
7.14
医工学人
The Innovators
1. 肿瘤及癌症:NPJ Digital Medicine | 常规全乳腺 X 线摄影的深度学习增强了早期乳腺癌淋巴结转移的预测
3. 神经退行性疾病:Science | 组织整合的仿生膝关节可在截肢后恢复多功能腿部运动
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~

肿瘤及癌症

随着乳腺癌手术向降级手术的转变,结合成像的预测模型可以重新评估手术腋窝分期的需求。该研究采用深度学习的进步来全面评估常规乳腺 X 线照片对术前淋巴结转移预测的作用。回顾性收集了 1265 例 cN0 T1-T2 乳腺癌患者 (初次手术,无新辅助治疗) 的乳房 X 线照片和临床病理数据。与仅使用临床变量的模型相比,将全乳乳腺 X 线照片与术前临床变量相结合,在独立测试集中将 ROC AUC 从 0.690 提高到 0.774 (改进:0.001-0.154)。组合模型显示良好的校准,在灵敏度 ≥90% 时,实现了显着更好的净收益,前哨淋巴结活检减少率为 41.7% (13.0-62.6%)。研究结果表明,常规乳房 X 光检查,尤其是全乳图像,可以增强术前淋巴结状态预测。它们可以替代关键预测因子,例如病理肿瘤大小和多灶性,有助于患者在手术前分层。
https://www.nature.com/articles/s41746-025-01831-8
心脑血管疾病

超声心动图左心室精准分割对心血管疾病诊疗至关重要,但受限于超声成像噪声干扰及标注稀疏性。7月13日,深圳大学研究团队提出NCM-Net半监督分割框架:设计邻域相关性挖掘(NCM)模块,通过3D邻域注意力挖掘查询特征与其时空邻域的相关性以抵抗噪声,并利用多尺度可变形注意力捕获像素间跨尺度上下文关联以细化特征;引入不可靠像素掩蔽注意力(UMA),通过掩蔽可靠像素使模型聚焦于边界模糊区域以提升分割精度;采用跨帧边界约束优化预测结果的时间一致性。在CAMUS和EchoNet-Dynamic数据集上的实验表明,该方法实现了最先进的性能和优异的时间一致性。
https://doi.org/10.1109/TMI.2025.3588157
研究人员正在实验室中制造越来越复杂的微型器官——现在他们可以培养自己的血管。这些结构模拟心脏、肝脏、肺和肠道,是有史以来最复杂的人类发展模型之一,包含这些模型中以前从未见过的细胞群和结构。上个月 Science和 Cell,两个独立的团队报告了使用一种新方法创建血管化类器官,该方法从最早阶段就用血管生长类器官。从多能干细胞开始,这种干细胞几乎可以转化为体内的任何细胞类型,研究人员在制造其他器官组织时诱使细胞形成血管。这些模型“真正展示了这种策略的力量”,加利福尼亚州斯坦福大学(Stanford University)的干细胞生物学家奥斯卡·阿比莱斯(Oscar Abilez)说,他是心脏和肝脏论文的合著者。 https://www.nature.com/articles/d41586-025-02183-9
神经退行性疾病 下肢假肢的早期设计侧重于恢复基本运动。已经取得了一些进步,实现了更强大的功能,但这些系统仍然基于使用与身体物理分离的肢体的预编程运动。Shu 等人假设如果软组织和硬组织与小腿假肢之间可以形成连接,那么这将导致更大的稳定性和与神经系统的接口,并实现更灵活和动态的控制。作者通过将膝上假肢与骨整合支架和植入式控制系统相结合来证明这一概念,以肌电控制膝关节。只需最少的训练,即可从膝盖提供的额外反馈使测试对象更容易避开障碍物。 https://www.science.org/doi/abs/10.1126/science.adv3223 END 内容 | 罗虎 张艳青 编辑 | 刘帅 审核 | 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
医工简报 | 锻炼可以帮助肠道微生物平息癌症;数字孪生在个性化肿瘤学中的应用;AI 手中的医用针头:向自主机器人导航迈进
点击关注医工学人
本篇文章来源于微信公众号: 医工学人