学术背景与问题提出 在模糊集（Fuzzy Sets, FSs）的研究领域中，处理不确定性问题是核心挑战之一。模糊集由Zadeh于1965年首次提出，并迅速成为理论与应用研究的热点。随着研究的深入，模糊集的扩展形式——正交对模糊集（Orthopair Fuzzy Sets, OFSs）应运而生。OFSs通过引入正交对（即隶属度与非隶属度）来更全面地描述不确定性信息。Yager在2013年首次定义了OFSs，并提出了q阶正交对模糊集（q-Rung Orthopair Fuzzy Sets, q-ROFSs）的概念。随后，Gao和Zhang在2021年进一步提出了线性正交对模糊集（Linear Orthopair Fuzzy Sets, LOFs）及其对称形式——对称线性正交对模糊集（Symmet...

学术背景 结直肠癌（Colorectal Cancer, CRC）是全球范围内最常见的癌症之一，尤其在50岁以上人群中发病率显著增加。早期检测和准确诊断是提高患者生存率的关键。然而，传统的结直肠癌筛查方法，如结肠镜检查，依赖于医生的经验和视觉判断，存在一定的主观性和误诊风险。近年来，人工智能（Artificial Intelligence, AI）和深度学习（Deep Learning, DL）技术在医学影像分析中的应用为结直肠癌的自动化诊断提供了新的可能性。然而，现有的AI模型在图像特征提取和模型解释性方面仍存在不足，尤其是在处理不同成像条件下的图像时，模型的泛化能力和透明度亟待提高。 为了解决这些问题，研究者开发了Medivision系统，该系统结合了卷积神经网络（Convolution...

学术背景 在现代足球经济中，球员的转会市场价值不仅取决于他们的场上表现，还受到其知名度、社交媒体影响力等多种因素的影响。随着足球产业的全球化发展，俱乐部在转会市场上的决策越来越依赖于数据驱动的分析。然而，传统的球员评估方法主要依赖于进球、助攻等表现指标，忽略了球员的社交媒体活跃度、媒体报道等新兴因素。因此，如何通过机器学习和数据科学的方法，更准确地预测球员的转会价值，成为了一个重要的研究课题。 Wenjing Zhang 和 Dan Cao 的研究正是针对这一问题展开的。他们通过结合传统的表现指标和新兴的社交媒体数据，开发了一种混合机器学习模型，旨在为俱乐部提供更精确的球员市场价值预测，从而帮助俱乐部在转会市场上做出更明智的决策。 论文来源 这篇论文由 Wenjing Zhang 和 Dan...

学术背景 脑电图（Electroencephalogram, EEG）是研究大脑活动的重要工具，广泛应用于神经科学、临床诊断和脑机接口等领域。然而，EEG信号在采集过程中容易受到多种伪迹（artifacts）的干扰，例如眼电伪迹（Electrooculography, EOG）和肌电伪迹（Electromyography, EMG）。这些伪迹会显著降低EEG信号的质量，进而影响后续的分析和应用。尽管已有一些方法用于去除单一类型的伪迹，但在处理多种伪迹同时存在的情况时，现有方法往往表现不佳。因此，开发一种能够统一去除多种伪迹的模型成为当前研究的重要挑战。 Haoran Li等人针对这一问题，提出了一种基于伪迹表示的EEG去噪模型，称为A2DM（Artifact-Aware Denoising ...

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...

脓毒症（Sepsis）是一种由感染引发的全身性炎症反应综合征，常导致多器官功能衰竭和高死亡率。尽管现代医学技术在脓毒症的治疗上取得了显著进展，但仍有部分患者因病情急剧恶化而死亡。因此，准确预测脓毒症患者的死亡风险对于临床医生制定及时、个性化的干预策略至关重要。然而，现有的临床评分系统（如APACHE-II和SOFA评分）虽然能够评估危重患者的整体病情，但并未专门针对脓毒症患者进行优化。此外，传统的机器学习模型在处理时间序列数据时，往往忽略了疾病进展的时序特征，导致预测性能有限。 为了应对这些挑战，本研究提出了一种基于Transformer架构的时间序列模型，旨在通过捕捉患者ICU住院期间的动态健康轨迹，实时识别高风险个体，并为个性化干预提供可操作的见解。该研究不仅提升了脓毒症患者死亡风险的预...

乳腺癌是全球女性中最常见的恶性肿瘤之一，尽管早期干预和适当治疗已经显著提高了患者的生存率，但仍有约30%的病例会复发并发生远处转移，导致5年生存率低于23%。传统的临床预测方法，如生物标志物、临床影像和分子检测，虽然具有一定的价值，但其敏感性低、成本高、可用性有限，且存在患者内部的异质性等问题。因此，开发新的方法来可靠地预测术后乳腺癌患者的复发风险和生存率，以便及时干预和改善整体预后，成为当前研究的迫切需求。 近年来，人工智能（AI）技术的快速发展为乳腺癌的预后预测提供了新的可能性。深度学习作为一种强大的AI技术，能够从复杂的多模态数据中提取有价值的信息，结合病理图像、分子数据和临床信息，有望显著提高乳腺癌无病生存（Disease-Free Survival, DFS）的预测准确性。然而，现...

近年来，人类肠道微生物群（Human Gut Microbiota, HGM）在药物和营养素代谢中的重要作用逐渐被认识到。肠道微生物群不仅影响口服药物的生物利用度，还通过其代谢酶参与药物和生物活性分子的生物转化（biotransformation），从而影响药物的药代动力学和药效学特性。然而，由于肠道微生物群的复杂性和个体间的差异性，确定特定微生物对药物和营养素代谢的具体贡献仍然是一个巨大的挑战。为了解决这一问题，研究人员开发了GutBugDB，这是一个开放获取的数字资源库，旨在预测人类肠道微生物群介导的生物和异生物质（xenobiotic）分子的生物转化。 论文来源 该研究由Usha Longwani、Ashok K. Sharma、Aditya S. Malwe、Shubham K. J...

在基因组学领域，理解基因组的空间组织对于揭示基因调控机制至关重要。Hi-C技术作为一种全基因组染色体构象捕获技术，能够揭示基因组的三维结构，特别是染色质环（chromatin loops）在基因调控中的关键作用。然而，现有的Hi-C数据分析方法通常只能识别共享的染色质环，而难以检测细胞类型特异性的染色质环。这限制了我们对不同细胞类型中基因调控机制的理解。为了解决这一问题，Rui Liu等人提出了一种新的算法——SSSHiC（Significance in Scale Space for Hi-C Data），旨在通过尺度空间分析来识别细胞类型特异性的染色质环，从而更好地理解基因调控的细胞特异性。 论文来源 这篇论文由Rui Liu、Zhengwu Zhang、Hyejung Won和J. S...

基因组分析的隐私保护框架：基于多密钥同态加密的研究 学术背景 随着基因组测序成本的降低，基因组数据的广泛可用性为个性化医疗（也称为基因组医学）开辟了新的可能性。然而，基因组数据包含大量敏感信息，如疾病易感性、祖先信息和身体特征，这些信息的隐私问题成为了医学研究和数据共享的重大障碍。尽管研究人员已经提出了多种隐私保护技术，但现有的基于密码学的方法在互操作性、可扩展性、隐私保护程度以及多方分析支持方面仍存在不足。这些局限性限制了基因组数据的潜力，阻碍了其在医学研究中的应用。因此，开发一种既能保护隐私又能支持多方基因组数据处理的加密技术成为了迫切需求。 论文来源 这篇论文由Mina Namazi、Mohammadali Farahpoor、Erman Ayday和Fernando Pérez-Go...