融合残差块注意力机制和生成对抗网络的海马体分割

研究一种基于改进的生成对抗网络的深度学习方法对海马体进行分割。提出不同的卷积配置,以捕获由分割网络获得的信息。提出以Pixel2Pixel为基本架构的生成对抗网络模型,生成模型结合残差网络以及注意力机制的编解码结构以捕获更多细节信息。判别网络采用卷积神经网络对生成模型的分割结果和专家分割结果进行判别。经过生成模型和对抗模型不断地传递其损失,使生成模型达到分割海马体的最优状态。使用来自ADNI数据集130名健康受试者的T1加权MRI扫描和相关海马标签作为训练和测试数据,以相似度系数作为评价指标,准确率达到89.46%。试验结果表明,该网络模型可以实现高效地自动分割海马体,对于阿尔茨海默症等疾病的正确诊断具有重要的现实意义。     

基于卷积神经网络的仿鼠脑海马结构认知地图构建方法

针对融合视觉信息的仿鼠脑海马模型闭环检测精度较低、地图构建不准确的问题,文中提出基于卷积神经网络的仿鼠脑海马结构认知地图构建方法.利用改进的卷积神经网络模型提取视觉输入特征,融合空间细胞计算模型得到位置信息,并构建认知地图.基于汉明距离计算视觉信息与视图库中图像的相似度,实现对复杂动态环境中熟悉场景的识别,完成机器人在环境中的定位及位置纠正.仿真与物理实验验证文中方法的有效性与鲁棒性.     

融合残差块注意力机制和生成对抗网络的海马体分割

研究一种基于改进的生成对抗网络的深度学习方法对海马体进行分割。提出不同的卷积配置,以捕获由分割网络获得的信息。提出以Pixel2Pixel为基本架构的生成对抗网络模型,生成模型结合残差网络以及注意力机制的编解码结构以捕获更多细节信息。判别网络采用卷积神经网络对生成模型的分割结果和专家分割结果进行判别。经过生成模型和对抗模型不断地传递其损失,使生成模型达到分割海马体的最优状态。使用来自ADNI数据集130名健康受试者的T1加权MRI扫描和相关海马标签作为训练和测试数据,以相似度系数作为评价指标,准确率达到89.46%。试验结果表明,该网络模型可以实现高效地自动分割海马体,对于阿尔茨海默症等疾病的正确诊断具有重要的现实意义。     

基于海马体位置细胞的认知地图构建与导航

针对移动机器人环境认知问题, 受老鼠海马体位置细胞在特定位置放电的启发, 构建动态增减位置细胞认知地图模型(Dynamic growing and pruning place cells-based cognitive map model, DGP-PCCMM), 使机器人在与环境交互的过程中自组织构建认知地图, 进行环境认知. 初始时刻, 认知地图由初始点处激活的位置细胞构成; 随着与环境的交互, 逐渐得到不同位置点处激活的位置细胞, 并建立其之间的连接关系, 实现认知地图的动态增长; 如果机器人在已访问区域发现新的障碍物, 利用动态缩减机制对认知地图进行更新. 此外, 提出一种位置细胞序列规划算法, 该算法以所构建的认知地图作为输入, 进行位置细胞序列规划, 实现机器人导航. 为验证模型的正确性和有效性, 对Tolman的经典老鼠绕道实验进行再现. 实验结果表明, 本文模型能使机器人在与环境交互的过程中动态构建并更新认知地图, 能初步完成对Tolman老鼠绕道实验的再现. 此外, 进行了与四叉树栅格地图、动态窗口法的对比实验和与其他认知地图模型的讨论分析. 结果表明了本文方法在所构建地图的简洁性、完整性和对动态障碍适应性方面的优势.     

