2025-12-16 共 24 条抓取，按综合热度排序
Vision Foundry 是一个无代码、符合 HIPAA 规范的平台，旨在降低临床研究者使用自监督学习（SSL）训练医学视觉基础模型的门槛。该系统集成了 DINO-MX 框架，通过放大感知蒸馏（MAD）和参数高效微调（PEFT）等策略，简化了分布式基础设施的复杂性。在神经病理学分割、肺细胞密度估计和冠状动脉钙化评分等领域的验证表明，其训练的模型在分割保真度和回归准确性上显著优于通用基线，并展现出跨成像协议的强大零样本泛化能力。
本研究提出MSGRNLink框架，用于从单细胞RNA测序数据中精确推断基因调控网络。该框架首次将GRN明确建模为符号有向图，并创新性地采用磁符号拉普拉斯卷积来提取网络拓扑结构特征，克服了传统谱图卷积的局限。在模拟和真实数据集上的实验表明，MSGRNLink在AUROC指标上全面超越现有基线模型。参数敏感性分析和消融实验证实了其鲁棒性及各模块的重要性。在膀胱癌案例研究中，该模型预测出了更多已知的调控边及其激活/抑制符号，验证了其生物学相关性。
本研究开发了一种预测达拉非尼敏感性的新模型。该模型整合了基因组学、转录组学、蛋白质组学、表观基因组学和代谢组学等多层组学数据，并利用图卷积网络（GCN）从蛋白质相互作用网络中提取拓扑信息。通过基于注意力的融合机制，模型能自适应地为不同组学数据分配权重。在GDSC癌细胞系数据上的测试表明，选择性整合蛋白质组学和转录组学数据取得了最佳预测性能（R²约0.96），优于所有单组学及全多模态设置。该方法为精准肿瘤学和靶向治疗预测提供了有前景的计算框架。
本研究提出了一种双通道注意力融合网络（DCAF-Net），用于卒中康复外骨骼中的下肢运动意图预测。该方法创新性地协同融合了运动前表面肌电信号和惯性测量单元数据，通过自适应通道注意力模块提取肌电特征，并结合CNN与注意力LSTM解码运动时空模式。在11名参与者（含8名卒中患者）的实验中，模型对患者的预测准确率达97.19%，为临床康复机器人实现意图驱动的人机协同控制提供了有效解决方案。
本研究针对传统信息准则（如AICc、BIC、Cp）在模型选择中因候选模型数量指数增长而计算量巨大的问题，提出了一个创新性的解决方案。研究团队挑战了“非单调性无法界定搜索空间”的传统观念，设计了一种简单而新颖的边界条件。基于此，他们开发了适用于非单调信息准则的分支定界算法。该方法能保证找到全局最优模型，并在多种模型类别、规模和实际应用中实现了计算速度的极大提升，例如在一个涉及约40亿候选模型的任务中，计算速度提升了超过6000倍。
本研究提出了OmniNovo，一个统一的深度学习框架，可直接从串联质谱图中对未修饰和修饰肽段进行无参考从头测序。该模型学习通用的碎裂规则，在单一模型中解析多种翻译后修饰，克服了传统数据库搜索算法因搜索空间组合爆炸而受限的问题。通过整合质量约束解码算法与严格的错误发现率估计，OmniNovo在1%错误发现率下比标准方法多识别出51%的肽段，并能泛化至训练中未见的生物位点，为全面无偏地分析细胞调控机制提供了新工具。
为控制毒蛇“波布”数量，日本奄美大岛引入了印度獴，却引发了严重的生态灾难。研究团队构建了包含蛇、獴、鼠及自然资源的数学模型，分析了捕食者-猎物动态。研究发现，若在引入獴10年后（而非实际20年后）开始捕杀控制，獴可能不会灭绝，并能与本土物种共存，从而避免当前严重的生态破坏。研究强调了在决策前利用数学模型评估替代方案的重要性。
本研究提出了一种结合非线性预测与信息论的方法，用于检测和量化复杂系统中的高阶协同行为。通过定义“整体减部分”的互预测性（Δ_MP）和互信息（Δ_MI）超额量，该方法能区分变量间的独立作用与协同交互。在模拟系统和生理数据分析中，Δ_MI对统计依赖性更敏感，而Δ_MP则更能捕捉由系统内在规则产生的协同效应。该方法为评估心血管网络的生理病理改变提供了潜在的生物标志物。
