• 脑肿瘤的多对比度MRI超分辨率技术：任意尺度隐式采样与无监督微调

  摘要：多对比度磁共振成像（MRI）在临床应用中具有重要意义，因为它能够全面反映组织的特征，包括解剖结构、功能以及代谢情况。以往的研究利用高分辨率（HR）参考图像中的丰富细节来指导低分辨率（LR）图像的超分辨率（SR）处理，这种技术被称为多对比度MRI SR。然而，其临床应用受到以下两个因素的制约：（1）不同医院之间的MRI设备和采集协议存在差异，导致数据分布不均匀；（2）某些成像模式下缺乏用于监督学习的成对的低分辨率和高分辨率图像。在此，我们从临床角度重新审视多对比度MRI，并提出了一种隐式采样与生成（ISG）网络结合无监督微调（FT）的框架。简而言之，ISG网络具备强大的表征能力，能够处理任

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• MCS-Stain：通过多重细胞语义增强FFPE样本到HE样本的虚拟染色过程

  摘要：癌症的诊断主要依赖于用苏木精和伊红（HE）染色的病理切片。这些切片通常是由经过福尔马林固定并嵌入石蜡中的组织样本制备而成的（FFPE）。然而，传统的FFPE样本HE染色过程耗时且资源密集。近年来，受数字病理学和生成模型推动的虚拟染色技术取得了进展，为这一领域提供了有前景的替代方案。然而，FFPE图像中模糊的结构给实现高质量的FFPE到HE虚拟染色带来了独特的挑战。在此背景下，我们开发了一种新的多细胞语义引导的监督生成对抗模型MCS-Stain。具体来说，该模型的引导机制包括三个组成部分：（1）预训练的细胞语义引导，将真实图像和虚拟图像的强大中间特征对齐，这些特征嵌入在预训练的细胞分割模型

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 通过短长时记忆SAM 2加速医学影像的标注工作

  摘要：手动标注体积医学图像（如磁共振成像（MRI）和计算机断层扫描（CT）是一个劳动密集型且耗时的过程。最近在视频对象分割基础模型方面的进展，例如Segment Anything Model 2（SAM 2），为通过手动标注一两层图像然后将目标掩膜应用到整个体积中来显著加快标注过程提供了潜在的机会。然而，SAM 2在这种情况下的性能存在差异。我们的实验表明，依赖单一的记忆库和注意力模块容易导致错误传播，尤其是在目标在前一层图像中存在但在当前层图像中缺失的边界区域。为了解决这个问题，我们提出了Short-Long Memory SAM 2（SLM-SAM 2），这是一种新的架构，它结合了不同的短

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 在线教学：提取分解后的多模态知识以用于乳腺癌生物标志物预测

  摘要：免疫组化（IHC）生物标志物的预测从多模态数据融合中受益匪浅。然而，基因组数据和病理数据的同步获取常常受到成本或技术限制的制约。为了解决这一问题，我们提出了一种新型的基因组引导的多模态知识分解网络（GMKDN），该框架在训练过程中有效整合了基因组数据和病理数据，并在推理过程中动态适应可用数据。GMKDN引入了两项关键创新：（1）批量样本多模态知识分解（BMKD）模块，它将输入特征分解为特定于病理的、通用的多模态成分以及特定于基因组的成分，以减少冗余并提高知识的可转移性；（2）在线相似性保持知识蒸馏（OSKD）模块，该模块优化激活相似性矩阵，以促进教师模型和学生模型之间的稳健知识转移。BM

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 医学影像研究新标杆：SIER原则引领创新与可重复性发展

  随着人工智能技术的飞速发展，医学影像领域正经历着前所未有的变革。从CT、MRI到PET、超声等多种成像 modality（模态），从传统的图像重建算法到新兴的深度学习技术，医学影像的研究范围日益扩大。然而，这种快速发展也带来了新的挑战：许多研究存在验证不足的问题，模型的可解释性差，数据集规模有限且质量参差不齐，甚至出现了大量缺乏创新性的论文涌入顶级期刊投稿系统的现象。正是在这样的背景下，IEEE Transactions on Medical Imaging（TMI）作为医学影像领域的权威期刊（2024年影响因子9.8，在生物医学工程类期刊中排名第10），迫切需要建立一套明确的论文评审标准，以

