摘要:

摘要:柔性内窥镜机器人具有连续体结构，在微创手术领域展现出独特优势，但连续体结构的非线性变形特征导致柔性内窥镜机器人的运动控制精度不足。针对上述问题，本文提出一种基于神经动力学的柔性内窥镜机器人最优遥操作控制方法。首先，通过构建图像空间下内窥镜机器人主从运动映射机制，建立柔性内窥镜运动学模型，获得图像特征速度与驱动速度的映射关系；其次，基因关节运动约束将机器人运动控制转化为二次规划最优控制问题，并使用基于神经动力学的实时求解器进行高效求解；最后，在输尿管镜机器人平台开展实验验证。实验结果表明：本文方法可有效减小人工操作误差和速度振荡，目标点跟踪误差被控制在 2.5% 以内，同时有效提升了碎石术中器械操控的准确性和稳定性。

摘要:宫颈癌是全球女性癌症死亡的主要原因之一，放射性治疗是治疗宫颈癌的常用方法。其中，近距离放射治疗通过将放射源直接置入靠近肿瘤的区域，能将高剂量的辐射集中在肿瘤部位，比其他放疗方法的适用性高。精确分割危及器官对准确估算放疗剂量和最大度地保护正常组织免受辐射损伤至关重要。然而，管状结构(如结直肠)的自动分割仍面临诸多挑战。例如：肠道的褶皱、运动伪影等因素会影响分割效果；近距离放射治疗中的放射源会降低 CT 影像的质量，影响分割的准确性。本文提出了一种基于中心线和距离图信息的宫颈癌管状危及器官分割方法，通过增强网络对解剖结构的学习，该方法能更好地识别管状器官的拓扑结构和其在人体内的空间关系，从而提高分割精度，优化放疗剂量分布。该文利用 Dice 相似度系数(DSC)、交并比(IoU)、召回率(Recall)和 95% 豪斯多夫距离(HD95)等指标分析了宫颈癌内放射治疗 CT 数据集的性能。实验结果表明本文方法的多数指标优于基线网络 ResUNet。其中：DSC 为 71.58%，IoU 为52.12%，Recall 为 79.03%，分别较 ResUNet 提高了 11.29%、7.84%和12.70%；HD95 为 10.06，较 ResUNet 下降了 1.76。由此表明本文方法能有效提高宫颈癌近距离放射治疗 CT 影像中结直肠的分割精度，减少复杂器官和影像质量对分割结果的影响。

摘要:多实例学习(multiple-instance learning，MIL)是一种弱监督学习方法，近年来广泛应用于医学图像分析领域。本文综述了 MIL 在全切片图像中的应用进展，详细分析了其在肿瘤检测、亚型分级和生存预测中的作用。MIL 在弱监督学习中具有独特优势，可通过引入新机制进行优化和拓展，以适应更多的应用场景。本文首先综述了部分应用广泛或独具优势的 MIL 模型，并详细介绍了它们的技术特点和具体应用场景；其次，介绍了 MIL 在多模态医学图像分析中的应用进展和技术进步；最后，总结了 MIL 目前的研究进展，并展望了其未来发展。

摘要:使用毫米波雷达进行非接触式生命特征监测能进行持续且较难察觉的身份识别。由于心脏运动受各种复杂因素影响，为捕获更具特征的波形信息，本文利用发射调频连续波的毫米波雷达对用户睡眠时的心脏数据进行监测和捕获。此外，本文提出一种基于心脏运动一维时序雷达信号的深度卷积神经网络身份识别方法，并与长短期记忆网络、InceptionTime 和 LSTformer 这 3 种深度学习算法进行了性能对比分析。在实验室采集的人体静卧状态下的心脏信号数据集上，各模型的最终分类准确率均大于 85% 。其中，深度卷积神经网络 InceptionTime 的准确率最高，但耗时最长；长短期记忆网络模型和 LSTformer 的准确率较低，但耗时较短；本文提出的卷积神经网络模型的准确率与 InceptionTime 相当，但计算耗时较短，在准确率和计算效率之间取得了平衡。

摘要:基于深度学习的图像去噪方法有效解决了传统去噪方法的烦琐调参和复杂噪声建模的问题。然而，有监督学习的模型训练严重依赖干净-噪声图像对，这限制了此类模型的广泛使用。无监督学习去噪模型仅需单噪声图像进行训练，但现有的无监督去噪方法仍存在网络训练效率与去噪性能难以兼顾的问题。本文提出一种高效的图像去噪方法，提升了去噪模型训练的效率。具体来说，本文方法提出了一种深度近邻下采样器，用于从同一张噪声图像中获取训练噪声模型的相似图像对。基于该采样器的方法不仅满足了图像对像素相邻且外观相似的要求，而且深度近邻下采样舍弃了部分冗余信息，避免了对噪声分布假设的严重依赖。最后，本文通过标准红绿蓝空间中具有不同噪声分布的合成实验和真实图像实验验证了本文方法的有效性，实验结果表明：本文提出的采样策略有效平衡了训练效率与去噪性能。

