追问daily | 快速移动中视觉为何不模糊？43%工作正被自动化；工作记忆如何

█ 脑科学动态
快速移动中视觉为何不模糊？
大脑皮层通过“回声”机制检测新颖刺激
新数学模型揭示大脑决策机制
神经甾体：甜味偏好的幕后调控者
降低氧化固醇或成阿尔茨海默病治疗新靶点
工作记忆如何影响我们的决策策略


█ AI行业动态
本科生推翻姚期智40年猜想，哈希表查询速度与填满程度无关
43%工作正被自动化，Anthropic发布重磅经济指数报告
马斯克974亿美元收购OpenAI，奥特曼反击提议收购Twitter


█ AI研发动态
单导联心电图与深度神经网络助力非侵入性心衰预警
DeepRhythmAI大幅降低心律失常漏诊率
轻质尾巴大智慧——模拟优化重塑机器人空中翻转技巧
DeepMind新力作：从自然语言到数学证明，AlphaGeometry2刷新纪录
家中力量训练升级：AI实时监控激活神经信号
人工智能与传统技术融合实现神经通路精确重建


脑科学动态


快速移动中视觉为何不模糊？


人类在快速移动时，为何视觉图像仍能保持清晰？奥地利科学技术研究所（ISTA）的Maximilian Jösch教授领导的团队对此进行了研究，使用了两光子钙成像显微镜等先进技术，对小鼠大脑进行体内成像，观察其在虚拟现实系统中的行为。研究发现，大脑中的腹外侧膝状体核（vLGN）能够整合来自大脑各部分的运动和感觉信号，并计算出一个全面的纠正信号，从而在视觉处理早期阶段就进行图像校正。


研究团队使用了双光子钙成像显微镜，可以在小鼠清醒并在虚拟现实系统中正常行为时，实时监测其大脑中特定区域的活动。通过这种方法，他们发现vLGN接收了非常具体的行为指令副本，这些指令可用于在运动过程中“去模糊”视觉畸变。vLGN位于丘脑外侧，是大脑中心的蛋形结构，大脑皮层下方。它整合了整个大脑的各种运动和感觉信号，并充当计算全面纠正信号的枢纽。一个例子是眼睛移动后立即的视觉信号的“去模糊”。这允许更有效地计算视觉处理的后期阶段。研究发表在 Nature Neuroscience 上。
#神经科学 #视觉处理 #vLGN #两光子钙成像显微镜 #虚拟现实


阅读更多：
Vega-Zuniga, Tomas, et al. “A Thalamic Hub-and-Spoke Network Enables Visual Perception during Action by Coordinating Visuomotor Dynamics.” Nature Neuroscience, Feb. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-01874-w


大脑皮层通过“回声”机制检测新颖刺激


大脑皮层如何区分新旧刺激一直是神经科学的重要问题。哥伦比亚大学的Yuriy Shymkiv及其团队在Rafael Yuste的实验室中，通过记录小鼠听觉皮层的神经元活动并构建神经网络模型，揭示了大脑皮层通过“回声”机制检测新颖刺激的过程。

▷该插图表示声音是如何在大脑皮层中编码的，神经元（右）使用“回声”活动来跟踪听觉刺激，以改变和改善大脑对未来的预测。Credit: Yuriy Shymkiv


研究团队使用双光子钙成像技术记录了小鼠听觉皮层对声音刺激的反应。他们发现，神经元通过“回声”活动跟踪感觉输入，并形成短期记忆。这种机制不仅确保每个刺激引发独特反应，还能增强对新刺激的反应。为了验证这一发现，团队构建了一个循环神经网络，并成功复现了小鼠大脑中的新颖性检测过程。研究还发现，大脑皮层的缓慢动态特性是其处理信息和检测新颖性的关键。这一发现不仅深化了对大脑功能的理解，还为精神分裂症等疾病的治疗提供了潜在方向。研究发表在 Neuron 上。
#神经科学 #大脑健康 #新颖性检测 #神经网络 #精神分裂症


阅读更多：
Shymkiv, Yuriy, et al. “Slow Cortical Dynamics Generate Context Processing and Novelty Detection.” Neuron, vol. 0, no. 0, Feb. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.01.011


