• M3-Net：一种基于Mamba技术的多任务多阶段网络，用于胆囊癌术前的组织病理学局部侵袭预测

  胆囊癌术前超声预测受限于人类视觉解析高吞吐量信息，提出M3-Net，基于Mamba架构整合多相位CEUS图像，实现肌肉层/周围结缔组织浸润、浆膜浸润和肝浸润的三任务预测，AUC达0.883-0.936，为精准诊断提供新工具。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 认知障碍患者中关节微状态序列与转换网络的分析

  EEG微态分析联合k-me-r算法用于AD/MCI诊断，通过压缩因子优化预处理和多层过渡网络构建，发现AD患者微态持续时间延长、过渡速度减慢，MCI患者网络连接性及状态激活不规则性显著增加，相关指标与MoCA评分显著关联。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 深度学习在心血管疾病影像诊断中的进展：成像模态、挑战与未来展望

  心血管疾病是全球主要死因，传统影像解读存在操作者依赖性强、耗时等问题。为克服这些局限，研究人员系统综述了深度学习在超声心动图、冠脉CTA、心脏MRI、核医学成像和X线血管造影五大模态中的应用，总结了核心架构（如CNN、Transformer）在分割、分类等任务中的性能，并探讨了数据集偏倚、可解释性等临床部署挑战。该工作为开发稳健、可靠的AI辅助诊断系统提供了重要参考，有望推动心血管影像实践的智能化转型。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• ECGyolo：一种结合Transformer和1D YOLO的端到端模型，用于心律失常检测

  ECGyolo是一种结合Transformer编码器和1D YOLO检测模块的端到端心律失常检测框架，无需QRS分割直接处理原始ECG信号，通过Transformer捕捉长程依赖，1D YOLO同步实现波形定位与分类，在MIT-BIH数据库上达到99.21%准确率和93.46% F1分数，支持低算力设备实时诊断。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 基于自适应全尺度频率滤波器和双粒度交互网络的运动想象/运动执行-脑电图解码技术

  运动想象/执行EEG解码中，多尺度CNN受限于固定感受野，易忽略局部特征且参数量大；Transformer因参数效率低、噪声敏感，难以在小数据集上优化全局时序特征。本文提出FDDGINet，通过复杂值神经网络实现全频段参数高效滤波，解耦粗粒度（全局）与精粒度（局部）信息流，并设计双轴注意力机制编码二者互补性，最终在三个数据集上超越SOTA方法。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 心脏网络的控制机制：从混沌状态到极限环

  房颤的混沌心律通过控制特定节点参数转化为正常心律，建立基于AHA标准分段的动态心脏网络模型，验证了pinning控制在心脏电生理调控中的有效性。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 通过准多模态训练和菱形混合骨干网络提升跨数据集的泛化能力

  医疗图像分割面临跨数据集泛化不足和标注成本过高等挑战。本文提出准多模态(QMM)训练策略，通过整合异构非配对数据集，以共享病理目标为中心减少标签空间熵，迫使模型学习扫描器不变的表征。为充分挖掘该范式，设计了Diamond混合架构，采用双路径特征强化机制和残差递归卷积，结合嵌套注意力系统，有效平衡局部细节与全局语义。实验表明QMM使跨数据集IoU和Dice平均提升12.54%，Diamond在14个SOTA基准上提升12.61%且保持高效计算。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 基于熵引导的半监督框架，通过动态竞争和块级对比学习实现鲁棒的胸部X光图像分割

  CXR图像分割中半监督学习面临伪标签噪声与不确定性传播问题，本文提出熵引导的动态竞争与对比学习框架，通过自适应网络竞争提升伪标签可靠性，结合像素级熵引导修正和区域对比学习增强特征区分，在公开数据集上肺/心区域Dice系数达0.963/0.915，较现有方法提升3-7%，边界定位精度显著提高。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 一种用于3D MRI医学图像分割的选择性记忆网络

  三维医学图像分割中器官形态复杂和病灶边界模糊问题导致现有模型性能不足。本文提出基于选择性记忆的编码器-解码器架构模型，通过轴向门控模块提取关键空间信息，视觉长短期记忆模块建模三维长程依赖，选择性记忆模块动态优化特征存储，结合多尺度聚合模块提升分割精度。实验表明，模型在ACDC、Hippocampus和BraTS2021数据集上相比现有方法更有效保持目标结构形态并精确界定边界。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• HT-RNF-MSLS：结合多光谱注意力机制的双编码器融合算法，用于自动化皮肤病变分割

  针对皮肤病变分割中存在的边界模糊、低对比度和多尺度挑战，本文提出HT-RNF-MSLS模型，融合ResNet152与Vision Transformer，结合HMSCA模块提升低对比度检测，CGAM模块优化边界精度，并通过多尺度融合机制处理不同大小病变，显著优于现有方法。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 以临床应用为导向的LG-SAM算法用于肺部CT肿瘤分割，通过二维训练实现了三维级别的性能

  肺肿瘤CT图像分割中存在小病灶、边界模糊、背景失衡及扫描各向异性等问题。本文提出LG-SAM框架，通过虚拟引导机制（GTV-AFCT）增强标注利用，引入多尺度离散小波变换适配器（WDA-Adapter）抑制伪影并优化边界，结合GAN训练策略缓解类别不平衡。实验表明，在NSCLC-Radiomics和Clinical-Lung数据集上，2D训练的LG-SAM分别达到96.06%和96.85%的2D Dice系数，3D Dice达70.08%和80.37%，边界误差HD95降至6.42mm和5.08mm，优于SAM-Med3D等3D模型。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• FPMBGCN：基于特征金字塔的多分支图卷积网络，用于癫痫发作检测

