基于群稀疏先验的荧光分子断层扫描用于胶质瘤形态重建

基于群稀疏先验的荧光分子断层成像用于胶质瘤形态重建技术的研究报告 一、学术背景和研究动机 荧光分子断层成像(Fluorescence Molecular Tomography,FMT)是一种重要的生命科学工具,通过该技术可以实现荧光源位置的非侵入实时三维(3D)可视化。由于其敏感度高、成本低的优点,FMT被广泛应用于肿瘤研究。然而,FMT的重建过程复杂且困难。尽管近年来FMT重建方法发展迅速,但形态重建依然是一个难题。因此,本研究的目的是在胶质瘤研究中实现FMT的形态重建性能。 二、论文来源与作者信息 本论文发表于IEEE Transactions on Biomedical Engineering期刊2020年5月第67卷第5期上,题为“Fluorescence Molecular Tom...

数据工程赋能的胶质瘤生存分析

脑胶质瘤患者的生存分析研究:数据工程赋能综述 引言 脑胶质瘤是一种在胶质细胞中发生的肿瘤,它们占全部原发性脑和中央神经系统肿瘤的26.7%。由于肿瘤异质性的存在,脑胶质瘤患者的生存分析成为了临床管理中的一个关键任务。在过去几十年里,研究者们提出了多种生存分析方法,结合不同类型的数据,如影像和遗传信息。尤其是近年来,机器学习技术和深度学习的兴起改变了传统的基于统计分析的生存分析方法。本文综述了利用诊断影像技术和基因组平台获得的预后参数,以及用于预后预测的技术、学习和统计分析算法,突出了现有生存预测研究的挑战,并提出了该领域研究的未来方向。 作者及出版信息 作者: Navodini Wijethilake (斯里兰卡莫拉图瓦大学计算机科学与工程系研究成员) 合著者: Dulani Meedeni...

基于贝叶斯推断的个体化胶质瘤生长预测

利用贝叶斯推断进行个性化预测胶质瘤生长 引言 胶质母细胞瘤(glioblastoma)是最具侵袭性的原发性脑肿瘤,肿瘤细胞会高度侵袭周围组织。通过标准医学成像技术无法准确识别这些弥漫性肿瘤边界,导致临床干预效果不佳且预后较差。由于此类挑战,依靠医学图像进行肿瘤空间和时空发育的可靠计算预测能够提供更多信息,有助于医生为每个个体设计最佳治疗方案。 近年来,多个关于肿瘤生长的生物物理模型通过非侵入性成像测量数据进行了开发和校准,旨在预测未来的肿瘤生长和治疗结果。然而,要实现预测肿瘤发展,必须解决两个关键挑战:一是需要量化模型预测中的不确定性,以改善个体治疗效果;二是需要表征肿瘤和宿主组织的空间异质性,这会对治疗的设计产生显著影响。 研究背景和动机 本研究的核心动机在于通过引入贝叶斯框架来解决上述两...

嵌入TiO2-Au-MXene的矩形开放通道用于脑肿瘤诊断的PCF生物传感器的数值分析

数值分析嵌入TiO2-Au-MXene的矩形开放通道PCF生物传感器用于脑肿瘤诊断 学术背景与问题陈述 近年来,具有成本效益和高可靠性的生物传感器的开发成为一个研究热点。这些传感器旨在检测分析物的微小浓度,种类繁多,涵盖了各种技术,用于监测和检测细胞和液体。光子晶体(photonic crystals, PHCs)和PHC纤维(photonic crystal fibers, PCFs)因其紧凑尺寸、电磁干扰抵抗性、对分析物需求量少、结构设计灵活且易于集成等优点,迅速占据了传感器技术的热门选择。 特别值得注意的是,基于表面等离子体共振(surface plasmon resonance, SPR)的光纤生物传感器表现出色。SPR现象通过光纤和贵金属相结合,可以剧增检测灵敏度,尤其在生物医学领...

基于影像表型和基因型的深度学习来预测胶质母细胞瘤患者的总体生存时间

基于影像表型和基因型的深度学习来预测胶质母细胞瘤患者的总体生存时间

在全球范围内,恶性脑肿瘤中最常见和最致命的是胶质母细胞瘤(Glioblastoma, GBM)。近年来,不断有研究尝试通过机器学习技术,基于术前的单模态或多模态成像表型来预测GBM患者的总生存时间(Overall Survival, OS)。尽管这些机器学习方法在预测上取得了一定的进展,但多数研究并未考虑基于影像学的OS预测方法中包含的肿瘤基因型信息,而这些信息对预后有很强的指示作用。为解决这般问题,Tang Zhenyu、Xu Yuyun、Jin Lei 等人于2020年6月在《IEEE Transactions on Medical Imaging》上发表了题为“Deep Learning of Imaging Phenotype and Genotype for Predicting ...

