- 深度学习和合成训练数据在 sOCT 中的神经血管分割
该研究使用序列切片光学相干断层扫描技术开发了一种高度可推广的神经血管分割方法，不需要手动注释并达到了人类水平的精度。
- 促进精神健康与神经疾病研究中的公平和多样性言语数据集
我们综述了用于心理健康和神经学障碍的语音数据集，以突出可能存在的陷阱和改进机会，提倡公平和多样性，为建立这个领域的语音数据集提供了一个包含伦理关切的综合清单。
- 解开海马形态变异：使用对比学习的图形变分自编码器研究神经学障碍
本研究通过使用图变分自编码器和有监督对比学习的方法，对神经系统疾病背景下弥漫张量成像数据集中的海马形态变异进行了细致研究，以提高其可解释性和分离出与年龄和疾病存在相关的两个独立潜变量。通过对合成的 3D 环面网格数据和真实的 DTI 海马数 - 皮层表面扩散生成模型
在这项研究中，我们提出了一种基于修改后的表面视觉转换模型作为主要架构的新型扩散模型，用于生成大脑皮层表面度量。我们在发育中的人类连接组计划 (dHCP) 中验证了我们的方法，结果表明我们的模型在捕捉变化中的大脑皮层表面的复杂细节方面表现出优 - MMGPL：多模态医学数据分析与图形提示学习
使用图提示学习模型进行神经系统疾病的诊断，通过学习 GPT-4 获取相关疾病概念，计算概念与图像区块的语义相似度，并减少不相关区块的权重，同时利用图卷积网络层提取图的结构信息，以提升预训练模型在神经系统疾病诊断上的性能。
- 用残差学习从白质扩散度预测年龄
利用微结构特征和非宏观结构特征，开发基于白质特定的年龄估计方法，成功捕捉异常的白质年龄化现象。
- 利用基于感知器的序列分类器和通用语音模型检测语音异常
我们提出了一种基于感知器的序列分类器，用于检测反映多种神经系统疾病的语音异常。我们将这个分类器与一个训练有素（无监督训练）的通用语音模型（USM）结合起来，该模型在 1200 万小时的多样化音频记录上进行训练。我们的模型将长序列压缩为一组小 - 基于功能连接的神经障碍诊断的可学习对应病因分析框架
通过采用深度学习模型进行疾病识别和解释模型进行后续分析，我们提出了一个新的统一框架来集成诊断和解释，并通过仿真逆转诊断信息的功能连接来验证其有效性，并在对疾病相关的神经模式进行分析。
- TiBGL: 基于模板的脑图学习用于功能性神经成像分析
提出了一种称为 TiBGL 的新型脑图学习框架，通过模板诱导的脑图学习解决了功能连接数据中的噪声和冗余信息问题，提高了脑部障碍诊断的性能并揭示了与脑部疾病相关的连接模式。
- 从生物到人工神经网络的转化与借鉴
本文探讨了如何利用深度学习来研究神经健康以及在算法模型中解释神经分析的困难。其重要贡献在于调查死亡神经元对人工神经网络性能的影响，以评估这些发现在生物领域的潜在应用，可能对神经系统疾病的治疗有重要影响。
- 个性化音乐治疗：神经计算建模视角
本文探讨了音乐疗法在神经学和情绪障碍治疗中的应用，并总结了音乐在康复、情感调节和心血管调节中的作用。此外，本文突出了音乐选择个性化和自动化的机会以适应个体需求和任务，从而改善生活质量和减轻压力。
- MM反馈链网络用于海马分割
本文将深度学习技术应用于海马分割任务，提出了一种新的分层反馈链网络，通过分层特征聚合反馈链学习每个编码器层的更深更广的特征表示，并通过特征交接注意模块实现特征选择和反馈。在特征编码器和解码器之间嵌入了全局金字塔注意单元，包括实现相邻注意交互 - Meta-RegGNN: 基于图神经网络和元学习预测言语和全量智商得分
提出了一种用于预测行为分数的新型回归图神经网络 Meta-RegGNN，具有在研究神经发育紊乱方面的重要意义，实验结果表明其预测智商的性能优于现有方法，并且能够在自闭症谱系障碍领域提高泛化性。
- MM神经紊乱引起的步态异常检测
本文通过开发人体姿势的关键点，如肩膀，肘部等提取特征，从步态方面入手，探究如何检测神经学等常见疾病，如巴金森症，亚健，半瘫和亨廷顿舞蹈病的不同异常，通过构建合成视频数据集进行实验验证，并且证明了其有效性。
- CVPR3D-ZeF: 一份 3D 斑马鱼跟踪基准数据集
提供了一个名为 3D-ZeF 的新型可公开获取的基于立体视觉的 3D RGB 数据集用于多物体斑马鱼跟踪，该数据集包含了斑马鱼在行为分析中被经常使用于研究的神经学疾病、药物成瘾等方面的八个序列以及一个基于自由移动的斑马鱼数量介于 1-10 - MM一种基于逻辑和神经网络的框架，用于研究神经系统疾病的进化
该研究提出了一种结合机器学习和 Answer Set Programming 技术的新框架，以便于帮助医生和研究人员理解神经疾病的复杂机制，并在神经疾病演化模拟任务中发挥重要作用。
- 使用深度扩张卷积进行脊髓灰质分割
本论文利用深度学习方法，提出了一种基于 MRI 影像的人脊髓灰质分割新方法，可用于神经学疾病的研究，提供更好的脑部组织分割结果。