• 综述：超声成像中的斑点噪声减少技术：过去二十年（2005–2024年）的全面综述

  医学超声成像在过去的几十年中已经成为一种广泛应用的诊断工具。它以其成本效益、便携性、非侵入性、实时性和无辐射等优点，被广泛用于多种器官的疾病诊断，例如乳腺、脊柱、心脏、肾脏、腹部、冠状动脉和腹腔等。然而，超声图像的质量往往受到多种因素的影响，其中噪声是影响诊断准确性的关键问题之一。噪声不仅会降低图像的清晰度和对比度，还可能掩盖细微的结构特征，从而影响医生对病变的判断。在超声成像过程中，噪声主要来源于两个方面：系统噪声和组织结构本身。系统噪声包括电子噪声、热噪声等，这些噪声通常被视为随机的加性噪声。而组织结构的不均匀性以及超声波在组织中的散射和干涉，则导致了乘性噪声，即所谓的“斑点噪声”（spe

  来源：Computer Methods and Programs in Biomedicine

  时间：2025-11-07

• 抗生素过敏去标签化：多学科协作优化抗菌药物管理的新策略

  在当今抗菌药物耐药性(AMR)日益严重的全球公共卫生危机中，抗生素过敏标签(AAL)已成为优化抗菌药物使用的关键障碍。令人惊讶的是，尽管高达10%-36%的患者报告有抗生素过敏史，但经正规过敏评估证实为真正免疫性超敏反应的仅占少数。这些未经核实的过敏标签导致临床医生倾向于选择二线抗生素，如碳青霉烯类、喹诺酮类和糖肽类等广谱药物，进而加剧了耐药菌的产生和传播。更严重的是，携带AAL的患者发生耐甲氧西林金黄色葡萄球菌(MRSA)、艰难梭菌感染、手术部位感染的风险显著增加，住院时间延长，医疗成本上升，甚至死亡率也更高。这一系列连锁反应使得抗生素过敏管理不再仅仅是过敏专科医生的问题，而成为感染性疾病、

  来源：Clinical Infectious Diseases

  时间：2025-11-07

• 老年人因低能量导致的椎体骨折需要融合手术治疗，其死亡率比高能量损伤引起的骨折要高

  ### 骨质疏松性椎体骨折与老年人术后死亡率的关系随着人口老龄化趋势的加剧，骨质疏松性椎体骨折在老年人中的发生率显著上升。这类骨折不仅对患者的生活质量造成严重影响，还与较高的死亡率密切相关。研究表明，骨折后的死亡风险可能持续数年，尤其在骨折发生后的最初阶段最为明显。然而，对于接受椎体融合手术的老年人群，关于骨折发生机制（高能量创伤与低能量创伤）对死亡率影响的证据仍显不足。因此，有必要深入探讨这一问题，以期为临床决策提供更精准的依据。本研究旨在分析高能量与低能量胸腰段骨折在接受椎体融合手术治疗的患者中，所有原因死亡率是否存在差异，并探讨影响这一群体生存的预测因素。研究纳入了2008年至2021年

  来源：Brain and Spine

  时间：2025-11-07

• 颅椎连接手术的新领域：创新如何改变行业格局

  颅颈交界区（Craniovertebral Junction, CVJ）是人体结构最为复杂且手术难度极高的区域之一。这一区域连接着颅骨与上颈椎，包含了重要的神经血管结构，如脑干、脊髓、椎动脉以及多对颅神经。由于其独特的解剖位置和高度复杂的结构，CVJ区域的病变常常给外科医生带来极大的挑战。无论是创伤性骨折、先天性畸形（如基底凹陷）、炎症性关节疾病（如类风湿性关节炎）还是肿瘤，这些疾病都可能对患者的神经功能和生活质量造成严重影响。传统的手术方法往往需要较大的切口和广泛的软组织剥离，不仅增加了手术风险，还可能导致较高的术后并发症发生率，如感染、吞咽困难、软腭-咽部闭合不全等。此外，这些方法通常伴随

  来源：Brain and Spine

  时间：2025-11-07

• 2016年至2025年间与创伤性脑损伤相关的公共知识趋势

  摘要 目的 现有研究表明，关于创伤性脑损伤（TBI）的定义、短期影响和长期后果的误解十分普遍。本研究旨在复制并扩展之前的调查，以提供有关美国普通人群中TBI相关误解发生频率的最新数据。 方法 通过电子调查从438名参与者处收集数据。参与者完成了42项旨在评估其TBI相关知识的题目。 结果