摘要:针灸是中医学的重要组成部分，在世界各地均具有广泛的应用。然而，传统针灸疗法的穴位定位依赖医生经验，缺乏标准化，导致疗效再现性较差，阻碍了其推广。针灸机器人是一种智能医疗设备，为针灸技术的标准化和推广提供了新契机。该文提出一种改进的 YOLOv8-Pose 模型——YOLO-PointMap，旨在解决穴位密集分布和特征不明显等问题。通过引入动态卷积优化 C2f 模块和基于通道注意力的特征融合模块，该文提出的模型在多尺度特征提取和融合方面的性能显著提升。实验结果表明，YOLO-PointMap 在测试集上的端点误差、正确关键点百分比和基于COCO标准的mAP50-95(Pose)等指标优于现有模型，其值分别达到了3.27、1.00和84.90%，尤其是在密集关键点检测和弱特征区域定位方面。这不仅为针灸机器人技术的发展提供了有力支持，而且展现了YOLO-PointMap在虚拟现实和智能交互等领域的潜在应用价值。

摘要:对于锥束计算机断层扫描(cone beam computed tomography，CBCT)，人们一直希望能够在扫描过程中动态地调节X射线的强度和分布，以适应患者内部的解剖结构。这样就可以达到减少图像伪影和降低辐射剂量的目的。然而，目前的动态滤波装置，如动态 Bowtie 滤波器，其结构较为复杂难以真正应用到临床，因此，本研究旨在设计一种结构简单的动态滤波策略，以减少 CBCT 成像中的图像伪影同时降低辐射剂量。本研究所设计的动态滤波策略随着 CBCT 的旋转而动态变化，具体而言，该动态滤波策略是将两个不同部分集成在一起：滤片部分和 Bowtie 部分。该动态滤波策略设置有两种工作模式，一种是动态滤片与动态Bowtie的组合，称为动态滤片-动态Bowtie (Dynamic filter-Dynamic bowtie，DFDB)；另一种是动态滤片与静态Bowtie的组合，称为动态滤片-静态Bowtie (Dynamic filter- Static bowtie，DFSB)。本研究分别针对 3 个人体部位（肩部、胸部和膝部）进行了数值仿真模拟，且使用蒙特卡罗模拟平台 MC-GPU 生成每个体模对应的剂量分布图。结果表明，使用所提出的 DFDB 和 DFSB 动态滤波方案可以显著减少图像伪影，从而改善 CBCT 图像质量。根据扫描部位的不同，辐射剂量的降低幅度达到约 30%。因此，本研究所提出的简单动态滤波策略 DFDB 和 DFSB，可以有效提升图像质量同时降低辐射剂量，且拥有足够简单的结构(尤其是 DFSB)，在一定程度上推进了动态滤波策略的临床应用。

摘要:通过制造支架来模拟人体微环境是生物医学领域的一大成就。然而，寻找理想生物支架的工作仍处于起步阶段，需要克服重大挑战。目前，科学研究更倾向于天然物质，因为它们具有极强的生物能力、低成本和生物可降解性，并且比合成实验室制造的产品毒性更小。壳聚糖是一种著名的多糖，因其生物活性而备受关注，尤其是在 3D 骨组织工程中。壳聚糖与天然组织非常相似，因此是生物打印的热门候选材料。本文重点分析了基于壳聚糖支架发展的潜力以及骨治疗的缺点。壳聚糖纳米复合材料具有较强的机械强度、吸水能力、细胞相互作用和生物降解特性。壳聚糖衍生物还提供了不同的治疗途径，并且具有较强的生物活性。 3D 定制生物打印为设计和制造具有生物、机械和地形特性的支架打开了新的大门。

摘要:氯胺酮是一种N-甲基-D-天冬氨酸受体拮抗剂，临床上用于镇静、麻醉和治疗难治性抑郁症，但是氯胺酮的成瘾性限制了其临床应用。0.5 mg/kg 是临床常用的氯胺酮抗抑郁剂量，而15 mg/kg 是氯胺酮滥用人群的暴露剂量。目前，不同剂量的氯胺酮对脑网络的激活情况仍不清楚。本文选择 0.5 mg/kg 和 15 mg/kg 两个有代表性的氯胺酮剂量，腹腔连续注射 7 d，通过检测脑即刻早期基因蛋白(cFos)的表达评估氯胺酮对小鼠脑网络的激活情况。结果表明，与生理盐水组相比，0.5 mg/kg 氯胺酮能显著增加内侧前额叶、中间外侧隔核、导水管周围灰质脑区 cFos 阳性细胞数量；而 15 mg/kg 氯胺酮能显著增加伏隔核、外侧缰核、海马 CA3、杏仁核、腹侧被盖区 cFos 阳性细胞数量。由此表明：氯胺酮对脑网络的激活呈剂量依赖性，0.5 mg/kg 和 15 mg/kg 的氯胺酮激活的脑区存在差异。该研究为探索不同剂量氯胺酮的神经药理作用奠定了基础，为寻找氯胺酮抗抑郁和成瘾差异脑区提供了参考。