• 一种基于稀疏集成滤波技术的残差脉冲神经网络，用于高精度脉冲分类，并在忆阻器平台上实现协同优化

  摘要：脑机接口依赖于对神经信号的精确解码，其中脉冲排序是从复杂的神经数据中提取单个神经元活动的关键步骤。本文提出了一种用于高效脉冲排序的脉冲神经网络（SNN）框架，称为SIFT-RSNN。在SIFT-RSNN中，原始神经信号通过基于阈值的时间编码策略被编码为脉冲列，然后使用稀疏积分滤波模块来精炼错误放电的脉冲，从而增强数据的稀疏性以利于模式学习。具有膜短路结构的RSNN模块确保了高效的特征传输，并提高了整个系统的泛化性能。在Leicester数据集的Difficult1和Difficult2子集上，SIFT-RSNN的准确率分别达到了96.2%和99.6%，超越了现有的最先进方法。此外，我们还

  来源：IEEE Transactions on Biomedical Circuits and Systems

  时间：2025-11-22

• 面向颅内植入设备的实时自适应时间序列分割算法硬件实现及其在癫痫检测中的应用

  全球有超过5000万人受癫痫困扰，其中约30%的患者会发展为药物难治性癫痫，迫切需要替代治疗方案。近年来，神经植入设备通过集成片上算法，能够实现精准的实时癫痫检测与干预，显著降低数据传输的技术与财务负担。然而，随着神经植入设备中电极数量的增加，以提高空间分辨率和脑区覆盖范围，数据量的激增对处理效率提出了更高要求。高效处理对于最小化传输带宽和功耗、确保植入式系统的长期可行性至关重要。在此背景下，发表于《IEEE Transactions on Biomedical Circuits and Systems》的一项研究提出了一种新颖的解决方案。研究人员开发了一种用于实时时间序列分割（TSS）的硬件

  来源：IEEE Transactions on Biomedical Circuits and Systems

  时间：2025-11-22

• 基于一维卷积神经网络（1-D CNN）的超声扫描ASIC，用于动脉扩张监测的回波模式识别

  摘要：本文介绍了一种专为A模式超声扫描仪设计的专用集成电路（ASIC），用于监测动脉扩张情况。该ASIC使用单元素超声探头，通过回波模式识别来定位目标动脉，并重建动脉直径波形。采用一维卷积神经网络（CNN）来识别特征性的动脉壁回波模式，从而确保探头位置的准确性。此外，还利用梯度加权类别激活映射（Grad-CAM）技术自适应地定位动脉壁区域，便于在每个A模式帧中测量动脉直径。ASIC包含高压脉冲器、发射/接收（T/R）开关、模拟前端以及用于后处理的数字电路。该ASIC采用180纳米BCD工艺制造，占用面积为2.8平方毫米，功耗为1.65毫瓦。经过测试，该ASIC在CNN推理性能和动脉扩张估计准确

  来源：IEEE Transactions on Biomedical Circuits and Systems

  时间：2025-11-22

• 一种用于脑机接口语音解码的40纳米、3.9毫瓦、处理速度为200字/分钟的神经信号处理器

  摘要：脑机接口（BMI）技术使人类大脑能够直接与机器进行交流。本研究提出了一种用于实时BMI的神经信号处理器，该处理器支持将用户的语音尝试转换为句子。通过采用语音尝试检测技术，能耗降低了46%，同时语音尝试检测所需的通道数量也从128个减少到了16个。所提出的权重编码方法结合了稀疏编码和混合精度算术，将神经网络的片外存储大小减少了80%。计算顺序的优化使处理延迟降低了55%。对于部分求和缓存技术，神经网络的操作次数减少了25%。神经网络引擎中的处理单元（PE）阵列利用了输入数据和权重的稀疏性，进一步将处理延迟降低了95%。通过在PE阵列中使用所提出的混合精度乘法器，与全精度PE阵列相比，芯片面

  来源：IEEE Transactions on Biomedical Circuits and Systems

  时间：2025-11-22

• 一种基于芯片的微型磁共振成像（MRI）平台，配备集成前端探头，用于原位三维细胞培养监测

  摘要：三维（3D）细胞培养因能够更好地模拟体外组织环境而受到关注，从而提高了药物筛选的效率。在这样的环境中追踪生物动态需要先进的监测技术。本文介绍了一种微型磁共振成像（MRI）平台，专为在微升体积的微孔中成像3D细胞培养形态而设计，实现了生物动态的实时和现场可视化。该系统使用专用MRI集成电路来激发和检测核磁共振（NMR）信号。为了适应小体积检测需求，该平台配备了一个定制的前端探头，其中包括一个微型鞍形线圈和一个PDMS模具制成的样品孔，用于原位容纳和检测微升级别的样品。我们对样品进行的概念验证实验表明，该系统的MRI图像分辨率为90×128×88 μm³，并能够对3D培养物进行连续的多视角（