  来源：Archives of Clinical Neuropsychology

  时间：2025-11-07

• CardioPHON：基于心音图记录的心脏功能筛查的质量评估与自我监督预训练方法

  心血管疾病的远程监测在早期发现异常心脏功能方面发挥着至关重要的作用，它不仅能够实现及时干预，还能提高预防性护理的效率，并为患者提供个性化的治疗方案。通过计算机辅助的决策支持系统，可以自动检测心脏声音中的异常，将其作为心血管问题的初步筛查工具，或者用于评估治疗和干预措施的效果。本文提出了一种名为CardioPHON的综合心脏声音质量评估与分类工具，该工具可用于从听诊图（Phonocardiogram, PCG）记录中筛查异常心脏功能。CardioPHON模型采用自监督学习方式，在六个小型和中型心脏声音数据集上进行预训练，能够自动去除低质量的记录，以确保能够准确识别心脏异常的细微声音，从而避免误诊

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 超分辨率超声成像技术能够检测出2型糖尿病患者海马区的微血管变化

  肝癌的准确分割对于医学影像中的诊断和治疗规划至关重要，是许多后续医疗任务的基础。然而，由于组织间对比度低、病灶形态复杂以及边界模糊等问题，实现精确的病灶勾画仍然面临挑战。现有的方法通常针对特定问题进行优化，例如长距离依赖建模、边界细化或多尺度适应，但往往缺乏统一和全面的框架。为了解决这些问题，本文提出了一种名为Feature Adaptive Filtering Transformer Network（FAFilTransNet）的新方法，该方法将全局频率建模、边缘增强和多尺度融合整合到一个统一的架构中。FAFilTransNet包含一个双分支编码器，该编码器结合了卷积层提取的局部空间特征和通

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• MSCN：多模型分段因果网络，用于识别自闭症谱系障碍的异常模式

  脑有效连接性的估计在识别与神经系统疾病相关的生物标志物方面起着至关重要的作用。然而，建模大脑区域之间的非线性交互仍然是一项具有挑战性的任务。为了解决这一问题，我们引入了一种创新的多模型框架，称为多模型分段因果网络（MSCN），旨在估计具有强大泛化能力和生理可解释性的有效连接性网络。MSCN结合了两个因果驱动的模块，利用了VAE_attention和ResNet-low-rank架构。这些模块协同工作，以对fMRI时间序列数据进行建模，提取平均有效连接性模式。此外，我们还采用了基于功能连接性的辅助学习策略，以提升有效连接性的估计效果。构建的网络在使用支持向量机（SVM）和岭分类器对自闭症谱系障碍

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 利用3DMMecg特征实现可解释的人工智能辅助心脏病自动诊断：一种基于心电图的新方法

  本研究提出了一种新颖的双卷积神经网络（CNN）框架，旨在系统地分析在基于脑电图（EEG）的情绪识别中，电极数量与空间配置的相对重要性。这一维度在以往的研究中长期被忽视，大多数工作主要关注电极的空间位置。通过使用两个公开数据集（DEAP 和 AMIGOS）以及两种不同的卷积神经网络架构，我们评估了不同电极配置下的模型性能。其中，一个3D CNN被设计用于显式编码电极的拓扑结构，而一个可扩展的2D CNN则用于适应不同数量的电极配置。通过三种电极配置方案——全覆盖、半球/前后分区以及基于象限的分组——我们发现分类准确率主要受到电极数量的影响，而非空间布局。为了进一步区分电极数量与空间位置对情绪识别

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 将振动关节造影图像转换为角度域能够更好地实现功能与结构的整合

  Vibroarthrography（VAG）作为膝关节动态诊断技术，其信号分析长期面临非线性、非重复性等挑战。该研究通过创新性信号域转换技术，构建了从时间域到角度域的映射框架，为关节功能评估提供了新范式。实验基于29名健康男性运动员群体，通过建立多模态信号处理流程，成功实现了VAG信号的空间重构，显著提升了诊断精准度。在技术路径方面，研究团队首先采用生物力学模型对膝关节运动进行相位划分。不同于传统固定时窗分割方法，该方案通过实时监测关节加速度变化，精准识别屈曲-伸展周期中的力学平衡点。这种动态分段技术有效规避了运动速度差异导致的信号畸变，特别适用于深蹲等包含复杂加速度变化的动作模式。信号重采样

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 基于生成扩散模型的隐私保护型肌电图信号合成方法，用于人体工程学研究