通过计算饱和诱变法鉴定克隆性造血驱动突变

引言 在健康的造血过程中,一组造血干细胞(Hematopoietic Stem Cells,简称HSC)贡献了所有与血液相关的谱系。然而,随着年龄的增长,这一过程常常会导致克隆性造血(Clonal Hematopoiesis,简称CH)的发生,即由某个HSC源头的克隆扩展,占据了很大一部分的血细胞和血小板。这个克隆扩展现象由HSC在生命过程中获得的躯体突变驱动,并在老年人群中高度普遍。与CH相关的基因突变赋予HSC生长优势,使其在造血过程中受到正选择(1-13)。近年来,大量研究表明,CH与血液恶性肿瘤发展、心血管疾病、全因死亡率以及实体肿瘤和传染病的风险增加相关(2, 7, 14-20)。尽管最近的深入研究已确认了大约60个CH驱动基因(1, 12, 13, 21),但我们对这些基因中的哪...

识别UK Biobank中与自杀未遂相关的行为和生理风险因素

研究背景: 自杀是全球性的公共卫生挑战,但关于行为因素和生理因素与自杀企图(suicide attempts,SA)之间的关系仍然存在很大的不确定性。以往的研究往往集中于有限的假设因素,如精神疾病(如抑郁症)、个性和心理特征(如绝望感)以及社会和家庭因素(如低社会支持和生活压力)。这样的狭隘视角可能导致其他风险因素被忽视。为了填补这些研究空白,本研究团队开展了大规模的种系统分析和孟德尔随机化分析,以确定英国生物银行数据集中可能与SA相关的行为和生理风险因素。 研究来源: 此论文由以下研究人员撰写:Bei Zhang、Jia You、Edmund T. Rolls、Xiang Wang、Jujiao Kang、Yuzhu Li、Ruohan Zhang、Wei Zhang、Huifu Wang...

基于群体资源的单样本肿瘤亚克隆重构算法

基于群体资源的单样本肿瘤亚克隆重构算法 背景介绍 癌症的进化过程和肿瘤的基因异质性是现代肿瘤学研究的重要领域。肿瘤从正常细胞进化而来,通过获得体细胞突变逐步发展。这些突变受细胞染色质结构和内源性及外源性诱变压力的影响,以概率的方式发生。如果特定的突变为细胞提供了选择优势,其后代细胞可以在其局部环境中扩展。经过多年的积累,最终形成带有多种癌症标志的细胞群体,即克隆。不同的肿瘤细胞亚群(亚克隆)可以通过漂移或选择压力在整个细胞群体中出现。这种进化特征对临床具有重要意义,基因异质性与较差的预后、更多的突变和耐药性有关。因此,理解和量化肿瘤的进化过程对于癌症治疗和预后评估至关重要。 肿瘤亚克隆重构是一种常见的方法,通过利用体细胞单核苷酸变异(SNVs)和拷贝数异常(CNAs)的等位基因频率来量化肿瘤...

基于微状态和递归量化分析的GRU-CNN模型在听觉注意力检测中的应用

综述与报道:基于微状态和递归量化分析的GRU-CNN模型在听觉注意力检测中的应用 背景与研究动机 注意力作为一种认知能力,对感知过程起着至关重要的作用,帮助人类在纷繁复杂的环境中集中注意力于特定对象,而忽略其他干扰。本论文针对听觉注意力检测(Auditory Attention Detection,AAD)进行了研究,通过多通道脑电图(EEG)信号在听者专注于目标讲话者的过程中提取不同的动态特征,以期在存在竞争性讲话者的情况下有效检测听觉注意力。 论文来源与作者信息 此论文由Mohammadreza Eskandarinasab、Zahra Raeisi、Reza Ahmadi Lashaki和Hamidreza Najafi撰写,分别来自于犹他州立大学、费尔莱狄克森大学、德黑兰科技大学等机...

深度学习模型揭示语义饱和的机制

深度学习模型揭示语义饱和的机制

深度学习模型揭示语义饱和机制 语义饱和(semantic satiation),即一个词或短语在被重复很多次后失去意义这一现象,是一种众所周知的心理学现象。然而,导致这一机制的微观神经计算原理仍然未知。本文使用连续耦合神经网络(continuous coupled neural network, CCNN)建立深度学习模型,研究语义饱和的机制,并用神经元成分精确描述这一过程。研究结果表明,从介观角度来看,语义饱和可能是一个自下而上的过程,与现有的宏观心理学研究认为语义饱和是一个自上而下的过程不同,本文的模拟采用与经典心理学实验类似的实验范式,观察到相似的结果。语义目标的饱和类似于本文网络模型用于物体识别的学习过程,依赖于对象的连续学习和切换,神经耦合的增强或削弱影响饱和。综上,神经和网络机制...