  来源：IEEE Transactions on Biomedical Circuits and Systems

  时间：2025-11-22

• 一种用于深脑刺激的神经刺激器，具备宽负载电流和阻抗自适应功能

  摘要：本文提出了一种具有高负载适应性的双相双极电流控制刺激器。该刺激器包括片上高压发生器、输出驱动器和8位电流DAC（数模转换器），能够在负载阻抗在0.5kΩ至5kΩ范围内变化时，持续提供从0.1mA到最大20mA所需的刺激电流。在输出电压接近12V的情况下，本文全面考虑并仔细解决了电路的过应力及可靠性问题。为了实现高负载阻抗适应性，本文提出了一种新颖的PAM（脉冲幅度调制）环路控制架构来驱动电荷泵（CP），与传统方法（如PFM（脉冲频率调制）和PSM（脉冲跳变调制）相比，该方法能够提供更高的输出动态范围。此外，为了进一步提高高压发生器的功率转换效率（PCE），本文提出了一种基于PAM的双域电

  来源：IEEE Transactions on Biomedical Circuits and Systems

  时间：2025-11-22

• CoRe：一个用于医学图像分割的端到端协作精细化网络

  摘要：从医学图像分割中获得的解剖学信息为临床诊断和治疗提供了重要的决策依据。最近提出的具有编码器-解码器架构的深度网络取得了令人印象深刻的结果。然而，这些现有的深度网络存在一些固有的缺陷，例如，网络深度和下采样操作共同导致了深度特征的空间细节信息的丢失。我们发现，正是由于缺乏针对这些固有缺陷的解决方案，才使得进一步提高分割性能变得困难。因此，基于这些发现，我们提出了一种端到端的协作细化方法（CoRe）。具体来说，我们首先通过预测不确定性图和前景边界图来生成一个易出错区域（EPR），以模拟错误区域；在定位出高错误倾向的像素后，我们提出了一种基于邻域感知特征和前景边界增强特征的特征细化模块（FRM

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 一种具有双路径变换器的相位增强神经网络，用于单通道胸部声音分离

  摘要：胸部听诊是诊断心血管和肺部疾病的基本工具。然而，两种主要的胸部声音——心音（HS）和肺音（LS）经常相互混杂，从而限制了诊断的准确性。本文提出了一种新型的相位增强神经网络（PENN），用于分离心音和肺音。为了解决相位信息利用不足的问题，PENN整合了一个前馈连接，将输入频谱传递给恢复器，从而基于局部的相位特征实现相位恢复。此外，还采用了时频双路径变换器（DPT）来扩展网络的感知范围并提升性能。为了评估PENN的有效性，提出了两个新的指标mSI-SDRi和pSI-SDRi，分别用于衡量幅度和相位的贡献。实验表明，在肺音截止频率为60Hz的情况下，PENN使心音的pSI-SDRi指标提高了1

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 通过显式结构结合增强蛋白质网络表示，以预测蛋白质-蛋白质相互作用

  摘要：蛋白质-蛋白质相互作用（PPIs）是人体中的基本分子事件，在疾病治疗和干预中发挥着关键作用。然而，现有的蛋白质表示方法通常依赖于简化的PPI网络模型，这些模型面临两个主要挑战：（i）忽略了对于蛋白质相互作用至关重要的基于残基的结合关系；（ii）未能将残基级别的结合数据与蛋白质相互作用网络整合起来，从而限制了它们揭示PPIs结合机制的能力。为了解决这些问题，我们提出了一个增强型蛋白质网络表示框架，该框架包含显式的结构结合信息，以改进PPI预测，命名为E PPI。具体而言，E PPI利用单蛋白结构分析和蛋白质间结合表示模块提取配对蛋白质之间的残基级别相互作用。为了将残基级别的结合数据与蛋白质

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 大型语言模型及提示优化在从生物通路图中提取知识中的应用