  抑郁症是一种影响个人和社会的常见心理健康问题，其特征包括功能障碍、生活质量下降以及自杀风险增加。在临床实践中，传统的抑郁症诊断方法依赖于客观的生物医学评估和主观的行为评估。其中，脑电图（EEG）作为生物医学工具之一，因其能够直接测量大脑活动而被广泛使用，这对抑郁症的识别具有重要意义。然而，这些方法往往依赖于人工特征提取，且难以在不同人群中进行推广。因此，结合神经和行为指标来提高抑郁症检测的准确性成为一种研究趋势。同时，整合异构模态，如EEG和访谈音频，仍然存在挑战。为了应对这些挑战，本文提出了一种基于Transformer的多模态框架，该框架联合建模EEG的频谱、空间和时间特征，以及访谈音频中

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 一种结合了卷积神经网络（CNN）和Transformer的生成对抗网络（GAN），通过互信息和基于灰度的损失函数来实现医学图像中的模态转换

  在医学影像分析领域，深度学习技术的快速发展为辅助诊断和治疗提供了强大的支持。然而，实际临床应用中，由于患者个体差异、设备故障以及数据存储问题，常常出现多模态数据缺失的情况，这直接限制了深度学习模型的训练效果和泛化能力。特别是在多相多模态数据基础上建立的分类和预后模型，数据缺失问题更加突出，导致模型性能下降，难以准确反映目标器官或病变的真实特征。为了解决这一挑战，研究人员提出了多种图像生成方法，其中生成对抗网络（GAN）因其在图像合成方面的出色表现而被广泛应用。生成对抗网络通过生成器和判别器的对抗过程，能够生成与真实数据高度相似的图像。然而，传统GAN在处理医学图像时存在一些局限性。例如，现有生

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• DRCAM：通过对比度增强建模降低剂量，用于脑部增强磁共振成像

  自动睡眠分期在睡眠质量评估和睡眠障碍诊断中发挥着至关重要的作用。当前，尽管已有基于深度学习的方法在一定程度上推动了该任务的发展，但这些方法的进一步应用和研究仍然受到临床标注数据稀缺的严重制约。为了解决这一问题，本文提出了一种名为Trajectory Retrieval Augmented（TRA）的框架。该框架引入了一种轨迹检索机制，通过从数据集中检索高度相似且类别一致的序列，从而缓解数据稀缺的问题。此外，还设计了一个Siamese多尺度特征提取模块，用于编码更具判别性的类别一致表示，从而显著提升模型性能。与五个基线方法的对比实验表明，所提出的方法在宏观F1分数上提升了3.84%，在准确率上提

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 对比性提案对齐：推动用于微观细胞检测的视觉语言模型发展

  在现代医学研究与临床诊断中，细胞检测是一项至关重要的任务。随着人工智能技术的不断发展，尤其是深度学习技术的广泛应用，细胞检测的准确性和效率得到了显著提升。然而，尽管已有许多先进的模型和方法，其在实际应用中仍面临一些挑战，特别是在处理微观图像中的细胞识别时。本文探讨了这些挑战，并提出了一种新的解决方案，以提高基于视觉语言模型（Vision-Language Model, VLM）的细胞检测系统的性能。细胞检测的核心目标在于从复杂的图像数据中准确识别出不同类型的细胞，这对于疾病的早期诊断、医学研究以及治疗方案的制定具有重要意义。例如，在神经系统的细胞检测中，神经细胞和胶质细胞在生理和病理条件下表现

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 基于Mamba算法的多模态MRI重建技术：通过尺度多样性融合与频率净化实现图像质量提升

  MRI技术作为一种非侵入性和无辐射的诊断手段，已被广泛应用于临床实践中。然而，其扫描速度往往受到设备性能和成像协议的限制，这在实际应用中可能会导致图像采集效率低下，尤其是在需要高分辨率和多模态数据的情况下。为了解决这一问题，研究者们提出了多种方法，其中压缩感知（Compressed Sensing, CS）是一种常见的技术，通过利用特定变换域中的稀疏信号表示来加速图像重建。尽管CS方法在理论上具有优势，但其迭代过程通常需要较长的运行时间，难以满足实际应用中对实时性的需求。近年来，随着深度学习技术的发展，卷积神经网络（Convolutional Neural Networks, CNNs）和Tr

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 基于增强的无监督跨领域功能性磁共振成像适应方法，用于识别重度抑郁症