本研究通过随机矩阵理论，揭示了经过工作记忆任务训练的兴奋-抑制神经元网络的关键动力学特征。研究发现，训练后网络在平衡点附近的雅可比矩阵具有稀疏、非厄米的块状结构，其谱特性由抑制核心-兴奋外围的网络基序主导。研究者利用统计场论和超对称方法，建立了该随机矩阵系综的解析理论，成功将雅可比矩阵的统计参数（如稀疏性、权重方差、E/I比例、时间尺度与增益分布）与平衡点的近临界特征联系起来，阐明了这些特征对实现鲁棒工作记忆计算的重要性。
研究通过“邻近性论证”形式化分析意识理论的要求，指出当代大语言模型（LLM）因与功能等效但明显无意识的系统邻近，无法被任何非平凡意识理论判定为有意识。这构成了对当前LLM意识的否定证明。同时，研究提出积极结论：基于或要求持续学习的意识理论能够满足人类意识理论的严格形式约束。这表明，如果人类意识与持续学习相关，那么当前LLM因缺乏持续学习能力，其无意识状态与此局限密切相关。
本研究提出了一种识别和比较拓扑循环结构的新框架，解决了持续同调分析中的核心挑战。框架包含两种互补方法：一是利用合并树算法从持续区间构建同调类的层次化树状图表示，并引入Wasserstein距离进行度量比较；二是扩展分层梯度采样方法，同时学习多个滤波函数以重构不同的循环集合，形成互不重叠的循环社区。该工作将循环匹配问题转化为层次聚类与拓扑优化框架，为识别拓扑对象内及跨对象的相似结构提供了系统方法。
本研究针对经典的Lotka-Volterra系统，提出了一个平衡点保持稳定的必要条件。该工作是对Adachi、Takeuchi和Tokumaru等人早期系列研究的自然补充，他们曾为稳定平衡点的存在提供了充分（在某些情况下也是必要）条件。新结果有助于更完整地理解这一重要生态动力学模型的稳定性特征。
无量纲化是简化数学模型的关键步骤，但传统上依赖经验，被视为一门“艺术”。本研究提出一种系统化算法，可自动处理由有理一阶常微分方程描述的任意规模模型。该算法结合微分代数、不变量理论和线性代数，能自动计算最大标度对称性的有理不变量，并输出无量纲化模型。研究还扩展了算法以处理初始条件和模型者的选择，并证明了任何维度一致的变量变换都会保持最大标度对称性的维度。该框架已在包括经典米氏方程在内的多个模型上得到验证。
本研究提出了一种模拟人类心理旋转能力的机制模型。该模型整合了等变神经网络、神经符号学习和循环决策路径，包含三维空间编码、符号化描述生成和旋转模拟决策三个核心组件。模型设计基于大量传统实验，并辅以创新的VR交互实验，使参与者能操作物体进行比较。结果表明，该模型能准确复现人类在心理旋转任务中的表现、反应时间和行为模式，并通过系统消融实验验证了各组件的重要性。
本研究提出了一种基于图神经网络（MeshGraphNet）的深度代理模型，用于实时评估膝关节接触应力。该模型创新性地专注于学习跨受试者的神经肌肉控制模式，而非仅关注解剖结构差异。通过在固定解剖条件下使用九名受试者的步态数据进行验证，模型与真实有限元分析结果的相关系数达0.94，显著优于传统节点式MLP模型（0.88）。研究证明，图神经网络通过模拟物理应力的消息传递，能有效捕捉个体运动策略中独特的非局部力传导路径，从而更准确地识别几何模型无法发现的功能性损伤风险。
本研究提出一种新算法，用于在泛基因组图中挖掘与给定序列链对齐的所有最大路径。该算法允许用户指定最大间隙，在路径顶点的片段中进行比对，旨在提升泛基因组图的功能分析能力。随着高质量基因组组装的普及，泛基因组图已成为整合多序列和坐标表示的强大框架，在比对、变异发现和基因分型等核心生物信息学流程中展现出优势。
本研究开发了一种基于注意力机制的多组学整合框架，用于预测癌细胞对临床前BRAF抑制剂PLX-4720的敏感性。该模型整合了基因组、表观基因组、转录组、蛋白质组、代谢组和蛋白质相互作用数据，通过注意力机制为不同组学模态分配重要性权重。研究发现，整合基因组学和转录组学的双模态模型预测性能最佳（验证R² > 0.92），揭示了突变状态与下游转录激活在决定药物敏感性中的互补作用。研究强调，模态选择比追求最大数据深度更为关键。