  癫痫发作检测基于多分支图卷积网络的特征金字塔方法提出，通过Pearson相关系数、相位锁定值和空间距离构建三种互补图结构，结合通道权重自适应优化、图特征金字塔多尺度提取、图塞乔-卡+len注意力机制及自注意力机制，有效捕捉跨患者共享的时空特征，在CHB-MIT和Siena数据集上实现高精度跨患者检测。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 基于DVH（剂量体积直方图）的gradnorm子采样技术用于优化放射治疗计划：在CORT肝脏数据集上的验证

  肝肿瘤放疗中基于剂量体积直方图（DVH）和GradNorm的智能采样框架研究。通过计算体素梯度范数权重和DVH约束优化，提出优先采样高影响体素的方法，在0.08%体素量下实现与均匀采样（≥20%）相当的剂量分布（D95达标，OAR剂量降低5%），计算时间减少40%且剂量指标无显著差异。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 基于智能控制器的改进型主动训练控制技术，用于下肢康复机器人，并具备实时阻抗估计功能

  康复机器人通过增强的主动控制框架实现安全有效的交互，该框架结合直觉模糊逻辑控制器和递归最小二乘阻抗估计，实时调整刚度与阻尼参数。采用混合正弦与傅里叶函数生成生理合理轨迹，并通过Lyapunov分析确保系统在参数不确定性和外部干扰下的全局稳定性。仿真验证其轨迹跟踪精度和抗干扰能力优于传统模糊控制和自适应阻抗控制方法。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 一种基于协同注意力的多模态数据融合模型，用于诊断职业性尘肺病

  职业尘肺病多模态诊断中提出协作注意力融合方法，通过缩放注意力对齐不同模态特征，跨模态交互增强早期同质模态信息，级联双注意力机制融合后期异质模态，并采用非参数注意力优化加权融合，显著提升诊断准确性和鲁棒性。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• AeroCOPDNet：一种基于深度学习技术的框架，用于通过肺部声音检测慢性阻塞性肺疾病（COPD）

  COPD肺音自动检测模型AeroCOPDNet通过时间-频率表示和轻量级CNN架构实现高效分类，在合并ICBHI和Fraiwan数据集上取得超过95%的敏感性和特异性，并验证了跨设备、跨人群的泛化能力。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 基于机器学习的远程光电容积脉搏波信号质量评估：提升车载驾驶员监测的可靠性与计算效率

  为了解决在动态车载环境中，由于运动伪影和光照变化导致远程光电容积脉搏波（rPPG）信号质量下降、进而影响驾驶员心率（PR）监测可靠性的问题，研究人员系统性地评估了多种机器学习（ML）和深度学习（DL）技术用于rPPG信号质量分类的性能。研究表明，基于峰值中心化幅度谱的频域特征显著提升了信号质量分类的能力，其中，利用前五个频域特征的极限梯度提升（XGBoost）模型在实现优异性能（AUC为0.86）的同时，计算成本（以每秒浮点运算次数，FLOPs衡量）远低于深度学习方法。这项研究为在高级驾驶员监控系统（DMS）中集成鲁棒且高效的驾驶员健康监测技术铺平了道路。

  来源：Biomedical Signal Processing and Control

  时间：2026-02-22

• 将烟草价格折扣从零售店的显眼位置移除，可以降低年轻人未来吸烟的倾向：一项实验性研究

  实验表明，零售场所外撤价格促销信息可降低18-20岁年轻人吸烟倾向，支持相关控烟政策。

  来源：Addictive Behaviors

  时间：2026-02-22

• 丙午马年新春启示：基于德国疼痛电子登记系统的回顾性研究——荨麻叶提取物Hox alpha对比非处方非甾体抗炎药治疗骨关节炎的安全性、耐受性与疗效分析

  本文基于德国疼痛电子登记系统（GPeR）的真实世界数据，通过倾向评分匹配方法，回顾性比较了非处方（OTC）植物药制剂Hox alpha（HOXA，一种荨麻叶2-丙醇干提取物）与常规OTC非甾体抗炎药（NSAIDs）在治疗骨关节炎（OA）患者中的12周疗效与安全性。结果表明，HOXA在缓解疼痛（平均24小时疼痛强度API降低-40.3%）、改善功能（改良疼痛残疾指数mPDI）及生活质量（VR12量表）方面效果显著，且药物不良反应（ADRs）发生率（13.1% vs 46.8%）及因ADR导致的停药率（2.1% vs 25.2%）均显著低于NSAIDs组。研究提示，HOXA或可作为OA患者更安全有效的OTC自我管理选择。

  来源：Journal of Pain Research

  时间：2026-02-22

• 小儿慢性疼痛研究的传播现状、障碍与优化策略：来自瑞士患者、照护者及医疗专业人员的多视角调查

  本研究通过聚焦小组访谈和半结构化访谈，调查了瑞士青少年慢性疼痛患者、其父母及医疗专业人员对当前小儿慢性疼痛研究成果传播的满意度与信息需求。研究发现，患者与照护者面临社会、医疗、组织和信息层面的多重障碍，渴求更具针对性与可及性的支持；而医疗专业人员虽在瑞士国内有较好网络，但强调获得瑞士本土儿科研究数据的重要性。文章呼吁开发针对不同受众的疼痛教育资源，并采取接收者特定的传播策略，以弥合科学发现与临床实践之间的“知-行差距”（know-do gap）。

  来源：Journal of Pain Research

  时间：2026-02-22

知名企业招聘：