• 尼日利亚公共医疗领域中人工智能（AI）应用的认知与挑战：来自五家高等级医院的顾问医生的见解

  人工智能在医疗领域的应用正在全球范围内迅速发展，为提升诊断效率、优化治疗方案和改善患者护理带来了前所未有的机遇。然而，在不同国家和地区，AI的采纳情况和影响因基础设施、政策环境以及专业人员的接受程度而异。在尼日利亚这样的发展中国家，AI在医疗体系中的应用仍处于初级阶段，尽管一些医疗从业者对其潜力表现出兴趣，但普遍存在的挑战和疑虑也限制了其进一步推广。本文探讨了尼日利亚西南部五所三级医院中，15位资深医生对AI在公共医疗系统中应用的看法，揭示了他们在技术认知、伦理担忧和实际应用障碍方面的态度，同时也指出了AI在该国医疗体系中可能发挥的关键作用。### 一、AI在医疗体系中的初步认知与应用现状研究

  来源：Clinical Epidemiology and Global Health

  时间：2025-10-10

• 从像素到蠕动：将人工智能在贲门失弛缓症诊断中的应用与专家内镜医生的诊断结果进行比较

  埃万德罗斯·卡克拉马诺斯（Evandros Kaklamanos）|克里斯蒂安娜·克里斯汀斯多蒂尔（Kristjana Kristinsdottir）|马修·维特布罗特（Matthew Wittbrodt）|李萌（Meng Li）|帕尼亚维·皮蒂苏提图姆（Panyavee Pitisuttithum）|寇文军（Wenjun Kou）|拉杰什·N·凯斯瓦尼（Rajesh N. Keswani）|达斯汀·卡尔森（Dustin Carlson）|莫齐亚尔·埃特马迪（Mozziyar Etemadi）|约翰·E·潘多尔菲诺（John E. Pandolfino）伊利诺伊州芝加哥西北医学中心信息服务部（

  来源：Clinical Gastroenterology and Hepatology

  时间：2025-10-10

• 综述：代偿性晚期慢性肝病患者首次出现肝功能失代偿的非侵入性预测模型：一项荟萃分析

  安格斯·W·杰弗里（Angus W. Jeffrey）|詹姆斯·陈（James Chen）|安德鲁·陈（Andrew Chin）|埃马纽埃尔·A·佐查奇斯（Emmanuel A. Tsochatzis）|阿维克·马朱姆达尔（Avik Majumdar）|路易斯·卡尔萨迪利亚-贝尔托特（Luis Calzadilla-Bertot）|迈克尔·C·华莱士（Michael C. Wallace）|加里·P·杰弗里（Gary P. Jeffrey）|莱昂·A·亚当斯（Leon A. Adams）西澳大利亚大学医学院，珀斯（Medical School, The University of Wester

  来源：Clinical Gastroenterology and Hepatology

  时间：2025-10-10

• MedVKAN：利用Mamba和KAN算法实现高效的特征提取，用于医学图像分割

  医学图像分割在现代临床实践中扮演着至关重要的角色，广泛应用于辅助诊断、治疗计划制定以及治疗效果评估等领域。这项技术的核心在于准确识别和量化病灶区域，为外科手术规划和治疗监测提供关键依据。然而，传统的图像分割方法高度依赖于人工标注和专家解读，这不仅耗时费力，还容易受到不同观察者之间主观差异的影响，从而影响诊断的一致性。为了解决这些问题，基于深度学习的自动化分割方法逐渐兴起，它们在效率、准确性和可重复性方面表现出显著优势。近年来，卷积神经网络（CNNs）和基于Transformer的模型在医学图像分割领域取得了重要进展。CNNs因其权重共享和池化机制，能够高效地提取局部特征，这使其在处理医学图像时

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 通过多任务学习实现风格转换和基于距离图的核实例分割

  在现代医学研究和临床诊断中，组织病理学图像的分析扮演着至关重要的角色。尤其是在使用H&E（苏木精-伊红）染色的组织切片中，细胞核的分割不仅有助于疾病的识别和分类，还能为后续的病理学研究提供关键的数据支持。然而，这一任务面临着一系列复杂的技术挑战，包括细胞核之间的重叠、不同器官组织之间因染色差异导致的领域偏移（domain shift），以及在多个器官数据集上的泛化能力不足。为了克服这些障碍，研究者们不断探索新的算法和技术，旨在提升分割的准确性与效率。本文提出了一种统一的多任务学习框架，将语义分割与距离图预测相结合，并引入了基于风格迁移的染色标准化策略，从而有效解决了上述问题。在病理学领域，图像