新数学模型揭示大脑决策机制


普林斯顿大学的神经科学家团队开发了一种新的数学模型，称为潜在回路模型（latent circuit model），用于解释大脑在决策过程中如何处理不同的感官信息。该研究由博士后研究员Christopher Langdon和神经科学助理教授Tatiana Engel领导，他们通过训练循环神经网络来执行与上下文相关的决策任务，发现前额叶皮层中的神经元在处理感官信息时会抑制不相关的信息。


研究人员开发了一种潜在回路模型的降维方法，该方法通过低维度的循环连接来解释任务变量如何相互作用以产生行为输出。他们将该模型应用于经过训练的复发性神经网络，发现了一种抑制机制，即上下文表征抑制了不相关的感官反应。通过验证这种机制，研究人员确认了潜在电路模型预测的连接扰动对行为的影响。此外，他们在执行相同任务的猴子前额叶皮层中也发现了类似的不相关感官反应的抑制。研究表明，任务变量之间的因果相互作用对于从神经反应数据中识别行为相关的计算至关重要。研究发表在 Nature Neuroscience 上。
#神经技术 #决策机制 #潜在电路模型 #前额叶皮层 #复发性神经网络


阅读更多：
Langdon, Christopher, and Tatiana A. Engel. “Latent Circuit Inference from Heterogeneous Neural Responses during Cognitive Tasks.” Nature Neuroscience, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-025-01869-7


神经甾体：甜味偏好的幕后调控者


纽约州立大学石溪分校的研究团队探索了大脑活动如何影响味觉偏好，特别是甜味。Arianna Maffei及其团队使用小鼠模型，通过基因操作和神经甾体注入，研究了味觉皮层中神经甾体阿洛孕诺酮的作用。他们发现这种神经甾体通过增加GABA受体的紧张性抑制回路来调节大脑活动，从而降低对甜味的敏感性和偏好。

▷Credit: Current Biology (2025). 


研究团队在小鼠模型中局部注入神经甾体阿洛孕诺酮（allopregnanolone），激活味觉皮层中的GABA受体，发现这降低了小鼠对甜味的敏感性和偏好。随后，他们使用遗传工具移除味觉皮层中的神经甾体敏感GABA受体，进一步消除了对甜味的偏好。研究还发现，如果仅从抑制性味觉皮层神经元中选择性去除受体，这种对甜味的降低敏感性和偏好更为明显。这些发现揭示了神经甾体在调节味觉偏好中的关键作用，并为理解大脑如何处理味觉信息提供了新的视角。研究发表在 Current Biology 上。
#神经科学 #味觉偏好 #神经甾体 #GABA受体 #大脑机制


阅读更多：
Shymkiv, Yuriy, et al. “Slow Cortical Dynamics Generate Context Processing and Novelty Detection.” Neuron, vol. 0, no. 0, Feb. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.01.011


降低氧化固醇或成阿尔茨海默病治疗新靶点


阿尔茨海默病（AD）与细胞衰老和炎症密切相关，尤其是携带APOE4基因的人群。美国南加州大学凯克医学院的Hussein Yassine和Shaowei Wang团队，通过大量RNA和单核RNA测序分析，揭示了ABCA1与APOE4和AD中细胞衰老的关联。他们发现，降低氧化固醇水平可以恢复ABCA1的正常功能，为AD治疗提供了新方向。

▷大量 RNA 和单核 RNA（sn-RNA）测序分析揭示了 ABCA1 与 APOE4 和 AD 中的细胞衰老之间的关联。Credit: Molecular Neurodegeneration (2025).


研究团队使用小鼠模型和人类脑组织尸检样本，结合蛋白质组学和脂质组学分析，发现ABCA1在AD患者大脑中被困在溶酶体（lysosome，细胞内的“垃圾处理站”）中，导致氧化固醇积累，进而引发炎症和细胞衰老。通过药物环糊精（cyclodextrin）降低氧化固醇水平，团队成功释放了被困的ABCA1，恢复了其正常功能，并减少了细胞衰老和神经炎症。这一发现为AD的早期治疗提供了新的药物靶点。研究发表在 Molecular Neurodegeneration 上。
#大脑健康 #阿尔茨海默病 #氧化固醇 #ABCA1 #细胞衰老


阅读更多：
Wang, Shaowei, et al. “Cellular Senescence Induced by Cholesterol Accumulation Is Mediated by Lysosomal ABCA1 in APOE4 and AD.” Molecular Neurodegeneration, vol. 20, no. 1, Feb. 2025, p. 15. BioMed Central, https://doi.org/10.1186/s13024-025-00802-7