  摘要：睡眠在人类生活中起着至关重要的作用，其质量直接影响整体健康状况。睡眠分期是一个关键过程，也是评估睡眠质量的重要指标。本文提出了一种基于多阈值邻域极值统计模式（SMNE）的睡眠分期方法。我们结合离散小波变换（DWT）和数据增强算法对脑电图（EEG）信号进行预处理，通过信噪比（SNR）评估和信号重叠分析来提高信号质量。随后，将EEG信号的极值分类为5种不同的状态，并对5状态极值矩阵中的差异应用多阈值算法以定义和提取模式。这些模式经过统计编码后，被输入到5个权重层中。接着，这些编码结果被送入灰狼优化（GWO）算法，以确定SNR和SMNE特征的阈值。最后，通过这个过程得到的特征被输入到随机森林（

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• MFDP：多视图特征集成与强化疾病提示机制，用于放射学报告生成

  摘要：放射学报告生成的目标是从医学图像中自动生成诊断报告，从而减轻放射科医生的工作负担。现有的大多数模型通常采用编码器-解码器架构，其中文本解码器根据编码后的图像特征生成报告。然而，这些方法存在两个主要局限性：1) 它们总是使用单一视图特征或简单的静态多视图融合特征，无法捕捉多视图图像中的互补信息；2) 在文本解码过程中缺乏与疾病相关的明确诊断信息，导致生成的报告在临床准确性和相关性方面有所下降。为了解决上述问题，本文提出了一种新的框架，称为“多视图特征整合与增强疾病提示放射学报告生成”（Multi-view Feature Integration and Enhanced Disease P

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• GATPDD：一个用于预测药物-寄生虫疾病关联的增强型深度学习框架

  摘要：寄生虫疾病对人类健康构成了严重威胁。准确且稳健地预测药物与寄生虫疾病之间的关联对于推进药物发现和开发寄生虫疾病疗法至关重要。然而，该领域的生物医学数据往往过于匮乏，无法用于训练通用的机器学习模型。尽管已经开发出用于预测潜在药物-寄生虫疾病关联的计算方法，但由于数据限制，这些方法的性能受到了限制。在这里，我们提出了一个名为GATPDD的深度学习框架，以改进药物-寄生虫疾病关联的预测。我们的模型结合了增强型深度图信息最大化（Deep Graph Infomax）、多头图注意力网络（Multi-head Graph Attention Networks）和邻域交互注意力（Neighborhoo

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 用于微阵列数据分类的集成特征选择

  摘要：微阵列数据分类面临高维度和小样本量的挑战，这导致特征选择变得不稳定。传统的集成特征选择方法难以有效平衡多样性和质量。我们提出了一种新颖的集成特征选择方法（EFSM），该方法引入了一种特征映射多样性度量来生成一个稳健的候选特征集。EFSM首先利用随机神经网络创建原始数据的多个非线性特征映射（视图），从而生成一个多样化的特征选择器候选集。其核心创新在于一种集成剪枝技术，该技术被构建为一个优化问题，旨在同时最大化各个特征选择器的预测准确性和它们之间的多样性。我们通过将这个NP难问题转化为半定规划（SDP）问题，并推导出一种高效的解决方案界限来简化该问题。最后，使用Borda计数方法对剪枝后的集

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 用于亚细胞空间转录组学的图像增强多模态对比变换器

  摘要：空间分子成像技术的最新进展使得基因表达分析与高分辨率成像相结合，为在亚细胞水平上解析分子异质性提供了前所未有的机会。然而，由于这些技术能够检测到的基因数量有限，因此无法全面捕捉细胞的特征，这限制了后续分析的深度。空间成像数据提供了高分辨率和细粒度的形态学信息，因此开发能够有效整合图像特征与转录组数据的计算方法对于实现全面的亚细胞数据分析至关重要。在本研究中，我们提出了SIMMT（一种基于图像增强的多模态对比转换器框架），用于识别空间域并提升亚细胞数据的分析能力。在该框架中，我们设计了双Transformer架构，分别对转录组数据和形态学图像进行建模，以学习细胞的多模态表示。为了全面捕捉不

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 利用结构保持噪声生成和多尺度双专家集成进行无监督脑部异常检测

  摘要：早期检测脑部异常对于患者的预后和康复至关重要，但获取专家标注的数据颇具挑战性，尤其是对于临床上无明显症状的早期脑部异常。无监督的脑部异常检测方法通过建模正常脑部结构来识别异常区域，因其高效性而受到关注。然而，正常脑部结构的固有变异性以及与正常组织极为相似的细微异常给传统自动编码器在区分异常方面带来了困难。为了提升模型的性能，研究人员探索了去噪自动编码器（DAE）技术，但其效果取决于有效的噪声生成策略。在本文中，我们提出了一种基于跨模态CutMix技术的新型噪声生成方案，旨在在保持脑部解剖结构的同时增加噪声模式的多样性。为增强DAE学习的鲁棒性，我们采用了一种集成方法，该方法结合了两种不同