  抑郁症是一种常见的精神疾病，其特征是持续的情绪低落和认知功能受损，严重影响患者的日常生活和工作能力。目前，抑郁症的诊断主要依赖于临床症状评估和心理量表，这些方法往往存在主观性，可能导致误诊。因此，开发一种客观且可靠的辅助诊断工具对于提高诊断的准确性至关重要。随着神经影像技术和电生理方法的进步，静息态功能性磁共振成像（rs-fMRI）和脑电图（EEG）已被广泛应用于抑郁症的识别。其中，rs-fMRI因其高空间分辨率，能够更精确地定位异常脑区活动，从而在揭示脑疾病神经机制方面具有独特优势。传统的机器学习方法通常依赖于基于rs-fMRI数据构建的功能连接网络（FCNs）来提取人工设计的特征，用于脑疾

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• DBFRNet：一种基于金字塔视觉变换器的双分支特征细化网络，用于息肉分割

  在医学影像分析领域，结直肠癌（Colorectal Cancer, CRC）的早期筛查和诊断是降低其发病率和死亡率的关键环节。结直肠癌包括结肠癌和直肠癌，是全球范围内最常见的癌症之一，且在2024年的全球癌症统计数据中，其发病率位列第三，死亡率居第二 [1]。预计到2040年，结直肠癌每年将新增约320万例病例，并导致约160万人死亡 [2]。这使得结直肠癌的诊断和治疗成为全球医疗系统面临的重要挑战。在临床实践中，结直肠腺瘤（Colorectal Adenomatous Polyps, CAP）被认为是结直肠癌的癌前病变，因此，对这些息肉的早期识别和分割具有重要意义。结肠镜检查作为一种有效的诊

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• BRFormer：一种用于结直肠息肉分割的边界与区域融合变换器网络

  在医学影像处理领域，尤其是结肠镜检查中，结直肠息肉的精准分割对于早期发现和治疗结直肠癌具有至关重要的意义。息肉的形态多样性以及其与周围组织的边界模糊性，使得这一任务充满挑战。现有的分割技术往往依赖于手动设计的特征，但这些方法在表达能力和泛化能力方面存在局限，难以应对息肉与周围组织之间复杂的视觉相似性。随着深度学习技术的发展，研究者们逐渐探索出一系列先进的模型架构，如编码器-解码器结构和基于金字塔视觉变换器（PVT）的模型，这些模型在捕捉相关特征方面取得了显著进展，推动了息肉分割领域的进步。然而，结肠镜图像中存在的一些问题，如光照不均、息肉本身的形态变化，以及外部物体的干扰，都会导致息肉边界与周

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• MANet：一种基于纵向和多模态数据的、能够忽略数据缺失问题的注意力网络，用于早期阿尔茨海默病的诊断

  阿尔茨海默病（Alzheimer’s Disease, AD）是一种以进行性神经退行性变化为特征的疾病，主要影响老年人群。随着全球人口老龄化趋势的加剧，AD的发病率持续上升，预计到2050年全球AD患者将达到3亿，这使得其早期诊断成为一项紧迫的公共卫生挑战。目前，AD的诊断主要依赖于神经影像学技术、临床评估以及生物标志物的检测。其中，结构磁共振成像（Structural Magnetic Resonance Imaging, sMRI）作为一种非侵入性的技术，能够揭示大脑结构的变化，如皮层变薄、海马体萎缩以及脑室扩大等。然而，sMRI在早期诊断中存在一定的局限性，其静态特性无法全面反映大脑功能

  来源：Biomedical Signal Processing and Control

  时间：2025-11-07

• 综述：慢性低钠血症的治疗及其与渗透性脱髓鞘综合征相关的争议

  Julia Beck内分泌学、糖尿病与代谢学，巴塞尔大学医院，瑞士巴塞尔摘要慢性低钠血症的治疗需要仔细诊断其根本原因，以便相应地调整治疗方案。等渗盐水仍是低血容量性低钠血症的首选治疗方法，而在高血容量状态下则更倾向于采用限液和袢利尿剂。对于由肾上腺功能不全引起的低钠血症，皮质类固醇替代疗法是一线治疗手段。在不适当抗利尿综合征（euvolemic syndrome of inappropriate antidiuresis）中，一线治疗是限液，口服尿素或血管加压素受体拮抗剂可作为二线选择。新的治疗策略，如蛋白质补充和SGLT2抑制剂，也显示出良好的辅助效果。低钠血症治疗中最令人担忧的并发症是渗透

  来源：Best Practice & Research Clinical Endocrinology & Metabolism

  时间：2025-11-07

知名企业招聘：