工作记忆如何影响我们的决策策略


日常决策中，人们依赖习惯或目标导向策略，但决定这两种策略平衡的因素尚不明确。中国科学院合肥物质科学研究院的团队通过行为实验和计算模型，揭示了工作记忆限制在决策中的关键作用。他们提出的Hybrid-WM模型比经典模型更准确地反映了在各种条件下的决策过程。

▷模拟结果表明，混合-WM 模型优于经典混合-PRE 模型。Credit: Yang Lizhuang


研究团队使用了两阶段决策任务的实验数据，发现工作记忆的两个特定变量——延迟（delay）和负载（load）——会影响目标重访行为。研究人员提出了工作记忆参与信息处理的计算机制，并将其整合到基于模型的系统中。提出的Hybrid-WM模型比经典的混合强化学习模型更好地再现了实验效果并拟合了人类行为。这些结果在独立数据集上得到了验证。此外，模型参数的差异解释了与年龄相关的序列决策差异。总体而言，研究表明工作记忆在基于模型的策略中指导行动评估，突出了高级认知功能对序列决策的贡献。研究发表在 Journal of Cognitive Neuroscience 上。
#认知科学 #工作记忆 #决策策略 #Hybrid-WM模型 #强化学习


阅读更多：
Zuo, Zhaoyu, et al. “Working Memory Guides Action Valuation in Model-Based Decision-Making Strategy.” Journal of Cognitive Neuroscience, vol. 37, no. 1, Jan. 2025, pp. 86–96. Silverchair, https://doi.org/10.1162/jocn_a_02237




AI 行业动态


本科生推翻姚期智40年猜想，哈希表查询速度与填满程度无关


2021年，罗格斯大学本科生Andrew Krapivin偶然发现了一篇关于微型指针的论文，这激发了他对哈希表（hash table）的研究兴趣。哈希表是一种广泛用于数据存储和检索的数据结构，通过哈希函数将数据映射到固定大小的数组中，从而实现快速操作。Krapivin在研究中提出了一种新的哈希表设计，其查询速度远超传统方法，甚至推翻了著名计算机科学家姚期智（Andrew Chi-Chih Yao）在1985年提出的猜想。


姚期智曾认为，哈希表在最坏情况下的查询时间与表的填满程度成正比，即表越满，查询时间越长。然而，Krapivin的新设计证明，查询时间实际上与填满程度无关，且在最坏情况下仅与(log x)²成正比，远快于姚期智的预测。这一发现得到了卡内基梅隆大学William Kuszmaul和纽约大学Martín Farach-Colton的验证，并发表在相关论文中。


此外，Krapivin及其团队还发现，对于非贪婪哈希表，平均查询时间与表的填满程度无关，这一结果同样颠覆了姚期智的另一个猜想。尽管这一发现目前尚无直接应用，但它为数据结构的研究提供了新的视角，未来可能带来更高效的算法设计。
#哈希表 #姚期智 #计算机科学 #数据存储 #算法优化


阅读更多：
https://www.quantamagazine.org/undergraduate-upends-a-40-year-old-data-science-conjecture-20250210/



43%工作正被自动化，Anthropic发布重磅经济指数报告


Anthropic近日发布了一份长达38页的经济指数报告，揭示了AI对劳动力市场的深远影响。报告基于数百万条与Claude的匿名对话数据，分析了AI在不同职业中的应用现状。结果显示，43%的工作正在被AI自动化，主要集中在软件开发和写作任务上。AI的使用在中高收入职业中最为普遍，而在低薪和高薪职业中使用率较低。


报告还指出，AI在57%的任务中增强了人类能力，而非完全取代人类。Anthropic通过开源数据集，邀请经济学家和政策专家进一步研究AI对经济的长期影响。报告还详细分析了AI在不同职业任务中的使用情况，发现AI在计算机与数学领域的应用最为广泛，而在农业等体力劳动领域则较少。尽管AI正在改变劳动力市场，但大多数职业的AI整合仍然是选择性的，而非全面性的。
#AI自动化 #劳动力市场 #经济指数 #Claude 4 #职业转型


阅读更多：
https://assets.anthropic.com/m/2e23255f1e84ca97/original/Economic_Tasks_AI_Paper.pdf