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 用于猕猴介观脑连接研究的神经元计数方法

  摘要：对标记有示踪剂的神经元进行精确的定量分析和定位对于揭示大脑连接模式以及构建猕猴的中观尺度脑连接组图谱至关重要。然而，方法学上的挑战和数据集开发的局限性阻碍了这一科学进展。本研究提出了“猕猴荧光标记神经元”（Macaque Fluorescently Labeled Neurons, MFN）数据集，该数据集基于对三只恒河猴进行的逆向追踪实验获得。该数据集由六位专家精心标注，包含1,600张图像和33,411个高质量的神经元注释。利用这一数据集，我们开发了一种名为“密集卷积注意力U-Net”（Dense Convolutional Attention U-Net, DAUNet）的细胞计数

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 基于CT诊断模式的、具备跨难度感知能力的肺栓塞分割网络

  摘要：在计算机断层扫描肺血管造影（CTPA）中自动分割肺栓塞（PE）有助于定量评估PE的严重程度，这对于准确和全面的诊断以及降低PE的高死亡率至关重要。最近的研究尝试通过整合血管分割技术来减少分割错误。然而，这些方法在PE分割方面的性能受到组织间相似性、PE的微小尺寸以及PE形状和位置变化的限制。为了解决这些问题，我们提出了一种面向CT诊断模式且具有跨难度感知能力的网络（DMCD-Net）用于PE分割。具体而言，我们的DMCD-Net模仿了多模态CT的协作诊断模式，以学习PE与周围组织之间的强度差异，这可以有效减少误报分割，尤其是在PE尺寸微小和组织间相似性较高的情况下。此外，我们引入了一种具

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 通过循环动态相关性实现的高效大变形医学图像配准

  摘要：可变形图像配准通过空间变换来估计图像之间的体素级对应关系，在医学成像中发挥着关键作用。尽管深度学习方法显著降低了运行时间，但高效处理大尺度变形仍然是一项具有挑战性的任务。卷积网络能够聚合局部特征，但缺乏对体素对应关系的直接建模，这促使近期研究探索显式的特征匹配方法。其中，体素到区域匹配通过在邻域内计算局部相关特征来更有效地进行直接对应关系建模；而区域到区域匹配则由于大区域之间存在过多的相关对而产生较高的冗余。然而，体素到区域匹配的固有局部性限制了其捕捉大尺度变形所需的长距离对应关系的能力。为了解决这一问题，我们提出了一种基于循环相关性的框架，该框架能够动态地将匹配区域重新定位到更有希望的

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 用于CBCT金属伪影减少的结构保持两阶段扩散模型

  摘要：锥形束计算机断层扫描（CBCT）在牙科临床应用中发挥着重要作用，但金属植入物常常会导致严重的伪影，从而影响诊断的准确性。大多数基于深度学习的方法试图通过对配对的模拟数据进行训练来减少金属伪影（MAR）。然而，这些方法往往难以保留金属植入物周围的解剖结构，并且无法弥合现实世界数据与模拟数据之间的差异，导致实际应用中的性能不佳。为了解决这些问题，我们提出了一个两阶段的扩散框架，重点强调结构保留和领域泛化。在第一阶段，训练一个具有结构感知能力的扩散模型，从受伪影影响的CBCT图像中提取无伪影的清晰边缘图。该训练过程通过结合口内扫描（IOS）数据和CBCT图像得到的牙齿轮廓来进行监督，以提高对真

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 基于静息态功能磁共振的脑疾病识别：可解释性规范建模新框架BRAINEXA

  在人脑这个精密复杂的网络中，细微的功能失调可能预示着严重的神经系统疾病。从影响情绪调节的重度抑郁症（MDD），到阻碍社交互动的自闭症谱系障碍（ASD），再到表现为注意力不集中的注意缺陷多动障碍（ADHD），以及伴随记忆衰退的阿尔茨海默病（AD），这些脑疾病的准确识别对于及时干预和改善患者预后至关重要。静息态功能磁共振成像（rs-fMRI）作为一种非侵入性技术，能够通过血氧水平依赖（BOLD）信号揭示大脑各区域在静息状态下的功能连接（FC）模式，为探测这些疾病的神经基础提供了独特窗口。然而，利用rs-fMRI进行脑疾病识别并非易事。当前主流方法大多依赖于监督学习，即利用已标注的患者和健康对照数据

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• FunOTTA：通过稳定的测试时训练实现跨领域眼底图像的即时适应

