当前位置:首页 > 今日动态 > 医学与药物
  • 跨数据集脑电图情感识别的原生关系学习

    ## 摘要 脑电图(EEG)情绪识别在情感计算、脑-机接口和心理健康状态评估中被广泛应用。然而,当模型跨被试或跨数据集迁移时,其性能往往下降,因为EEG记录会随个体神经反应、诱发范式、采集设置和情绪标签定义而变化。公开的EEG情绪数据集在类别数量和标签获取方式上也不尽相同。

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • 从自动检测到分割:一种面向乳腺超声的基于特征引导星形先验的标注高效SAM流程

    **摘要** 乳腺超声图像中乳腺病变的精确分割对于病变的定量评估至关重要,但由于低对比度、噪声和伪影的存在,该任务仍然具有挑战性。任意事物分割模型(SAM)提供了一种灵活的基于提示的分割框架,但其在超声图像上的性能强烈依赖于提示质量,且可能需要进一步的边界精化。我们提出了一

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • 基于层次化扩散引导的一致性学习框架用于膝盖前交叉韧带分类

    摘要膝关节磁共振成像(MRI)中前十字韧带(ACL)的分类具有挑战性,原因在于诊断证据分散在多个切面上,且解剖学监督往往稀疏。我们提出了一种三阶段层次化扩散引导的一致性学习框架,集成了全局多类别估计、锚点与残差分离以及残差内细化。每个私用病例使用一到四个专家标注的ACL掩膜来

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • 传统机器学习与自动化流程优化在肝细胞癌MRI影像组学中的比较评估

    摘要背景肝细胞癌(HCC)是马来西亚常见的癌症,且往往在晚期才被发现。利用基于放射组学数据的自动化机器学习(AutoML)可以减少临床实践中对肉眼判读的依赖。目的本研究评估了传统支持向量机(SVM)结合方差分析(ANOVA)F检验和二进制粒子群优化(BPSO)的性能,并探讨了

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • TriDermNet-HAGO:一种结合层次化梯度协同优化的多分支Token-边缘-区域融合网络,用于卓越的皮肤病变分析

    ## 摘要 皮肤病变分割和分类是黑色素瘤早期检测和计算机辅助皮肤病学诊断中的两个关键问题。然而,皮肤镜图像存在许多困难,例如边界复杂、颜色多样、对比度低,以及毛发、气泡等各种伪影。为了解决这些困难,本文提出了一种名为TriDermNet的新型多分支网络架构,该架构通过特征专

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • 使用大语言模型评估轻度认知障碍:一项比较分析

    摘要本研究评估了经过微调的大语言模型是否能够支持基于转写中文语音对轻度认知障碍进行初步筛查。使用 TAUKADIAL/TalkBank 连续语音数据集的中文子集,我们在监督微调、LoRA、QLoRA、不同量化设置、自动语音识别系统和提示风格下对比了 Llama3、Gemma、

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • 挑战复杂性丧失理论:来自慢性阻塞性肺疾病等长肌力输出的见解

    摘要 根据"复杂性丧失"理论,衰老和疾病会导致生理输出的复杂性降低,从而限制系统的适应能力。然而,这一概念是否适用于慢性阻塞性肺病(COPD)患者的神经肌肉系统尚不明确。本研究旨在挑战复杂性丧失假说,通过评估COPD患者与健康个体在次最大等长收缩期间力量产生的规律性、稳定性以

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • 通过迁移学习结合完全微调和改进的CNN架构实现高性能脑肿瘤分类

    摘要由于人工解读MRI的局限性,准确且及时的脑肿瘤诊断仍然面临挑战。本研究引入了一种迁移学习框架,使用六种完全微调并改进的CNN架构:DenseNet169、InceptionV3、Xception、ResNet50、InceptionResNetV2和EfficientNe

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • Lite-MSTFNet:一种基于多尺度时空融合与动态门控注意力的轻量级 sEMG 手势识别网络

    •Lite-MSTFNet采用多尺度融合与动态门控注意力机制,实现轻量化架构。•多尺度时空融合提升了高效的特征表示能力。•动态注意力机制与轻量化网格搜索增强了跨被试鲁棒性。引言表面肌电信号(sEMG)是一种非侵入式生物电信号,通过放置在皮肤表面的电极采集,反映了骨骼肌运动单位

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12

  • TF-HyperNet:基于双流时频融合与软间隔超盒决策头的睡眠呼吸暂停检测

    摘要 睡眠呼吸暂停(SA)是一种常见的与睡眠相关的呼吸障碍,对公共卫生构成重大威胁。基于深度学习的心电图(ECG)检测方法在临床应用中具有广阔前景。然而,实际临床监测受到类别不平衡和异质性病理信号形态的挑战。为应对这些挑战,我们提出了TF-HyperNet,一个将多尺度时频

    来源:Biomedical Signal Processing and Control

    时间:2026-10-12


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康