5.30
医工学人The Innovators
1. npj Digital Medicine | 你的健康设备有多安全——如何防止可穿戴设备成为个人和国家安全风险；
2. Nature | 大脑如何窥探肠道：在新发现的免疫细胞的帮助下；
3.npj Digital Medicine | 使用深度学习预测异常胎儿生长；
4. IEEE Trans. Med. Imaging | 面向真实牙科场景的光流流式自适应方法；
5. Nature | 动态基底神经节输出信号许可并抑制前肢运动；
6. Nature BME | 一种用于持续测量人脑实质电阻的无线设备可追踪脑淋巴功能；
7. AM | 具有双向突触后电流的人工光电突触，用于紧凑且节能的神经硬件.
医工简报音频内容已在喜马拉雅、小宇宙等平台上线，欢迎订阅收听~
行业动态
可穿戴医疗设备在日常生活中越来越普遍，因此人们越来越依赖这些设备、它们生成的数据以及由此制定的治疗方案。然而，近期其他设备供应链中的事件表明，对其进行操控可能带来灾难性后果。该研究展示了医疗设备供应链网络安全的重要性，并介绍了可以缓解这些风险的应对措施。
临床综合
医学人工智能
超声波评估胎儿大小和生长情况是监测胎儿在孕期健康状况的主要方式。若胎儿小于胎龄（SGA）或大于胎龄（LGA），会对胎儿和母体带来显著风险。该研究旨在提升异常胎儿生长预测的准确性，开发了一个深度学习模型，并使用一个包含433,096张超声图像的数据集进行训练，该数据集来自对65,752名患者进行的94,538次检查。该深度学习模型在检测SGA（58% VS 70%）和LGA方面的表现，显著优于当前的临床标准——Hadlock公式（41% VS 55%），p < 0.001。此外，该模型的预测结果在所有人口学和技术变量中偏差更小。整合关键解剖结构特征，如皮层结构、肝脏纹理和皮肤厚度，可能是模型预测准确性提升的原因。
医学成像技术
光流估计在视频处理中至关重要，然而现有方法在具有复杂光照、镜面反射、流体干扰和纹理稀疏等独特挑战的医疗场景中表现受限，主要瓶颈在于真实医疗视频中难以获取光流真值标注。5月29日，Lewandowska等人提出SOFA (Streamed Optical Flow Adaptation) 方法，利用合成牙科视频实现真实场景的光流自适应。该研究构建了大规模高真实感合成牙科视频数据集Vident-synth；提出流式自适应框架，通过合成数据预训练模型，并基于新设计的无参考评估指标（前向-前向一致性误差JEPE和前向-后向一致性误差EC）迭代选择高质量伪标签，对真实无标注视频进行增量微调；实验表明，SOFA有效克服了领域差异，成功将RAFT、GMA等先进光流网络适配到真实牙科及腹腔镜手术场景，显著提升光流精度并改善了下游视频稳定化任务性能。
康复（神经）工程
基底神经节是运动控制的基础，其功能障碍与运动缺陷有关。对灵长类动物动眼神经系统的有影响力的研究表明，运动通常取决于强直放电抑制性基底神经节输出神经元释放脑干运动中心的短暂停顿。然而，在其他运动任务中观察到的基底神经节输出神经元放电的显着增加使人们对通过基底神经节回路进行运动调节的拟议机制产生了怀疑。该研究表明小鼠黑质网部 （SNr） 中的基底神经节输出神经元代表复杂的前肢运动，在脉冲活动中具有高度精细和动态的变化，在群体水平上平铺任务执行。基底神经节输出电路中高度特异性和时间精确的运动表示的存在和功能。
可穿戴技术
动物模型中的脑淋巴功能支持清除大脑中错误聚集的蛋白质，这些蛋白质的聚集与包括阿尔茨海默病和帕金森病在内的神经退行性疾病有关。然而，由于现有技术具有创伤性、定制性强且时间分辨率差，目前在人脑中测量脑淋巴功能一直具有挑战性。该研究介绍了一种非侵入性的多模态设备，可在人类中持续测量睡眠相关的大脑实质电阻变化。该设备通过在两个独立的临床验证研究中重复进行电阻抗光谱测量，能够检测到脑实质电阻随睡眠状态的变化。设备测量结果成功捕捉到与睡眠相关的细胞外体积变化，这些变化调节脑淋巴功能，并预测了与对比增强MRI测得的脑淋巴溶质交换相关的脑淋巴活动。报告的设备数据与前临床研究一致：脑淋巴功能增强与睡眠脑电图（EEG）δ波功率增加相关，而与EEG β波功率和心率增加呈负相关。研究中提出的设备可在自然状态下持续且具有时间分辨率地评估脑实质电阻，有助于确定脑淋巴功能障碍在阿尔茨海默病风险和进展中的作用，并可应用于旨在调节人类脑淋巴功能的靶向干预研究。
生物材料
传统的硬件神经网络 （HW-NN） 依赖于人工突触的单向电流，因此需要一个差分突触对来实现加权核心。该研究设计了一个能够产生双向突触后电流 ，无需差异突触对。该结构通过不对称金属接触结构实现，能够感应出内置电场，用于光生载流子的定向流动，以及栅极堆栈中的电荷捕获/去捕获层（h-BN/重量控制层），可以调制半导体通道 （WSe(2)） 使用电信号。这种结构可以精确控制注入电荷的方向和大小。该设备展示了关键的突触行为，例如长期增强/抑制和尖峰时间依赖性可塑性。最后，该研究你通过使用 MNIST 手写数字数据集的训练和推理模拟证明了这些突触在 HW-NN 中的可行性。该方法为更紧凑、更节能的类脑计算系统铺平了道路。
END
内容 | 张艳青 郝娅婷 罗虎
编辑 |吴苡齐
审核 | 刘帅 罗虎
扫码添加医工学人负责人微信，进入综合及细分领域群聊（国内外医工交叉领域顶尖高校、科研院所、医院、企业等专家学者、硕博士、工程师、企业家等），参与线上线下交流活动
推荐阅读
点击关注医工学人
本篇文章来源于微信公众号: 医工学人
