揭示颞叶癫痫中突触密度网络功能紊乱的基因表达模式 背景 颞叶癫痫（Temporal Lobe Epilepsy, TLE）是最为常见的局灶性癫痫类型，其病理特征和发病机制长期以来吸引了神经科学领域的广泛关注。这种疾病不仅涉及单一脑区（如癫痫灶），而且被认为是一种影响广泛脑网络功能的疾病。颞叶癫痫的核心病理机制主要涵盖兴奋性和抑制性突触传递的不平衡，突触损失被认为是关键因素之一。这种突触网络的宏观变化可能进一步导致脑功能网络的功能紊乱，而基因层面的失调可能是这些突触改建的潜在推动因素。然而，目前对TLE患者体内全脑范围内突触密度网络（Synaptic Density Similarity Network, SDSN）以及其相关的基因表达机制尚缺乏深入研究。 考虑到上述问题，本文作者采用了多模态...

背景介绍 近年来，癌症的诊断和治疗领域取得了显著进展，尤其是基于分子成像和靶向放疗的技术。其中，成纤维细胞激活蛋白（Fibroblast Activation Protein, FAP）作为一种在肿瘤微环境中高度表达的生物标志物，引起了广泛关注。FAP主要表达于癌症相关成纤维细胞（Cancer-Associated Fibroblasts, CAFs）中，而CAFs在肿瘤的生长、侵袭和转移中起着关键作用。因此，FAP成为肿瘤诊断和治疗的重要靶点。 然而，尽管FAP靶向的放射性配体（FAP Inhibitors, FAPIs）在临床前和临床研究中显示出巨大潜力，但在临床前研究中，肿瘤模型中的FAP表达水平相对较低，导致使用低摩尔活性的放射性标记FAPIs时，成像质量较差，容易出现饱和效应。此外...

基于可解释性机器学习的氨基酸PET成像在胶质瘤诊断中的应用研究 学术背景 胶质瘤（glioma）是中枢神经系统最常见的恶性肿瘤之一，其诊断和治疗策略通常依赖于组织病理学分析。然而，组织病理学分析存在侵入性高、耗时长等局限性。近年来，基于医学影像的放射组学（radiomics）技术逐渐兴起，通过从医学图像中提取大量定量特征，结合机器学习（machine learning, ML）算法，能够有效捕捉复杂的影像特征关系，为胶质瘤的诊断和预后评估提供了新的可能性。然而，尽管机器学习模型在胶质瘤预测任务中表现出较高的效率，但其在临床实践中的应用仍受到限制，主要原因在于模型决策过程缺乏透明性，且难以与临床工作流程无缝整合。 为了解决这一问题，可解释性机器学习（explainable machine le...

人工智能增强超快速PSMA-PET在前列腺癌分期中的应用 学术背景 前列腺癌是全球男性中最常见的癌症之一，准确的诊断和分期对于治疗决策至关重要。前列腺特异性膜抗原（PSMA）正电子发射断层扫描（PET）已成为前列腺癌患者的标准检查方法。然而，传统的PSMA-PET扫描时间较长，通常需要20分钟，这限制了患者的检查机会，尤其是在需求日益增长的情况下。为了缩短扫描时间，研究人员提出了超快速PSMA-PET扫描技术，但这种方法往往以图像质量下降为代价。为了解决这一问题，研究人员探索了人工智能（AI）技术在图像增强中的应用，以提高超快速PSMA-PET的图像质量和诊断准确性。 论文来源 这篇论文由David Kersting、Katarzyna Borys、René Hosch和Robert Sei...

早期18F-Flortaucipir Tau-PET作为阿尔茨海默病脑代谢的替代标志物 背景介绍 阿尔茨海默病（Alzheimer’s Disease, AD）是一种常见的神经退行性疾病，其主要病理特征包括β-淀粉样蛋白（Aβ）的细胞外沉积、病理性tau蛋白的细胞内积累以及神经退行性变。这些病理变化在临床症状出现前10到20年就已经开始积累。正电子发射断层扫描（PET）成像技术能够在活体中评估这些蛋白质沉积和神经元损伤，因此在AD的早期诊断中起着至关重要的作用。18F-氟脱氧葡萄糖（18F-FDG）PET是研究神经退行性变的成熟技术，通过检测葡萄糖代谢的变化来识别AD、额颞叶痴呆（FTD）和路易体痴呆（DLB）等疾病的特定代谢模式。 近年来，双相淀粉样蛋白PET（dual-phase amy...