一、背景介绍：自闭症儿童行为监测的临床困境与科技前景 自闭症谱系障碍（Autism Spectrum Disorder, ASD，自闭症）是一种伴随终生的神经发育性障碍。近年来，美国自闭症发病率快速攀升，根据现有流行病学数据，平均每36名儿童中就有一例自闭症患儿。自闭症主要表现为与他人的沟通和社会交往困难、兴趣和活动受限，以及重复刻板行为。上述核心症状直接影响患儿在家庭、学校和社会中的日常活动与社会功能。此外，与自闭症相关的“挑战性行为”（Challenging Behaviors, CBs），包括自伤、攻击和干扰性行为，具有重要的临床关注价值。这些行为不仅加剧了患儿的社交障碍，还带来了严重的健康风险，甚至危及自身或他人的安全。 目前，对于自闭症儿童的行为监测多依赖临床评估，由专业人员在医院...

学术背景 在现实世界中，网络数据（如社交网络、引文网络等）通常包含多种类型的节点和边，并且这些网络结构会随着时间的推移而动态变化。为了更好地分析这些复杂的网络，研究者们提出了网络嵌入（network embedding）技术，旨在将网络中的节点和边表示为固定长度的向量，以便于后续的分析任务，如节点分类、链接预测等。然而，传统的网络嵌入模型在处理动态异质网络（dynamic heterogeneous networks）时面临诸多挑战，尤其是如何有效地捕捉网络结构的动态变化和异质性。 近年来，Transformer模型在自然语言处理（NLP）领域取得了显著的成功，但其在网络嵌入中的应用仍处于起步阶段。Transformer模型通过自注意力机制（self-attention）能够捕捉序列数据中的...

基于CNN与Dilated Sampling Self-Attention的ABVS乳腺肿瘤分割研究 学术背景 乳腺癌是全球范围内第二大常见癌症，早期和准确的检测对于改善患者预后和降低死亡率至关重要。尽管目前有多种成像技术（如X线乳腺摄影、磁共振成像和手持超声）被用于乳腺癌的早期筛查，但这些技术往往面临分辨率有限或操作依赖性强等问题。为了解决这些问题，自动化乳腺容积扫描仪（Automated Breast Volume Scanner, ABVS）应运而生。ABVS能够自动获取整个乳房的全面视图，但其图像分析仍然具有挑战性，主要由于乳腺肿瘤在大小、形状和位置上的显著差异。近年来，深度学习在医学图像分析中取得了显著进展，尤其是卷积神经网络（CNN）和变换器（Transformer）在肿瘤分割和...

基于高阶运动流的共轭视觉表征持续学习：CMOSFET模型的研究 学术背景 在人工智能和计算机视觉领域，如何从连续的视觉数据流中进行持续学习（Continual Learning）是一个长期存在的挑战。传统的机器学习方法通常依赖于独立同分布（i.i.d.）的假设，即所有训练数据在训练时是静态且可用的。然而，现实世界中的视觉数据往往是连续的、非独立同分布的，这给模型的训练带来了巨大的困难。此外，现有的无监督学习方法大多依赖于大规模的离线训练数据集，这与人类和动物通过连续体验环境进行学习的方式截然不同。 为了解决这些问题，Simone Marullo、Matteo Tiezzi、Marco Gori和Stefano Melacci等研究人员提出了一种新的无监督持续学习模型，名为CMOSFET（Co...

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...