马斯克974亿美元收购OpenAI，奥特曼反击提议收购Twitter


埃隆·马斯克（Elon Musk）近期通过其领导的投资财团，提出以974亿美元收购OpenAI的所有资产，旨在让OpenAI回归其最初的“开源、安全、造福社会”的宗旨。马斯克的律师Marc Toberoff表示，已于周一向OpenAI董事会提交了这份收购要约。如果收购成功，马斯克的AI公司xAI可能与OpenAI合并。


对此，OpenAI首席执行官萨姆·奥特曼（Sam Altman）在社交媒体上回应道：“不，谢谢，但如果你愿意，我们可以用97.4亿美元收购Twitter。”他将马斯克的报价金额小数点前移一位，以示反讽。


OpenAI最初由马斯克和奥特曼于2015年共同创立，旨在开发对人类有益的人工智能技术。然而，随着OpenAI的快速发展，特别是其聊天机器人ChatGPT的成功，OpenAI开始从非营利组织向营利性公司转型。奥特曼认为，这一转型对于公司的长期发展和获取资本至关重要。然而，马斯克对此表示反对，并通过法律手段试图阻止这一转变。


与此同时，奥特曼积极寻求与美国政府的合作。在特朗普总统就职前，奥特曼与特朗普进行了25分钟的电话交流，成功说服特朗普相信科技行业将在他任期内实现通用人工智能（AGI）。随后，奥特曼与甲骨文（Oracle）联合创始人拉里·埃里森（Larry Ellison）和软银（SoftBank）创始人孙正义（Masayoshi Son）共同宣布了价值1000亿美元的“星际之门”计划，旨在建设全球数据中心，以保持美国在人工智能领域的领先地位。
#马斯克 #OpenAI #奥特曼 #人工智能行业动态


阅读更多：
https://www.wsj.com/tech/elon-musk-openai-bid-4af12827?mod=tech_lead_story




AI 研发动态


单导联心电图与深度神经网络助力非侵入性心衰预警


本研究聚焦心衰预警，由麻省理工学院、哈佛医学院和马萨诸塞州总医院团队开展，采用单导联心电图与深度神经网络开发CHAIS系统，实现非侵入性左心房压力监测并获得良好预测效果。

▷模型开发与评估。Credit: Communications Medicine (2025).


在本研究中，研究人员采用单导联心电图（electrocardiogram，记录心脏电信号的方法）数据作为输入，通过构建深度神经网络模型，识别左心房压力升高的情况。研究团队首先利用来自马萨诸塞州总医院的6739个样本进行模型开发和内部评估，得到检测左心房压力异常时接收者操作特征曲线下的面积（area under the receiver operating characteristic curve，衡量分类器性能的指标）为0.80。


随后，他们在另一机构提供的4620个样本上进行外部验证，模型性能达到0.76。为进一步检验实际应用效果，研究人员对接受右心导管插入术的患者进行前瞻性试验，结果显示，在手术前1.5小时采集的贴片监测数据中，模型的接收者操作特征曲线下的面积高达0.875。该研究证明了CHAIS系统在门诊心脏血流动力学监测中的应用潜力，为心衰风险预警提供了坚实数据支持。研究发表在 Communications Medicine 上。 
#认知科学 #心衰预警 #单导联心电图 #深度神经网络 #非侵入性检测


阅读更多：
Schlesinger, Daphne E., et al. “Artificial Intelligence for Hemodynamic Monitoring with a Wearable Electrocardiogram Monitor.” Communications Medicine, vol. 5, no. 1, Jan. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s43856-024-00730-5


DeepRhythmAI大幅降低心律失常漏诊率


在长期心电图（ECG）监测中，识别心律失常（arrhythmias）是一个耗时且高度依赖人工的过程。全球范围内医疗人员短缺，使得高效、准确的心电图分析成为关键需求。瑞典隆德大学与加拿大麦克马斯特大学及汉密尔顿健康科学联合研究所的研究人员合作，使用人工智能模型DeepRhythmAI对长期ECG数据进行分析，并评估其诊断能力。研究结果表明，该AI模型的漏诊率比人类技术人员低14倍，显示出在心律失常检测方面的巨大潜力。

▷桑基图显示了由两种方法检测到的关键心律失常的节律事件持续时间。使用心脏病学专家小组的注释将 DeepRhythmAI 和心电图技术员的注释分类为 TP、FP 或 FN。对于 FP 和 FN 检测，还报告了这些是否被心脏病学专家小组注释为另一种关键心律失常类别或非关键心律失常/噪声或 NSR。TP，真阳性；FP，假阳性；FN，假阴性；NSR，正常窦性心律。Credit: Nature Medicine (2025).