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• DilatedSkinNet：一种基于特征融合的智能框架，用于皮肤病变提取

  在当今医疗科技迅猛发展的背景下，皮肤癌的早期识别和诊断成为保障人类健康的重要课题。其中，黑色素瘤作为一种极具侵略性的皮肤癌类型，其高致死率和快速扩散能力使得早期发现显得尤为关键。传统的皮肤癌诊断方法往往依赖于医生的肉眼观察和经验判断，这不仅耗时，而且容易受到主观因素的影响。随着人工智能和深度学习技术的不断进步，计算机辅助诊断（Computer-Aided Diagnosis, CAD）系统逐渐成为提升皮肤癌识别效率和准确性的有效工具。特别是在皮肤病变分割领域，深度学习方法因其强大的特征提取能力和自动化处理流程，展现出了广阔的应用前景。黑色素瘤的早期识别不仅能够显著提高患者的生存率，还能降低治疗

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 基于面部表情的少动症检测方法在帕金森病诊断中的应用：一种静态-动态混合特征分析方法

  乳腺癌是全球女性中最常见的恶性肿瘤之一，其发病率和死亡率持续上升。早期发现对于提高生存率至关重要，因为它有助于在疾病初期阶段进行诊断，从而显著提升治疗效果。然而，超声图像的解读仍然是一个挑战，原因包括图像中的噪声、病变边界不清晰以及对专业放射科医生的依赖，尤其是在医疗资源有限的地区。为此，本研究提出了一种名为SwinEff-AttentionNet的新型混合深度学习框架，结合了Swin Transformer、EfficientNet层以及Efficient Local Self-Attention（ELSA）模块，旨在提升乳腺超声图像的分析能力。该架构通过分层特征提取，在分割和分类任务中表现

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 通过自蒸馏混合注意力网络，利用头部MRI数据提高儿童年龄的估算精度

  乳腺癌是全球女性中最常见的恶性肿瘤之一，其发病率和死亡率持续上升。早期检测在提高生存率方面起着至关重要的作用，因为疾病在初期阶段的诊断能够显著增强治疗的有效性。目前，乳腺癌的筛查方法包括乳腺X线摄影、超声成像（UI）、磁共振成像（MRI）以及在某些情况下使用的数字乳腺断层扫描（DBT）。其中，超声成像因其成本低廉、无辐射性和实时成像能力，尤其适用于乳腺组织密度较高的女性。然而，超声图像的解读仍然是一个挑战，因为其需要专业放射科医生的判断，而手动诊断容易出错且耗时，特别是在缺乏专业医疗资源的地区。近年来，人工智能（AI）技术的发展为计算机辅助诊断（CAD）系统提供了新的可能性，这些系统可以帮助放

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 利用头皮脑电图（EEG）研究五种基本味觉与无味刺激对年轻成年男性大脑反应的差异

  乳腺癌是全球女性中最常见的恶性肿瘤之一，其发病率和死亡率持续上升。早期发现对于提高患者的生存率具有重要意义，因为疾病在初期阶段的诊断可以显著改善治疗效果。目前，乳腺癌的筛查方法包括乳腺X线摄影（mammography）、超声成像（ultrasound imaging, UI）、磁共振成像（magnetic resonance imaging, MRI）以及在某些情况下使用的数字化乳腺断层扫描（digital breast tomosynthesis, DBT）。其中，乳腺X线摄影和超声成像是较为常用的两种技术。超声成像因其成本低廉、无辐射、能够提供实时图像等优势，尤其适用于乳腺组织密度较高的女

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• SwinEff-AttentionNet：一种用于乳腺图像分割和分类的双模混合模型，支持多种超声模式

  乳腺癌是全球女性中最常见的恶性肿瘤之一，其发病率和死亡率持续上升。早期诊断在提高患者生存率方面发挥着至关重要的作用，因为能够在疾病初期阶段发现乳腺癌可以显著提升治疗的有效性。然而，超声图像的解读仍然面临诸多挑战，包括图像中的噪声、病灶边界模糊以及对专业放射科医生的依赖，尤其是在医疗资源有限的地区。为了应对这些挑战，本研究提出了一种创新的混合深度学习框架——SwinEff-AttentionNet，该框架结合了Swin Transformer、EfficientNet层和Efficient Local Self-Attention（ELSA）模块，以增强乳腺超声图像的分析能力。该架构通过分层特征

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• X-YOLO：一种基于动态特征增强和轻量级设计的儿童手腕骨折检测方法

