GCTNet：基于EEG信号检测重度抑郁症的图卷积Transformer网络 研究背景 重度抑郁症（Major Depressive Disorder, MDD）是一种普遍的精神疾病，其特征是显著且持续的低落情绪，全球约有超过3.5亿人受到影响。MDD是导致自杀的主要原因之一，每年约有80万人因此丧生。当前MDD的诊断主要依赖于患者的自我报告和临床医生的专业判断。然而，诊断过程的主观性可能会导致不同医生之间的一致性较低，从而可能产生不准确的诊断。研究发现，被诊断为MDD的一般医生的正确率仅为47.3%。因此，探索客观可靠的生理指标，并采用有效的方法及时识别MDD，对于促进早期诊断和干预至关重要。 论文来源 本论文由Beijing Advanced Innovation Center for ...

使用生成细胞自动机研究金的手性形态发生 背景与研究目的 手性（chirality）在自然界中无处不在，并且可以通过特定的分子相互作用和多尺度耦合在系统间传递和放大。然而，手性形成的机制以及生长过程中的关键步骤尚未完全理解。在本研究中，我们通过训练基于实验结果的生成细胞自动机（cellular automata, CA）人工神经网络，识别从非手性到手性形态的金纳米粒子的两种可区分的途径。手性最初由沿对映异构高指数平面边界的不对称生长的性质所决定。基于深度学习的手性形态生成解释不仅提供了理论理解，还允许我们预测前所未有的交叉路径及其结果形态。 作者与机构 本文由Sang Won Im、Dongsu Zhang、Jeong Hyun Han、Ryeong Myeong Kim、Changwoon ...

背景与研究动因 在物理学中，了解流体运动对于理解我们的环境以及我们如何与其进行交互至关重要。然而，传统的流体模拟方法由于其高计算需求，在实际应用中存在局限性。近年来，物理学驱动的神经网络被认为是一种有前途的数据驱动方法来理解复杂的自然现象。本文的作者受到平滑粒子流体动力学（SPH）方法的启发，提出了一种基于注意力机制的双管道网络架构——DualFluidNet，用于解决流体模拟中的全局控制和物理定律约束之间平衡的问题。 论文信息来源 本文由来自西安交通大学软件工程学院的Yu Chen、Shuai Zheng、Menglong Jin、Yan Chang和Nianyi Wang撰写，发表在2024年《Neural Networks》期刊上。该论文提出并探讨了一种创新的3D流体模拟方法。 研究方...

基于噪声生成和成像机制的隐式正则化学习网络在低剂量CT重建中的应用 低剂量计算机断层扫描（Low-Dose Computed Tomography，LDCT）已成为现代医学成像的重要工具，旨在降低放射性风险并保持图像质量。然而，降低X射线剂量常导致数据受损并引起反投影（FBP）重建不良，进而影响图像质量。为了应对这一问题，研究人员不断开发高级算法以在减少噪声和伪影的同时获取高质量图像。本次报道将详细介绍一项新的研究成果，旨在实现高性能的LDCT重建。 背景介绍 在X射线CT成像中，减少辐射剂量一直是追求的目标，通过降低X射线管电流和/或电压，稀疏视图以及限制角度扫描来实现。然而，这些成像协议可能导致数据损坏和不稳定重建，从而使用经典的FBP算法得到的图像质量较差。因此，开发新的高质量重建算法...

通过互相增强的跨模态图像生成与配准方法进行未对齐PAT和MRI图像的无监督融合 背景和研究目的 近年来，光声断层成像（Photoacoustic Tomography, PAT）和磁共振成像（Magnetic Resonance Imaging, MRI）作为前沿的生物医学成像技术在临床前研究中广泛应用。PAT能够提供高光学对比度和深层成像，但软组织对比度较差；而MRI具有优异的软组织成像能力，但时间分辨率较低。尽管多模态数据融合方面取得了一定进展，但由于图像未对准和空间失真的问题，PAT和MRI图像融合仍具有挑战性。 为了解决这些问题，本文作者提出了一种称为PAMRFuse的分阶段深度学习框架，重点在于未对准的PAT和MRI图像融合。该框架包括一个多模态到单模态的配准网络，用于准确对准输入...