基于多变量形态学特征的健康老年人认知发展预测算法

由于体积、表面积等常规形态学指标对于皮层下核团而言过于笼统,因此传统的形态特征获取手段难以检测到其表面形态的细微变化。为解决这一问题,本文提出了一种针对皮层下核团的精细特征提取算法,并将其应用到老年人认知状态预测任务上。通过表面共形参数化、表面共形表示和基于互信息的表面流配准,提取了46名被试双侧海马和杏仁核各15 000×2个顶点上的形态学特征;通过斑块选择、稀疏编码与字典学习,和最大池化的降维流程,避免了维度诅咒的同时充分保留了核团的纹理信息;最后,以树为弱学习器,采用GentleBoost算法集成了最终的强分类器做认知预测。结果显示,仅纳入海马和杏仁核两个皮层下结构的新颖特征,即可达到85%的预测准确率,为皮层下结构的精细特征发掘提供了新思路。     

基于U-net的海马体分割算法应用

为促进阿尔兹海默症的诊断及治疗,实现对海马体的精确分割,针对海马体MRI图像,提出一种基于U-net模型改进的分割算法。使用CLAHE等对原始图像进行预处理,经处理后的图像有效提高了分割效果;将残差模块加入实现分割算法的卷积网络,增强网络性能,避免网络性能退化。对原始数据集进行扩充,将扩充后的样本数据用以训练网络,解决数据量的问题。实验结果表明,该算法在脑部MRI图像中对海马体实现了良好的分割效果,能较好辅助医生诊断。     

卷积神经网络诊断阿尔兹海默症的方法

针对阿尔兹海默症（AD）通常会导致海马体区域萎缩的现象,提出一种使用卷积神经网络（CNN）对脑部磁共振成像（MRI）的海马体区域进行AD识别的方法。测试数据来自ADNI数据库提供的188位患者和229位正常人的脑部MRI图像。首先,将所有脑图像进行颅骨剥离,并配准到标准模板;其次,使用线性回归进行脑部萎缩的年龄矫正;然后,经过预处理后,从每个对象的3D脑图像的海马体区域提取出多幅2.5D的图像;最后,使用CNN对这些图像进行训练和识别,将同一个对象的图像识别结果用于对该对象的联合诊断。通过多次十折交叉验证方式进行实验,实验结果表明所提方法的平均识别准确率达到88.02%。与堆叠自动编码器（SAE）方法进行比较,比较结果表明,所提方法在仅使用MRI进行诊断的情况下效果比SAE方法有较大提高。     

基于生成模型约束的graph cuts标签融合算法

人脑磁共振图像（magnetic resonance imaging,MRI）分割算法易受图谱错误标签的影响,为减少错误标签对标签融合准确度的影响,提高人脑磁共振图像的分割精度,在图谱预选阶段采用梯度信息和互信息筛选出相似性较大的图谱图像,标签融合阶段提出利用生成模型（generative model,GM）约束的graph cuts标签融合方法,快速准确地分割出人脑海马体结构。与其他的标签融合方法对比,提出的算法具有更高的分割精度。     

诺奖颁给大脑定位代码预示了未来的技术

研究人员表示,这些研究成果可能表明了未来的技术。例如,一些工程师已经以网格细胞这一概念为灵感,开发出了用来控制机器人或自主潜艇的新算法。 麻省理工学院的马修·威尔逊（Matthew Wilson）,他的实验室已经一次性估量了众多脑细胞,制作了引人注目的视频,展现了小鼠在迷宫中移动时位置神经元的反应情况。     

新研究称咖啡能降低患阿兹海默症风险

正据俄罗斯《共青团真理报》网站11月30日报道,咖啡能将患阿兹海默症的风险降低20%。这项新研究的结果使得医务工作者从完全不一样的角度看待这个饮品。这项研究由瑞士咖啡科学信息研究所(ISIC)的科学家们完成,历时四年,最终发现咖啡能够将患阿兹海默症和老年痴呆症的风险减少20%。咖啡的主要成分——咖啡因和多酚,对人的记忆力和认知功能有着积极的影响。他们能暂     

基于边界增强损失的海马体分割算法

快速准确地获得脑部核磁共振图像中海马体的体积变化情况,对阿尔兹海默症等疾病的诊断具有重要意义。海马体在大脑中占比很小且与周边结构的边界不明显,使得基于深度学习的核磁共振影像海马体分割具有一定难度。针对上述问题本文提出一种利用边界增强损失训练含注意力机制网络的海马体分割算法,主要贡献在于:1)设计了一种含注意力机制的U形三维卷积神经网络;2)提出一种边界增强的损失函数。在解决海马体与背景因为尺寸相差过大而带来的类不平衡问题的同时,使网络在训练时更注重对海马体边界的学习。在欧洲阿尔兹海默病协会和阿兹海默症神经影像学倡议数据集上,分析讨论了本文提出的损失函数和网络结构的性能。与目前几种先进的基于深度学习的三维分割算法进行了对比分析,实验结果表明本文提出的算法性能更优,达到了89.41%的Dice精度与人工分割精度相近。     

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.     

海马体神经元内源性大麻素 I 型受体与小清蛋白共表达的研究

内源性大麻素系统广泛分布于哺乳动物的中枢神经系统中，参与调节多种生理过程和行为反应。其中，大麻素 I 型受体(Cannabinoid Receptor 1，CB1R)大量分布在表达生长激素抑制素、胆囊收缩素、多巴胺、5-羟色胺等神经递质受体的神经元末梢上。CB1R 激活可抑制突触前膜神经递质的释放，逆行调控神经元的兴奋性。然而，对于中枢神经系统中另一类具有重要抑制性作用的小清蛋白 (Parvalbumin，PV)阳性的 γ-氨基丁酸能中间神经元是否表达 CB1R，却鲜有报道。该文利用免疫荧光染色和激光共聚焦成像技术发现，小鼠海马体少量神经元存在 PV 与 CB1R 共表达，且 PV/CB1R 阳性神经 元在海马体中的分布无雌雄差异。该结果能为进一步阐明 PV 与 CB1R 在功能上的相互作用提供一定参考价值，也将有助于更全面地了解内源性大麻素系统的调控作用。