深度学习算法在脑电信号解码中的应用

近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用场景、重要进展和现存的问题。首先,论述常用于EEG解码的几类深度学习算法的基本原理,包括卷积神经网络、深度信念网络、自编码器和循环神经网络等。然后,讨论深度学习算法的几个典型EEG解码应用场景,包括脑机接口、情绪与认知识别、疾病辅助诊断。结合应用实例,归纳深度学习算法在EEG解码中的常见问题、解决方案、主要进展和研究趋势。最后,总结深度学习应用于EEG信号解码中仍待解决的一些关键问题,如参数复杂度、训练时间以及泛化能力等。

血清可溶性Klotho与原发性高血压动脉硬化关系的研究

目的:研究血清可溶性Klotho(sKlotho)水平与原发性高血压动脉硬化的相关性。方法:选取2017年1月—2018年12月在昆明医科大学附属延安医院就诊的196例初诊高血压患者(高血压组)和121例健康对照者(对照组),检测血清sKlotho、血脂、血糖、尿酸等常规生化指标,测定24 h尿钠排泄来计算估测摄盐量,同时检测臂踝脉搏波速度(baPWV)和颈动脉最大内膜中层厚度(IMT),研究血清sKlotho水平与高血压动脉弹性的关系。结果:高血压组血清sKlotho水平较对照组降低,而baPWV和Max IMT较对照组升高(均P<0.05)。高血压组估测摄盐量(10.51±4.19)g较对照组(8.97±3.48)g明显升高(P<0.01)。高血压组中,血清sKlotho水平与年龄、收缩压(SBP)、舒张压(DBP)、平均动脉压(MBP)、24 h尿钠呈负相关性,与估测肾小球滤过率(eGFR)呈正相关性(均P<0.01);高血压组baPWV和IMT与血清sKlotho水平呈负相关性(r=-0.59、-0.61,均P<0.01)。baPWV≥1400 cm/s和IMT≥1.0 mm的患者血清sKlotho显著降低(P<0.05)。多重logistic回归分析显示,年龄、吸烟、MBP、血脂异常、估测摄盐量是baPWV的危险因素,血清sKlotho是baPWV的保护因素(P=0.024,OR=0.86,95%CI:0.295~0.977)。结论:高血压患者血清sKlotho水平较非高血压患者降低,与动脉硬化指标baPWV、IMT呈负相关性,是baPWV的保护因素,可作为动脉僵硬度的生物标志物。

多模态神经影像融合方法及其在脑疾病诊疗中的应用进展

随着神经影像技术与相关数据处理方法的飞速发展,多模态神经影像融合广泛应用于神经科学和临床疾病等研究领域.对当前多模态神经影像融合算法的发展及其在脑疾病诊疗中的应用进行了概述.对多模态神经影像融合的3种层面,即早期融合、后期融合和中间融合的定义、相关应用及优缺点进行了介绍与分析.对目前常用的多模态神经影像融合算法,即基于信号源分离方法和深度多模态学习进行了介绍.进一步讨论了多模态神经影像融合技术在重大脑疾病(如精神分裂症、阿尔兹海默症等)诊疗中的应用.最后,对目前多模态神经影像融合方法和应用中存在的挑战及未来的研究方向进行了总结.