  摘要：眼底图像对于早期筛查和检测眼疾至关重要。虽然利用眼底图像的深度学习模型在多种眼疾的诊断方面取得了显著进展，但来自不同成像设备和位置的图像差异（称为“领域偏移”）给在实际应用中部署预训练模型带来了挑战。为了解决这一问题，我们提出了一种新颖的“即时测试时适应”（FunOTTA）框架，该框架能够有效地将眼底图像诊断模型泛化到未见过的环境中，即使在存在严重领域偏移的情况下也能发挥作用。FunOTTA 的优势在于其稳定的适应过程：它通过在内存库中执行动态消歧来最小化有害的先验知识偏差。此外，我们在适应过程中引入了一种新的训练目标，使分类器能够通过可靠的类别条件估计和一致性正则化逐步适应目标模式。我

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 隔室模型的推导与验证：对动态成像技术的意义

  摘要：隔室模型是用于描述化学物质在人体内传输的数学模型，假设每个隔室（对应于人体的不同部位）内的浓度是均匀的。这些模型通过药代动力学（pharmacokinetic, TK）和示踪剂动力学（tracer kinetics, TK）模型在制药和医学成像领域得到广泛应用，其形式为时间依赖的常微分方程组。然而，这些模型并未考虑各个隔室内生理过程的空间依赖性。本研究旨在通过数学推导来探讨这些模型的物理含义，并分析其局限性。从更复杂的模型中推导出了三个TK模型，这些模型涵盖了所涉及的生理过程。推导过程中引入了与这些过程相关的假设，其中最显著的是“混合均匀性假设”，即假设研究区域内的浓度是均匀的。通过模拟

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 元数据驱动的联邦学习：在非独立同分布（Non-IID）多领域场景中连接性脑模板的联合训练

  摘要：连接性脑模板（CBT）是对大脑连接性群体的整体表示。CBT的联邦学习能够以完全保留数据的方式，从多个领域（例如医院）估计大脑连接性的CBT。然而，现有方法忽略了由于多领域大脑连接性的异质性而产生的非独立同分布（non-IID）问题。这一问题降低了来自多个分散领域的局部学习CBT的中心性，最终导致表示能力受限。为了解决这一限制，我们提出了一个基于元数据的联邦学习框架MetaFedCBT，用于在非独立同分布条件下进行多领域CBT学习。利用来自特定领域的数据，我们的模型能够通过提出的元数据回归器和局部-全局网络残差权重来预测其他未见领域的元数据（即统计信息）。此外，我们还引入了一个基于元数据的

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• MIRROR：通过模态对齐和保留实现的多模态病理自我监督表示学习

  摘要：组织病理学和转录组学是癌症诊断中的基础方法，它们分别反映了疾病的形态学和分子特征。多模态自监督学习在整合多种数据源以学习病理表征方面展现了显著的潜力。传统的多模态整合方法主要侧重于模态对齐，但未能充分保留各模态特有的内在结构。然而，与传统情况下多模态输入具有高度重叠的特征不同，组织病理学和转录组学数据表现出明显的异质性，提供了相互补充的视角：组织病理学数据提供了形态学和空间背景，有助于理解组织结构和细胞拓扑；而转录组学数据通过量化基因表达模式来揭示分子特征。这种固有的差异性给同时保持模态特异性和数据对齐带来了挑战。为了解决这些问题，我们提出了MIRROR这一新型多模态表征学习框架，旨在实

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 利用季铵功能化二氧化硅复合材料实现高效的钍/钡分离，以可持续生产用于靶向阿尔法治疗的212Pb

  212Pb已成为212Bi的关键母体同位素，而212Bi是一种用于肿瘤学靶向α治疗的α发射性放射性核素；然而，其有限的可用性阻碍了其更广泛的临床应用。为了解决这一重大挑战，本研究重点探讨了一种从天然存在的232Th衰变链中分离228Th（212Pb的前体）与其母体同位素228Ra的方法。通过原位聚合技术，开发出一种含有季铵基团的新型多孔二氧化硅复合材料（称为SiPVP-N4），该材料能够在高酸性条件下高效实现Th和Ba的分离。这种材料具有独特的球形结构和高孔隙率（孔径为25.4纳米），分离过程快速（30分钟内即可达到平衡，速度是商用树脂的六倍），并且对Th的选择性极强（Th/Ba分离因子SFT

  来源：Langmuir

  时间：2025-11-24

• 外源性CD55在膜包裹纳米颗粒上的表达出乎意料地增强了这些纳米颗粒对脾脏的亲和力以及免疫细胞在体内的摄取效率

  纳米颗粒（NPs）作为一种重要的药物递送系统，在治疗多种疾病方面展现出巨大潜力，尤其是癌症治疗、基因疗法以及调控免疫反应等领域。然而，其临床应用受到免疫系统清除效应的限制。在静脉注射后，纳米颗粒容易被免疫细胞识别并清除，主要归因于它们在表面吸附了多种蛋白质，形成所谓的“蛋白冠”（protein corona），进而被肝脏和脾脏等清除器官捕获。为了解决这一问题，研究人员尝试通过基因工程手段，在纳米颗粒的膜上引入免疫逃逸相关蛋白，以减少免疫系统的识别和清除。尽管如此，膜包裹纳米颗粒（MWNPs）仍然面临蛋白冠介导的清除问题，尤其是补体蛋白的作用尤为突出，因为它们在先天免疫中起着关键作用，不仅会促进

