加速多电极阵列模拟的稀疏与低秩矩阵技术 学术背景 多电极阵列（multi-electrode arrays, MEAs）在神经刺激领域具有重要应用，尤其是在视网膜假体（retinal prostheses）等神经假体中。这些设备通过电刺激神经元来恢复视力或治疗神经退行性疾病。然而，模拟这些设备的电场分布和电流动态行为具有极高的计算复杂性。传统的模拟方法需要处理数百万个相互连接的电阻（resistor mesh），导致计算时间和内存需求急剧增加，尤其是当电极数量增多、像素尺寸减小时，模拟变得几乎不可行。 为了解决这一问题，本文提出了一种基于稀疏矩阵（sparse matrix）和低秩补偿（low-rank compensation）的加速模拟方法，旨在显著减少计算复杂度，同时保持高精度。该研究...

基于可穿戴线圈的仰卧位乳腺MRI运动校正研究 学术背景 乳腺癌的诊断和监测中，磁共振成像（MRI）是至关重要的工具。目前，标准的乳腺MRI通常采用俯卧位进行成像，这种姿势有助于减少呼吸运动带来的伪影。然而，俯卧位对患者来说并不总是舒适的，并且与手术、超声检查、放射治疗等临床干预中常用的仰卧位存在乳腺形状和位置的差异。因此，开发仰卧位乳腺MRI具有重要的临床意义，但其对运动伪影的敏感性较高。 为了减少仰卧位乳腺MRI中的呼吸运动伪影，研究人员提出了多种策略，包括屏气技术、呼吸门控或重新排序技术，以及基于导航器或运动传感器的回顾性非刚性运动校正。其中，使用运动传感器进行校正是一种有效的方法。然而，传统的呼吸带（respiratory belt）在仰卧位乳腺MRI中的应用存在局限性，尤其是在使用可...

基于选择性听觉注意解码的脑机接口无监督准确性估计研究 学术背景 在复杂的听觉环境中，人类能够选择性地关注某一个声音源，而忽略其他干扰声音，这一现象被称为“鸡尾酒会效应”（cocktail party effect）。选择性听觉注意解码（Selective Auditory Attention Decoding, AAD）技术通过分析脑电图（Electroencephalography, EEG）等脑信号，解码出用户正在关注的声音源。这一技术在神经导向助听器（neuro-steered hearing aids）和脑机接口（Brain-Computer Interface, BCI）等领域具有重要应用。然而，当前的AAD算法通常依赖于监督学习，即需要用户明确告知其关注的声音源，以提供“地面真值...

学术背景 帕金森病（Parkinson’s Disease, PD）是第二常见的慢性神经退行性疾病，主要影响65岁及以上人群。随着全球人口老龄化的加剧，帕金森病的患病率预计将从2015年的700万增加到2040年的1300万。目前，帕金森病的诊断主要依赖于临床问卷和运动日记，这些方法耗时且存在较大的主观偏差。近年来，随着可穿戴技术和机器学习方法的结合，研究人员开始探索通过量化运动症状来辅助帕金森病的诊断。然而，这些技术的有效性受到环境设置的影响，难以在现实世界中广泛应用。因此，本研究旨在提出一种有效的特征评估框架，通过短期运动任务自动评估帕金森病运动症状的严重程度，并在现实世界中进行分类。 论文来源 该研究由来自University of Sheffield和Yunnan Universit...

呼吸表面肌电图电极位置定量比较研究 学术背景 呼吸表面肌电图（Surface Electromyography, SEMG）是一种非侵入性技术，用于记录呼吸肌肉的肌电活动，广泛应用于分析呼吸努力、患者-呼吸机不同步以及呼吸训练。然而，由于缺乏标准化的电极放置方案，不同研究中使用的位置和配置差异较大，导致研究结果的可比性受限，临床应用的推广也受到影响。因此，确定最佳的电极位置对于提高呼吸SEMG的临床接受度至关重要。本研究旨在通过定量比较单侧和双侧双极导联的性能，为呼吸SEMG的标准化提供科学依据。 论文来源 本论文由Andra Oltmann、Jan Graßhoff、Nils Lange、Tobias Knopp和Philipp Rostalski共同撰写，作者均来自德国弗劳恩霍夫研究所（...