  在医学影像领域，骨折检测是诊断和治疗过程中至关重要的环节。尤其在儿童腕部骨折的识别中，准确性和效率的平衡显得尤为关键。儿童腕部骨折通常发生在桡骨远端，靠近关节区域，这类骨折由于其复杂性和细微性，给医生的诊断带来了巨大挑战。特别是在医疗资源有限的地区，如发展中国家的基层医院，缺乏专业的放射科医生和计算资源，使得传统的诊断方法难以满足临床需求。因此，开发一种轻量级且高效的骨折检测技术，成为当前医学影像研究的一个重要方向。近年来，随着计算机视觉技术的迅速发展，目标检测算法在医疗影像分析中得到了广泛应用。YOLO（You Only Look Once）系列因其在实时检测任务中的出色表现，成为骨折识别领

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 利用蜉蝣算法和实时数据改进心血管疾病分类

  心血管疾病是全球范围内导致死亡的主要原因之一，因此，精确且及时的诊断对于改善患者预后和降低医疗成本至关重要。近年来，随着机器学习技术的迅速发展，为处理高维医疗数据集中的分类任务提供了新的可能。然而，即便在这些技术进步的背景下，特征选择和分类模型的性能依然受到数据高维性和复杂性的限制。传统的特征选择策略在面对这些挑战时往往显得力不从心，因此，需要引入更为先进的优化算法来解决这些问题。本研究提出了一种基于蜉蝣行为的新型元启发式优化算法——蜉蝣算法（Mayfly Algorithm, MA），并将其应用于心血管疾病数据集中，以提升特征选择的效果和分类的准确性。通过使用MA，研究团队在五个真实时间心血

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 用于基于机器学习的轻度认知障碍分类的曲折度与离散紧凑性生物标志物

  在当前的研究中，科学家们致力于探索用于分析杏仁核形态学特征的两个新指标——曲折度（Tortuosity, TR）和离散紧凑性（Discrete Compactness, DC）在区分健康对照组（Healthy Controls, HC）与轻度认知障碍（Mild Cognitive Impairment, MCI）患者方面的有效性。该研究基于磁共振成像（Magnetic Resonance Imaging, MRI）数据，旨在评估这些指标是否可以作为早期检测MCI的潜在生物标志物（Biomarkers, BMs）。杏仁核作为大脑中与情绪、记忆和认知功能密切相关的结构，其形态学变化常被用于研究神经

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• LM3DFN：一种用于非小细胞肺癌中EGFR突变无创预测的端到端模型

  本研究旨在探索一种基于胸部CT图像的深度学习模型，用于预测非小细胞肺癌（NSCLC）患者的表皮生长因子受体（EGFR）突变状态，为非侵入式分子分型提供一种创新性的解决方案。肺癌仍是全球癌症相关死亡的主要原因，其发病率和死亡率分别达到11.4%和18%。从组织学角度来看，NSCLC占所有肺癌病例的80%-90%，并且由于其高度侵袭性和诊断延迟，患者通常面临较差的预后，5年生存率仅为15%-25%。即使在早期NSCLC患者中，尽管有标准化治疗方案，仍有40%-50%的患者最终出现疾病复发或远处转移。近年来，分子生物学研究的进展揭示了一系列可靶向的驱动基因突变，尤其是EGFR突变，使NSCLC治疗迈

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 在组织病理学图像分类中，利用空间-纹理注意力网络对噪声标签进行自我筛选以及对难处理样本的颜色进行归一化

  本文探讨了基于深度学习的病理图像分类技术，特别是在解决数据集中的噪声标签和图像特征复杂性方面所面临的挑战。病理图像的分析对于肿瘤诊断至关重要，但其过程通常繁琐且需要高度的专业知识。因此，开发有效的深度学习模型来辅助病理学家进行诊断具有重要的现实意义。然而，现有的技术在实际应用中仍面临诸多问题，包括图像标注中的错误和主观性，以及不同病理图像在组织结构、纹理和染色方面的差异。这些问题不仅影响模型的准确性，也限制了其在不同数据集上的泛化能力。为了应对这些挑战，本文提出了一种新颖的框架，结合了噪声鲁棒学习和特征特定的注意力机制。该框架由两个主要部分组成：一是噪声样本的自我筛选与硬样本颜色归一化（NSS

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 通过结合强化学习、生成对抗网络和贝叶斯优化来检测黑色素瘤

