机器学习在胃肠疾病神经影像研究中的应用进展

目前,胃肠疾病发病率居高不下,常见的胃肠病有肠易激综合征、功能性消化不良、炎症性肠病等,严重影响患者的身心健康。基于肠-脑轴的神经机制为寻找与胃肠疾病相关的新型标志物提供了新思路。近年来,基于MRI的胃肠疾病神经机制研究备受关注,同时有研究者尝试利用机器学习方法对其影像数据进行分析和解读,在加深对胃肠疾病神经机制的理解方面取得了不错的效果。本文重点概述了机器学习方法在与胃肠疾病相关的MRI神经影像中的应用情况,旨在为深入探索胃肠疾病的神经机制提供参考,并为提高胃肠疾病的诊断和预后评估效能等方面提供新思路、新手段。

基于时域光声信号的谱分析技术及其在生物医学领域的应用

基于时域光声信号的谱分析技术是一种能够提供生物组织结构和功能信息的非侵入式检测技术,其结合了光学模态的高对比度和超声模态在深层组织中的高分辨率两重特性,可对不同波长光激发下的目标生物组织的光声信号数据集进行处理分析。相较于传统光谱检测,该技术不易受被测对象形状、形态的限制和光散射的影响,使其对较深层组织的检测仍具有较高灵敏度。相较于光声成像,该技术无需引入图像重建算法且专注于实现定量分析。综述时域光声信号的谱分析技术在生物组织、生物体液、生物呼出气体检测中的应用,介绍相关研究所采用的改进实验系统或不同信号处理方法,阐述该技术的研究进展与发展方向。