研究团队分析了14,606名患者的长期ECG记录（平均监测时间14±10天），总计超过200,000天的ECG数据。研究采用两种方法进行分析：一是由167名ECG技术员使用标准临床方法进行评估，二是使用DeepRhythmAI进行自动检测。随后，研究人员随机选取了5,235个由技术员或AI标记的心律事件，其中2,236个被认为是关键性心律失常（critical arrhythmias），并由17个心脏病学专家小组进行独立验证，以此作为“金标准”对比两种方法的准确性。


结果表明，DeepRhythmAI在检测关键性心律失常方面的敏感性达到了98.6%，而技术员的敏感性为80.3%。在每千名患者中，AI的假阴性（false-negative，漏诊）率仅为3.2例，而人类技术员为44.3例，即技术员的漏诊风险是AI的14.1倍。然而，AI的假阳性（false-positive，错误标记为异常）率略高，每千个记录日出现12例，而技术员为5例。研究人员认为，这种AI驱动的直接向医生报告方式，不仅能降低漏诊风险，还能加速诊断过程，减少医疗成本，并缓解全球医疗资源短缺的问题。研究发表于 Nature Medicine。
#神经技术 #人工智能 #心律失常 #医疗诊断 #ECG分析


阅读更多：
Johnson, L. S., et al. “Artificial Intelligence for Direct-to-Physician Reporting of Ambulatory Electrocardiography.” Nature Medicine, Feb. 2025, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41591-025-03516-x


轻质尾巴大智慧——模拟优化重塑机器人空中翻转技巧


为解决机器人空中重定位难题，密歇根大学的Talia Moore、Xun Fu、Ram Vasudevan、Bohao Zhang与加州圣地亚哥大学的Ceri Weber、Kimberly Cooper联合采用模拟优化方法，揭示了哺乳动物尾巴渐强-渐弱骨长分布与高效机动之间的内在联系。

▷模型可视化。（a）模型结构的示例，具有躯干和单脊椎尾巴，显示躯干和尾巴在三维空间中的旋转轴。（b）具有不同数量脊椎（一至六个）的关节尾巴，每个脊椎长度均匀且总尾巴长度相等。模型中的旋转关节定位在非零角度，以方便清晰区分。Credit: Journal of The Royal Society Interface (2025).


本研究利用优化模拟建立了不同尾巴关节模型，通过设置总尾巴长度、质量和总控制努力相等的条件，对比单节段与多节段尾巴在零重力空间中诱发身体旋转的能力。结果显示，增加尾巴关节数能使动作更为复杂，提高机动性能，但由于总控制努力（指各关节合计产生的最大能量）限制，效果提升存在递减现象。


进一步优化尾巴骨段相对长度后，发现最佳结构呈现由短骨起始、迅速增长至最长骨，再逐步缩短至尾端的渐强-渐弱分布，该分布与加州圣地亚哥大学博物馆标本中依赖尾巴重定位的哺乳动物结构高度吻合。数据表明，该优化模拟方法不仅能预测尾部骨骼数据反映的惯性机动能力，还为未来复杂尾部及其他附肢的机器人设计提供了有力指导。研究发表在 Journal of The Royal Society Interface 上。
#神经技术 #机器人设计 #优化模拟 #尾部生物启示


阅读更多：
Fu, Xun, et al. “Jointed Tails Enhance Control of Three-Dimensional Body Rotation.” Journal of the Royal Society Interface, Feb. 2025. world, royalsocietypublishing.org, https://doi.org/10.1098/rsif.2024.0355


DeepMind新力作：从自然语言到数学证明，AlphaGeometry2刷新纪录


针对国际数学奥林匹克几何题目的挑战，谷歌 DeepMind团队开发了AlphaGeometry2，结合AlphaProof、Gemini语言模型及数学规则，通过构建自动构造和逻辑验证机制，实现了解题成功率显著提升。该系统在50道题中正确解决42题，超过了平均金牌得主水平。

▷搜索算法概述。Credit: arXiv (2025).


