深度学习放射组学模型结合临床放射学特征预测胰腺导管腺癌患者隐性腹膜转移的开发与验证 背景介绍 胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma, PDAC），一种极为致命的恶性肿瘤，其5年生存率约为11%。其糟糕的预后部分是由于80-85%的患者在出现症状时，已经被诊断出为晚期疾病，不可切除或已经发生转移，包括隐性腹膜转移（Occult Peritoneal Metastases, OPM）。腹膜是PDAC转移的第二常见途径，约10-20%的患者在首次诊断时即表现为腹膜转移，对于这一部分患者来说，早期识别腹膜转移将极大地影响治疗选择以避免不必要的手术。 传统的腹膜转移诊断依赖于计算机断层扫描（CT），但是由于缺乏明显的标志，早期腹膜转移往往难以被发现。诊断性分期...

用深度学习结合乳腺X线摄影和超声图像预测密乳腺女性BI-RADS US 4A病变恶性度的诊断研究 背景介绍 乳腺癌是女性最常见的恶性肿瘤，具有较高的发病率和死亡率。先前的研究发现密乳腺女性更容易患上乳腺癌。研究指示，亚洲女性的乳腺密度普遍高于非洲裔和白人女性，故对高乳腺密度的亚洲女性进行研究显得尤为重要。 乳腺X线摄影(MG)被认为是筛查乳腺癌的重要手段，并据称能降低30%的乳腺癌相关死亡率。然而，MG在检测密乳腺女性的乳腺病变时表现较差，其敏感性下降至48%-85%，主要由于腺体遮挡等问题。在这种情况下，超声(US)在筛查和诊断密乳腺女性时扮演着不可或缺的角色。对密乳腺患者进行US与MG联合检查可以提高检测率。一个荟萃分析显示，US作为MG的补充手段可以使无症状乳腺癌的检测率平均提高40%...

基于人工智能的乳腺病变分类多中心研究 在乳腺癌领域，早期诊断对于提高治疗效果和生存率至关重要。乳腺癌主要分为原位癌和浸润性癌两类，这两类癌症在治疗策略和预后上存在显著差异。原位癌的腋窝受累发生率较低（1-2%），不推荐进行前哨淋巴结活检（SLNB）；而对于浸润性癌症，SLNB或腋窝淋巴结清扫（ALND）是必要的。因此，能够在术前准确区分良性、恶性以及原位和浸润癌症显得格外重要。 对比增强乳腺摄影（CEM）是一种新兴的技术，因其能够体现病变的血管特性而在临床应用中日益广泛。然而，CEM在诊断乳腺癌方面尽管对恶性病变具有高敏感性，但其特异性却不尽如人意（66-84%）。此外，传统影像学检查的解释还会受到放射科医生经验的影响，不同的放射科医生之间存在较大的差异。因此，开发一种自动、可靠，并且能够在...

利用基于扩散模型的深度学习算法增强超结构成像与体积电子显微镜 背景介绍 电子显微镜（Electron Microscopy，简称EM）作为一种高分辨率成像工具，对细胞生物学取得了重大突破。传统的EM技术主要用于二维成像，尽管已经揭示了复杂的纳米级别细胞结构，但在研究三维（3D）结构时存在一定局限性。体积电子显微镜（Volume Electron Microscopy，简称VEM）作为一种更为先进的技术，通过串联切片和断层扫描技术（如透射电子显微镜TEM和扫描电子显微镜SEM）实现了细胞和组织的3D成像，可以提取细胞、组织甚至小模型生物体的纳米级3D结构。 尽管VEM技术突破了传统二维EM的局限性，但其成像速度和质量之间存在固有的权衡关系，导致成像区域和体积的限制。此外，生成各向同性（isot...

系统评估欧几里德对齐与深度学习在EEG解码中的应用 背景介绍 脑电图（EEG）信号由于其无创性、便携性和低采集成本，广泛用于脑机接口（BCI）任务。然而，EEG信号存在低信噪比、易受电极位置影响及空间分辨率差等缺点。随着深度学习（DL）技术的进展，该技术在BCI领域表现出色，甚至在某些情况下超过了传统的机器学习方法。然而，DL模型对数据需求量大是其主要障碍。多受试者数据的迁移学习（Transfer Learning， TL）通过共享数据能够更高效地训练DL模型。欧几里得对齐（Euclidean Alignment，EA）因其易用性、低计算复杂度和与DL模型兼容性，逐渐受到关注。但现有研究对EA结合DL的全局和个体模型训练效果评估较少。这篇论文旨在系统性评估EA和DL结合对BCI信号解码训练性...