垃圾食品吃太多恐致大脑萎缩

正吃太多盐、糖及脂肪含量过高的垃圾食品不仅会使人发胖,还可能影响大脑健康。澳洲科学家近日发现,吃太多垃圾食品可能导致大脑出现萎缩。墨尔本迪肯大学(Deakin University)的研究人员对255名年龄介于60岁至64岁区间的老年人的脑部扫描结果进行了分析,他们侧重对位于大脑左侧专门负责认知和情绪调节的海马体变化进行了研究。结果发现,常吃不健康食品的人的大脑海马体较坚持健康饮食的人略小。对此,来自IMPACT战略研究中心的杰卡(Felice     

三维卷积网络在脑海马体分割中的应用

为了提高海马体分割的精确性和鲁棒性,提出一种新型的三维卷积网络Dilated-3DUnet。该网络中卷积层的通道数采用"金字塔"分布的方式,有效缩小了参数的规模。此外,使用三维空洞卷积作为级联卷积操作,不仅有效地结合了脑磁共振成像(MRI)的深层特征和浅层特征,而且在不改变参数个数的情况下,扩大了卷积层的感受野,获取了多尺度信息,能够更好地捕捉MRI图像的浅层特征,从而提高了分割精度。在ADNI数据集上进行实验,以相似性系数、灵敏度、阳性预测率为评价指标,准确率分别达到了89.32%、88.72%和90.05%。实验表明,Dilated-3DUnet充分利用了脑MRI图像的三维空间信息,具有更强的泛化能力和更好的特征表达能力,从而大大提升了分割精度。     

慢性应激与抑郁症发病机理研究进展

慢性应激生活事件是导致抑郁症的危险因素。慢性不可预测应激(CUS)能够诱导类似抑郁的行为,包括被动的行为应对、快感缺乏、以及许多其他情感上、认知上的行为症状。同时,慢性应激也表现出对成年海马神经的负面调控,应激可以使成年海马神经的细胞增殖降低,重症抑郁症患者的脑部核磁共振成像显示海马的体积有明显的下降。长期慢性应激激活外周及中枢免疫系统,也导致大量炎性介质释放(包括小胶质细胞等细胞因子)。     

黑米花青素对高脂膳食小鼠的空间学习记忆能力的影响

探讨高脂膳食对C57BL/6小鼠以及黑米花青素对高脂膳食小鼠的空间学习记忆能力的影响。将48只小鼠随机分成对照组(正常膳食),高脂对照组(膳食中含w=15%猪油),高脂低剂量黑米花青素组(膳食中含w=15%猪油、w=40mg/kg黑米花青素)和高脂高剂量黑米花青素组(膳食中含w=15%猪油、w=200mg/kg黑米花青素)。12周后通过Morris水迷宫实验评价小鼠的空间学习记忆能力,检测小鼠血清总胆固醇和总甘油三酯,小鼠海马体中氧化应激指标、单胺类神经递质含量以及炎症相关因子基因的mRNA表达水平。研究发现,高脂膳食的小鼠空间学习记忆能力显著下降(P<0.05),血清总胆固醇和总甘油三酯含量显著增加(P<0.05),海马组织中的SOD(superoxide dismutase)和GSH-Px(glutathione peroxidase)活力显著降低(P<0.05),MDA(malondialdehyde)含量显著升高(P<0.05),炎症因子TNFα、COX-2、IL-1β基因表达水平均显著提高(P<0.05)。通过黑米花青素干预后小鼠的空间学习记忆能力显著提升(P<0.05),海马体的氧化应激状况得到显著改善(P<0.05),炎症相关因子基因的表达均显著下调(P<0.05)。结果表明,高脂饮食能够导致慢性氧化应激,损伤小鼠海马依赖的空间学习记忆等认知能力。黑米花青素可以改善海马体的氧化应激状态,提高SOD和GSH-Px活力,降低MDA的生成,下调炎症相关因子基因的表达水平,从而改善了小鼠的空间学习记忆能力。     

基于U-net的海马体分割研究

基于MRI的海马体分割是对于脑神经疾病的确诊和治疗的基础.现在海马体的分割主要依靠医生的手动勾画实现.这需要花费医生大量的时间和精力,同时人工勾画由于医生的水平、经验的不同,也会造成勾画结果的不准确性和不一致性.提出了一种基于最新深度学习模型U-net的大脑海马体分割算法,该方法可以有效地从MRI中将海马体分割出来,对于提高医生的诊断及治疗效率具有应用意义.     

基于ANTs配准的多图谱分割算法比较研究

为提高海马体多图谱分割的精度和时间效率,提出基于高等标准化工具(Advanced Normalization Tools,ANTs)配准的多图谱分割算法.为降低数据规模,在预处理阶段,提取以海马体为中心的立方体box.在配准阶段,提出用ANTs代替重采样环节,再利用微分同胚Demons算法的平滑性、拓扑保持性以及连续性...