在本研究中，DeepMind团队推出了AlphaGeometry2，这是基于之前版本AlphaGeometry的升级产品。研究人员首先扩展了AlphaGeometry语言，使其能够处理涉及物体运动、角度线性方程、比例和距离等复杂问题。通过引入Gemini语言模型来优化自然语言描述的解析，系统进一步结合了AlphaProof进行数学证明。


此外，团队创新性地采用了知识共享机制（利用多个搜索树整合信息以提升搜索效率的技术），改进了搜索过程，并通过优化符号引擎和合成数据生成大幅提升了系统性能。实验结果显示，对过去25年IMO题目测试中，题目覆盖率由66%提升至88%，总体解题成功率由54%上升至84%，在50道题中正确解答42题，超过了平均人类金牌得主水平，同时该系统在IMO 2024中达到银牌标准，展现了从自然语言直接转化为数学问题求解方案的巨大潜力。
#认知科学 #人工智能 #数学竞赛 #几何求解


阅读更多：
Chervonyi, Yuri, et al. Gold-Medalist Performance in Solving Olympiad Geometry with AlphaGeometry2. arXiv:2502.03544, arXiv, 5 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.03544


家中力量训练升级：AI实时监控激活神经信号


针对康复期后患者缺乏持续训练动力的问题，挪威 SINTEF、挪威科技大学和Myworkout的Knut Løkke、Mariann Sandsund等团队开发了基于人工智能的家庭力量训练应用，通过实时数据监测和反馈，实现了神经信号传输及肌肉力量的改善。


该研究采用了一款基于人工智能的手机应用程序，利用手机内置传感器记录运动过程中产生的数据，对参与者在家中进行的单腿深蹲等高强度训练（High-Intensity Training, HIT, 一种短时间内高负荷锻炼的方法）进行实时监测和分析。通过应用程序，研究人员收集了参与者每次训练的力量输出、动作速度及频率，并借助大数据分析算法对数据进行比对和反馈，确保动作标准，从而激活神经系统，改善神经信号传输。实验数据显示，经过一段时间的训练，参与者的腿部力量平均提升约15%，神经信号传输效率显著改善。该方法不仅为康复期后患者提供了一种便捷、安全的家庭训练模式，同时为全球范围内推广个性化康复训练提供了科学依据。
#神经技术 #力量训练 #家庭康复 #人工智能 


阅读更多：
https://medicalxpress.com/news/2025-02-results-home-ai-app.html


人工智能与传统技术融合实现神经通路精确重建


大脑神经通路重建存在数据不确定性问题。拉马尔学院、波恩大学及波恩大学医院神经影像小组利用TractSeg及混合追踪方法，对癫痫半球切除患者进行影像分析，提出改进策略以提升重建精度。

▷下丘脑纵束（ILF）在半球切除术患者完整半球中的重建。在特写视图中，对应于红色矩形区域，流线在切片附近被剪裁，以更好地可视化 TractSeg 在病变内重建流线的事实，而所提出的正则化低秩重建更准确地排除了病变，尽管分割了更大的束体积。Credit: NeuroImage: Clinical (2025).


本研究采用深度学习方法进行神经通路追踪，即利用TractSeg（Tract Segmentation，基于深度学习预测神经纤维走向的算法）隐式学习大脑解剖先验，通过MRI数据计算纤维通路。研究对象为25例接受半球切除手术的癫痫患者与25名健康对照。结果显示，传统TractSeg在患者大脑中出现了“幻觉”，错误重建了已断开的纤维通路，同时部分保留纤维存在欠分割问题。


为此，研究人员提出一种改进方法，通过结合TractSeg生成的束方向图（Tract Orientation Maps，反映神经纤维主要走向的图像）与低秩张量近似，实现仅在数据支持区域内追踪。此扩展方案有效消除了病变区内的幻觉通路，并提升了对保留神经通路的完整重建，甚至在健康对照中亦获得更全面的重建效果，为复杂脑外科手术提供更精确的影像导引。研究成果为深度学习在临床神经影像中的应用提供了新思路，尽管仍建议人工质量控制以确保数据准确性。研究发表在 NeuroImage: Clinical 上。 
#神经技术 #人工智能 #深度学习 #束追踪 #脑外科


阅读更多：
“Deep Learning Based Tractography with TractSeg in Patients with Hemispherotomy: Evaluation and Refinement.” NeuroImage: Clinical, vol. 45, Jan. 2025, p. 103738. www.sciencedirect.com, https://doi.org/10.1016/j.nicl.2025.103738

整理｜ChatGPT

编辑｜丹雀、存源

感谢网友投稿51吃瓜来源，若有侵权，联系51吃瓜