非侵入性成像技术评估脉络丛跨屏障水交换 背景介绍 脉络丛（Choroid Plexus, CP）是脑脊液（Cerebrospinal Fluid, CSF）生成的关键部位，同时也是血-脑脊液屏障（Blood-Cerebrospinal Fluid Barrier, BCSFB）的重要组成部分。脉络丛通过调节脑脊液的分泌和吸收，维持大脑的内环境稳定。然而，目前缺乏非侵入性的成像技术来评估脉络丛的功能，这限制了对BCSFB功能的深入理解。现有的方法，如示踪剂稀释法和脑脊液采集法，虽然能够间接测量脑脊液的分泌，但这些方法具有侵入性，且无法准确区分脉络丛与其他潜在来源（如血脑屏障）的贡献。 近年来，研究人员提出通过测量脉络丛到脑脊液的水流出率（kbc）来评估BCSFB的完整性。这一指标在老年小鼠和轻...

深度学习在儿童低级别胶质瘤术后复发预测中的应用 背景介绍 儿童低级别胶质瘤（Pediatric Low-Grade Gliomas, PLGGs）是儿童中最常见的脑肿瘤类型之一，占所有儿童中枢神经系统肿瘤的30%-50%。尽管PLGGs的预后相对较好，但其术后复发风险难以通过传统的临床、影像学和基因组因素准确预测。术后复发的异质性使得术后管理决策变得复杂，尤其是关于辅助治疗和影像监测的决策。因此，开发一种能够准确预测术后复发风险的工具对于优化患者管理和改善预后具有重要意义。 近年来，深度学习（Deep Learning, DL）在医学影像分析中的应用取得了显著进展，尤其是在肿瘤分割和预后预测方面。然而，由于PLGGs的罕见性和数据稀缺性，深度学习在该领域的应用仍面临挑战。本研究旨在通过结合术...

MRI肿瘤生境分析在胶质母细胞瘤中的病理验证 背景介绍 胶质母细胞瘤（Glioblastoma, GBM）是一种高度恶性的脑肿瘤，具有高度的异质性和侵袭性。由于其复杂的肿瘤微环境（Tumor Microenvironment, TME），传统的影像学方法难以准确区分肿瘤的不同区域，如肿瘤核心、浸润性肿瘤边缘以及坏死区域。这种空间异质性不仅影响治疗效果，还导致患者预后不良。因此，如何通过非侵入性影像学手段准确识别肿瘤的不同区域，成为当前研究的热点。 近年来，基于多参数MRI（如扩散加权成像DWI和动态磁敏感对比增强成像DSC）的肿瘤生境分析（Tumor Habitat Imaging）逐渐兴起。这种方法通过体素级别的聚类分析，能够识别肿瘤内不同的生理区域，从而为肿瘤的生物学特性提供更深入的理解...

PICK模型在半监督医学图像分割中的应用 学术背景 医学图像分割在临床实践中具有重要意义，能够为医生提供关于器官或肿瘤的体积、位置和形状等关键信息。近年来，基于深度学习的模型在医学图像分割任务中表现出色，但这些模型通常需要大量的标注数据。然而，医学图像的标注需要专业的临床医生，获取这些标注数据既耗时又昂贵。因此，如何在有限的标注数据下提高模型性能成为了一个重要的研究问题。 半监督学习（Semi-Supervised Learning, SSL）通过同时利用有限的标注数据和大量的未标注数据，成为解决这一问题的有效方法。现有的SSL方法主要分为两类：伪标签（Pseudo-labeling）和基于一致性的协同训练（Consistency-based Co-training）。然而，这些方法在处理未...

基于边界回归与结构重参数化的细胞核实例分割模型RepsNet 学术背景 病理诊断是肿瘤诊断的金标准，而细胞核实例分割是数字病理分析和病理诊断中的关键步骤。然而，模型的计算效率和处理重叠目标的能力是当前研究中的主要挑战。为了解决这些问题，本文提出了一种基于细胞核边界回归和结构重参数化的神经网络模型RepsNet，用于在H&E染色的组织病理学图像中进行细胞核的分割和分类。 细胞核的分布和形态特征（如密度、核质比、平均大小和多形性）不仅对评估癌症分级有用，还能预测治疗效果。然而，病理图像通常具有细胞核广泛粘连、种类多样、形状多变以及细胞质背景与细胞核前景对比度低等特点，这些特征使得细胞核实例分割变得极为困难。 论文来源 本文由Shengchun Xiong、Xiangru Li、Yunpeng Z...