本研究回顾性分析了250名慢性卒中患者的门诊记录，旨在确定上肢远端优势性无力在纯皮层下卒中患者中的患病率。结果显示，根据全脑定义，纯皮层下卒中患者出现远端优势性无力的比例为30.6%，显著高于非纯皮层下卒中患者的17.4%。在所有慢性卒中患者中，60%无上肢无力，而远端优势性无力是最常见的无力模式（23%）。该发现有助于基于病灶位置预测长期预后，并为康复计划制定和临床研究提供依据。
下一代血液分析仪（NGHAs）通过整合微流控、先进光学、人工智能、流式细胞术和数字成像等前沿技术，实现了对血细胞形态、功能和遗传特征的深度解析。相比传统设备，NGHAs能提供更精细的细胞信息，为精准医疗中的定制化诊疗方案奠定基础。本文综述了相关技术进展、临床影响及面临的标准化、数据管理与伦理挑战，并展望了其在即时检测和未来治疗改革中的潜力。
本文是一篇面向神经科学家的降秩回归（RRR）教程。RRR是一种用于在高维输入与输出之间寻找低维线性映射的统计方法，近年来在识别大脑区域间相互作用的“通信子空间”方面应用广泛。文章系统介绍了RRR的数学基础，阐述了其与奇异值分解、主成分分析、典型相关分析等降维技术的关系，并推导了其重要扩展（如岭正则化）。最后，文章还引入了量化通信强度以及通信轴与神经活动主模式对齐程度的新指标。
本研究构建了一个整合常微分方程（ODE）与Petri网（PN）的双模型框架，用于分析2025年中国佛山基孔肯雅热疫情。通过SEICR仓室模型，在相同流行病学场景下比较了两种方法，并采用三阶段拟合方案评估干预措施效果。模型预测准确度高，平均绝对误差为18.77-18.91例，均方根误差为36.52-36.54例。研究预测疫情高峰出现在第32天（406例），比实际高峰（第35天，432例）早3天，峰值误差为6.0%。基本再生数分析显示，初始R0为14.67（ODE）/13.90（PN），有效再生数随干预阶段下降，第三阶段降至0.059，实现传播阻断。敏感性分析表明，恢复率是最敏感参数，解释了96.72%的R0变异。该研究首次系统比较ODE与Petri网，为虫媒传染病建模提供了新框架，对制定疫情控制策略具有重要理论与实践价值。
Macular是一款带图形界面的仿真平台，旨在为视网膜和初级视觉系统创建硅上实验场景。用户可通过界面构建三维多层结构，每层对应视网膜或视觉皮层中的一种“细胞”（如神经元或皮层柱）。平台支持任意视频输入，允许用户使用预设或自定义的细胞与突触模型（通过输入方程文本），并自动生成和编译C++代码。用户可实时观察输入视频、三维结构及各层细胞活动，并通过界面调整模型参数。该工具专为无需编程即可在硅上测试假说的神经生物学家和建模者设计，能模拟自然或病理、药理等改变条件。
本研究提出了一种基于偏微分方程（PDE）的数学模型，用于描述微生物聚集体内多种细菌与底物间的生态相互作用与空间动力学。模型包含交叉扩散和反应项，模拟了细菌在底物驱动下的增殖、种群压力梯度驱动的被动扩散，以及物种间对共享底物的竞争和代谢副产物的共生关系。研究通过数值实验验证，该PDE模型能有效复现个体基模型（IBM）中观察到的关键空间模式，并分析了特定对称参数情形下的行波行为。
本研究通过基于网络的EEG源分析，探究了ADHD患者在认知和情绪Go/NoGo任务中的振荡皮层活动。对272名参与者的EEG数据分析发现，ADHD患者在多个网络（包括一个伽马主导的下颞叶成分）中表现出统计显著但微弱的激活增强，并与NoGo条件存在交互作用。行为结果复现了ADHD患者反应更慢、变异性更大、错误率更高的典型表现。总体而言，研究揭示了ADHD抑制处理过程中振荡脑网络的细微改变，支持了ADHD神经生物学的维度观点。