  在当今医学领域，人工智能技术的迅速发展正在改变疾病诊断和治疗的方式。特别是对于皮肤癌这类高度侵袭性的疾病，研究者们正致力于开发更加高效、准确的检测方法。皮肤癌主要分为两种类型：黑色素瘤和非黑色素瘤。其中，黑色素瘤因其高死亡率和难以早期发现的特点，成为研究的重点。根据世界卫生组织（WHO）的报告，全球每年诊断出的皮肤癌病例超过一百万，其中黑色素瘤占约324,635例，而非黑色素瘤占1,198,073例。尽管黑色素瘤的发病率相对较低，但其死亡率却显著高于非黑色素瘤，因此，提高黑色素瘤的早期检测能力具有重要意义。传统的黑色素瘤检测方法主要依赖于皮肤科医生使用皮肤镜进行观察，这种方法虽然能提供放大和照

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 一种基于脑电图（EEG）的飞行员控制意图识别方法，应用于模拟飞行场景

  在现代航空技术不断发展的背景下，飞行员的操作意图对于飞行安全至关重要。准确识别飞行员在飞行过程中的控制意图，不仅有助于提升自动驾驶系统的能力，还能进一步推动主动安全技术的发展。然而，在实际操作中，飞行员在起飞和降落阶段所承受的工作负荷往往相似，这使得识别爬升和下降意图变得尤为困难。为了解决这一问题，本文提出了一种基于脑电图（EEG）信号的识别方法，利用改进的卷积神经网络架构——空间注意力EEGNet（SA-EEGNet），实现了对飞行员控制意图的高效分类。EEG作为一种直接测量大脑活动的技术，已被广泛应用于识别脑部功能状态。通过实验诱导特定的脑波模式，并利用机器学习或深度学习技术进行分类，能够

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• PSFS-Net：一种基于动态频域-空间协同感知的网络，用于通过分层上下文细化和频域解耦来实现息肉分割

  在医学影像分析领域，尤其是结肠镜图像中息肉的分割任务，一直是早期发现结直肠癌（CRC）的关键环节。这项任务的准确性直接关系到临床诊断的效率和可靠性。尽管近年来研究者们在这一方向取得了显著进展，但现有方法仍然面临两个主要挑战：（1）在频率和空间特征表示方面存在不足，多数方法倾向于依赖空间域的学习，即使引入了频率信息，也往往忽视了频率分布在不同特征层级上的层次性变化，导致频率线索的利用不充分；（2）在跨层级特征整合方面表现欠佳，限制了模型对全局语义和细节边界信息的有效捕捉。为了解决这些问题，我们提出了一种名为PSFS-Net的新颖动态频率-空间协同分割框架，该框架通过联合利用空间域和频率域信息，实

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 基于先前特征增强的属性嵌入方法，用于预测鼻咽鳞状细胞癌（SNSCC）患者对化疗放疗的敏感性

  本研究聚焦于鼻窦肿瘤患者对化疗放疗（chemoradiotherapy）敏感性的预测问题，提出了一种基于属性嵌入的先验增强框架（Prior Enhancement via Attribute Embedding, PEAE），旨在解决鼻窦鳞状细胞癌（sinonasal squamous cell carcinoma, SNSCC）数据样本不足、分布不均的问题。通过将先验信息有效地融入模型训练过程，PEAE在图像级任务和个体级任务两个层面实现了对患者治疗反应的预测，从而提升了模型的泛化能力和预测精度。鼻窦肿瘤是一种相对罕见的肿瘤类型，其发病率低于所有人类肿瘤的1%，在头颈肿瘤中约占5%。尽管其总

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

• 利用改进的基于UNet的cGAN架构，在X射线血管造影中对冠状动脉段进行精确的分割和标记

  冠状动脉疾病（Coronary Artery Disease, CAD）是一种严重影响人类健康的常见心血管疾病，其特征是冠状动脉的狭窄或阻塞。由于这种疾病在全球范围内是导致死亡的主要原因之一，因此早期诊断和有效预防变得尤为重要。在临床实践中，X射线冠状动脉造影（X-ray Coronary Angiography, XCA）被认为是诊断和治疗CAD的黄金标准。该技术通过导管将造影剂注入冠状动脉，随后利用X射线成像捕捉血管的详细结构，从而为医生提供关键的诊断信息。然而，XCA图像的获取和处理过程中仍然存在诸多挑战，特别是在如何准确地对冠状动脉段进行分割和标注方面。传统的XCA图像处理方法往往依赖

  来源：Biomedical Signal Processing and Control

  时间：2025-10-10

知名企业招聘：