  来源：ACS Nano Medicine

  时间：2025-11-24

• 基于软凝胶的变革性结构工程设计

  功能软凝胶是一种具有高度可调控性和响应性的软材料，其结构通常由聚合物网络与小分子（如水或其他溶剂）组成。这种材料不仅具有机械柔韧性和可变形性，还能够根据外部刺激（如温度、pH值、光、电场和磁场）进行响应，从而展现出一系列独特的物理和化学特性。这些特性使其在药物输送、组织工程、传感器和软体机器人等多个前沿领域展现出广阔的应用前景。然而，尽管软凝胶已经展现出许多优点，但其内部机制仍存在诸多未解之谜，阻碍了对其结构与功能之间关系的深入理解。此外，如何将这些新型功能更好地融入到实际设备或产品中，依然是一个持续的技术挑战。本文旨在对功能性软凝胶的最新进展进行综述，重点探讨其结构设计和创新制造技术，同时分

  来源：Accounts of Materials Research

  时间：2025-11-24

• 综述：整骨手法治疗作为一种辅助和整合性方法，用于缓解压力、焦虑和抑郁：一项系统评价

  在现代医学领域，心理健康问题已成为全球关注的重要议题。根据相关研究，焦虑、抑郁和压力等心理障碍不仅影响个体的日常功能，还对整体生活质量产生深远影响。特别是在美国，约有32.3%的人口报告存在心理健康问题，其中大多数属于焦虑和情绪障碍。这些障碍常常伴随着身体症状、社会功能下降以及对工作和家庭关系的干扰。因此，寻找有效的治疗方式，特别是那些能够同时改善多种心理问题的非侵入性方法，成为当前医学研究的重点。在众多治疗方案中，骨科手法治疗（Osteopathic Manipulative Treatment, OMT）作为一种补充疗法，逐渐受到重视。OMT的理论基础源于19世纪70年代由Andrew T

  来源：EXPLORE

  时间：2025-11-24

• 修订后的患者对减少药物使用态度问卷（rPATD）的翻译、跨文化适应及在日本地区的验证

  本研究旨在探讨一项用于评估日本老年人及其照护者对“减药”（Deprescribing）态度的问卷——修订版患者对减药的态度量表（rPATD）的翻译与文化适应性。减药作为一种系统性的过程，主要目标是识别并停止那些对患者而言潜在危害大于益处的药物，以提高药物安全性并改善患者的总体健康状况。这一概念在国际上已有广泛应用，尤其是在针对多药联用（Polypharmacy）及其相关风险的研究中。然而，由于日本独特的社会文化背景和医疗体系，对于该量表的本地化版本开发仍存在一定的挑战。### 研究背景在医学领域，随着人口老龄化趋势的加剧，多药联用现象在老年人中变得越来越普遍。多药联用不仅可能导致药物依从性下降

  来源：Exploratory Research in Clinical and Social Pharmacy

  时间：2025-11-24

• 转移性乳腺癌患者与非转移性乳腺癌患者对口服抗癌药物的依从性：来自一个中低收入国家的研究见解

  ### 乳腺癌患者口服抗癌药物依从性的研究解读乳腺癌是全球女性中最常见的癌症之一，同时也是导致癌症相关死亡的主要原因之一。随着医学技术的进步，口服抗癌药物（OAMs）已成为现代肿瘤治疗的重要组成部分。这些药物不仅有助于改善患者的临床结果，还能减少住院率，提升患者对治疗的掌控感。然而，OAMs的使用也伴随着一系列挑战，包括药物副作用管理、治疗周期长以及患者依从性问题。依从性是指患者按照医生建议持续、正确地使用药物，是确保治疗效果的关键因素。在实际临床环境中，非依从性可能导致治疗失败、病情恶化，甚至增加医疗成本。本研究聚焦于埃及的乳腺癌患者，探讨他们对OAMs的依从性及其影响因素。研究团队由来自开

  来源：Exploratory Research in Clinical and Social Pharmacy

  时间：2025-11-24

知名企业招聘：