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 基于变分自编码器的生成神经网络在纵向流行病学研究数据插补中的创新应用

  在医学研究领域，追踪患者长期健康变化的纵向流行病学研究犹如一幅需要精心绘制的时光画卷。然而，这幅画卷常常因为各种原因出现空白——患者失访、检测失败、随访中断等问题导致的数据缺失，使得研究人员难以完整把握疾病发展的全貌。这些缺失的数据点不仅可能引入偏差，还会降低研究的统计效力，最终影响研究结论的可靠性。传统的插补方法如均值填补或前向填补，往往只能捕捉简单的数据模式，难以应对医学时间序列数据中复杂的时空依赖关系。而近年来兴起的深度学习方法虽然表现出色，但大多针对的是技术应用中常见的规则间隔时间序列，对于流行病学研究中特有的长期间隔、不规则测量和完全缺失时间步等问题仍显得力不从心。正是在这样的背景下

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 基于递归图和梅尔谱图的语音分析新方法在帕金森病诊断中的突破性研究

  当詹姆斯·帕金森在1817年首次描述"震颤麻痹"时，他可能不会想到两个世纪后，这种疾病已成为全球第二大神经退行性疾病。帕金森病(PD)如同一个隐匿的窃贼，悄悄夺走患者控制运动的能力，而其中语音障碍往往是最早的预警信号——近90%的患者会出现声音颤抖、音量减小、发音含糊等特征。然而，传统的临床诊断高度依赖医生的主观判断，缺乏客观量化指标，使得早期诊断和病情监测面临巨大挑战。正是在这样的背景下，来自希腊研究团队在《IEEE Journal of Biomedical and Health Informatics》发表了一项创新研究，他们开发了一种基于语音分析的人工智能诊断系统，能够以超过90%的准

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 基于专家知识增强的图神经网络的药物重新定位方法

  摘要：药物重新定位对于加速药物发现至关重要，它通过建模药物与疾病之间的关联来为现有药物寻找新的适应症。与传统方法相比，图神经网络（GNNs）因能够有效聚合药物-疾病异构图中的相邻节点信息而最近受到了广泛关注。基于GNN的方法需要有效的节点嵌入来实现信息聚合。然而，这些方法是通过随机初始化生成节点嵌入的，而不是结合数据库中涉及生物机制的高质量专家知识。这限制了它们生成与专家知识一致的可解释节点嵌入的能力。为了解决这一差距，我们开发了一个名为DReKGNN（基于专家知识的药物重新定位图神经网络）的新框架。具体来说，DReKGNN首先采用大型语言模型（LLMs）作为专家知识与GNNs之间的语义桥梁。

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 肺超声视频中基于频率的B线与胸膜线分析

  摘要：在肺部超声（LUS）视频中准确识别B线和胸膜线（P线）对于评估某些肺部疾病非常重要。然而，手动解读仍然具有主观性，并且高度依赖于操作者的经验。现有的深度学习方法由于斑点噪声和运动伪影的影响，性能往往下降。此外，用于标记多种诊断特征（如B线和P线）的LUS视频数据有限，这限制了模型的开发。因此，本文介绍了ILD-LUS，这是一个基于间质性肺病（ILD）分类的新临床LUS数据库，包含2,149个超声视频（193,410帧）。我们还基于公开的Covid-BLUES数据集构建了一个外部测试集，用于评估不同肺部病理情况下的B线和P线识别能力。接着，我们提出了一个新颖的视频分析框架，该框架结合了小波

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

• 个性化腰椎建模在特发性脊柱侧弯动态评估中的应用

  摘要：特发性脊柱侧弯（IS）患者的临床评估主要依赖于静态成像技术。动态数字人体（DDH）能够提供全面的时空信息，用于对IS患者的变形脊柱进行动态评估，这与用于一般评估的X光和用于手术规划的计算机断层扫描（CT）等静态成像技术相比具有优势。在受到不同姿势和机械载荷作用时，腰椎的形态变化比胸椎区域更为显著，因此它们在动态评估中尤为重要。因此，本文提出了一种个性化的腰椎模型（PLVM），用于模拟IS患者的腰椎运动；此外，通过将PLVM嵌入到DDH中，还构建了一种个性化的DDH（i-DDH），以捕捉时空信息。首先，我们采用一种骨原体生成方法，结合神经辐射场（NeRF）和三维（3D）高斯分裂技术来构建D

  来源：IEEE Journal of Biomedical and Health Informatics

  时间：2025-11-22

知名企业招聘：