的神经活动如何随时间演化，是理解感知、运动和认知功能的核心问题之一。长期以来，神经网络模型认为，大脑的计算过程涉及由网络连接塑造的神经活动时间进程。这一观点提出了一个关键预测：神经活动的时间进程应该是难以违反的。然而，这一预测在实际的生物学神经网络中是否成立，尚未得到直接验证。为了回答这一问题，研究人员利用脑机接口（Brain-Computer Interface, BCI）技术，挑战猴子违反其运动皮层中自然出现的神经群体活动时间进程，包括尝试以时间反转的方式遍历这些活动进程。通过这一实验，研究团队试图验证神经活动的时间进程是否反映了底层网络的计算机制，并探讨这些进程是否可以被人为改变。 论文来源 这篇论文由 Emily...