背景介绍 在机器学习领域，半监督学习（Semi-Supervised Learning, SSL）因其能够利用少量标注数据和大量未标注数据进行学习而备受关注。特别是在数据标注成本高昂的场景中，基于图的半监督学习方法逐渐成为研究热点。图卷积网络（Graph Convolutional Networks, GCNs）在半监督学习中表现出色，尤其是在具有图结构的数据（如引文网络和社交网络）中。然而，GCNs在非图结构的多视图数据（如图像集合）中的应用仍存在明显空白。 多视图数据（Multi-view Data）是指从不同视角或模态捕捉同一对象信息的数据集。例如，电视数据包含视频和音频两个视图，自然语言理解中同一语义对象可以用不同语言表达，人脸识别中2D图像和3D模型代表不同模态的面部数据。多视图学...

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...

基于自注意力相似性引导的图卷积网络用于多类型低级别胶质瘤分类 一、研究背景 低级别胶质瘤是一种常见的恶性脑肿瘤,由大脑和脊髓中的胶质细胞癌变引起。胶质瘤具有发病率高、复发率高、死亡率高和治愈率低等特点。正确分类多类型低级别胶质瘤对患者的预后至关重要。在诊断上,医生通常利用磁共振成像(MRI)和计算机断层扫描(CT)分析胶质瘤细胞的异柠檬酸脱氢酶(IDH)突变状态。 IDH突变状态是区分野生型和突变型胶质瘤的重要标志。传统上需要通过活检或手术切除来进行免疫组织化学或基因测序,从而确定IDH突变状态。由于活检存在一定风险,因此开发无创预测IDH突变状态的计算机辅助诊断方法具有重要意义,可避免患者接受不必要的手术风险。 二、论文来源 该论文发表于IEEE生物医学与健康信息学期刊(IEEE Jour...

脑胶质瘤分割的上下文感知网络研究报告 脑胶质瘤是一种常见的成人脑肿瘤，它对健康有严重的损害，并且具有高死亡率。为了提供早期诊断、手术规划和术后观察的充分证据，多模态磁共振成像（MRI）已经广泛应用于该领域。本文研究的目的是在脑胶质瘤的自动化分割中纳入上下文信息，这在处理局部模糊性方面提供了基本线索。 研究背景 先前的研究表明，基于深度神经网络的方法在脑胶质瘤分割中显示了很有希望的技术。然而，这些方法缺乏强有力的策略来结合肿瘤细胞及其周围的上下文信息。已有的自动分割方法虽然提高了分割精度，但仍然存在局部模糊性问题，没有充分考虑肿瘤细胞与其周围环境的关系。 论文来源 该研究由Zhihua Liu, Lei Tong, Long Chen, Feixiang Zhou, Zheheng Jiang...

基于深度学习的运动想象EEG分类通过利用皮层源成像的功能连接 研究背景与动机 脑-机接口（BCI）是直接解码并输出脑活动信息的系统，无需依赖相关的神经通路和肌肉，从而实现外部设备的通信或控制。在BCI系统中，常用的信号包括脑电图（EEG）、脑磁图（MEG）和功能性磁共振成像（fMRI）。其中，EEG是最常用的信号，因为它具有非侵入性、易于实施、成本低和无伦理挑战等优点。 运动想象（Motor Imagery, MI）是BCI中的一个重要范式，在无刺激条件下，运动想象任务期间会自发地产生运动想象EEG信号（MI-EEG）。MI-EEG信号中可能嵌入了运动皮层在运动意图期间的神经活动模式表示，因此解码MI-EEG信号已成为热门研究课题，以通过BCI系统实现对外部设备的精神控制。 现有的MI-EE...