博文
前沿专刊精选 | 机器学习在非侵入与微创医疗中的应用
||
前沿专刊「Research Topic」，是 Frontiers 赋能学术工作者的创新方式之一，前沿专刊的客座主编确定某领域内的研究方向，接收相关领域作者的投稿，最终以文章合辑的形式发表在期刊正刊。
具有高度影响力的前沿专刊，在截稿后有机会被整理成可免费下载和共享的 eBook。
Machine Learning for Non/Less-Invasive Methods in Health Informatics
机器学习在非侵入与微创医疗中的应用
近年来，「非侵入式」方法在临床实践中得到了迅速的发展，可极大减轻患者在生理和心理上的痛苦和负担。一方面，得益于大数据技术的突破，物联网、5G、云计算、高性能计算、可穿戴传感器等人工智能技术已成功应用于疾病诊断、治疗、管理、生活辅助等巨大场景以及康复训练。另一方面，存在着一些挑战以及需要解决的技术和伦理问题。
为此，由北京理工大学医学技术学院钱昆教授牵头，组织了一期名为「机器学习在非侵入与微创医疗中的应用」的前沿专刊，为科学家、工程师和临床医生建立一个开放的论坛，通过多学科的视角交流他们的研究、见解和观点。
该专刊已截稿并出版可供免费阅读和下载的eBook，共有来自 119 位作者的 17 篇文章发表于此前沿专刊。
专刊联合发布在：Frontiers in Digital Health「新晋期刊」，Frontiers in Physiology「IF: 4.566」及 Frontiers in Medicine「IF: 5.091」 ，当前阅读量已达 34,000 余次。
# 1
文章简介
The Use of Synthetic Electronic Health Record Data and Deep Learning to Improve Timing of High-Risk Heart Failure Surgical Intervention by Predicting Proximity to Catastrophic Decompensation
使用合成电子健康记录数据和深度学习-通过预测灾难性代偿失调来提升高风险心衰手术干预的时机
基于机器学习的临床工具，可以根据患者具体情况的特殊性，来识别患者是否已接近灾难性的心衰恶化，这将有效地提升高风险心衰手术干预的时机。本文证明了合成电子健康记录数据（EHR）在统计学上与原始受保护的健康数据没有区别，可以使用机器学习进行有效的分析。
# 2
文章简介
Machine Learning Revealed New Correlates of Chronic Pelvic Pain in Women
机器学习揭示了女性慢性盆腔疼痛的新相关性
在本研究中，使用机器学习方法描述了对慢性盆腔疼痛各种影响因素的评估，并使用INTENSE来检测不同因素之间的复杂关系。该方法不需要任何先验知识，是一种完全无监督的交互方法。实验结果显示慢性盆腔疼痛与子宫内膜异位症之间存在显著的相关性。
# 3
文章简介
Estimating a Sleep Apnea Hypopnea Index Based on the ERB Correlation Dimension of Snore Sounds
根据鼾声的ERB关联维数-评估睡眠呼吸暂停低通气指数
本文提出了一种分析鼾声非线性声学特性的新视角。根据心理声学中使用的等效矩形带宽(ERB)量表，计算鼾声的ERB相关维数(ECD)，以表征不同严重程度的睡眠呼吸暂停低通气综合征(SAHS)。最后利用LLE证明了鼾声的混沌性质，并完善了一种利用鼾声相关维数向量估计SAHS AHI值的新方法，优于传统的频谱分析方法。
# 4
文章简介
A Dataset of Pulmonary Lesions With Multiple-Level Attributes and Fine Contours
具有多水平属性和精细轮廓的肺部病变数据集
本文介绍了一个用于设计计算机辅助诊断(CAD)系统的肺部病变数据集。该数据集具有精细的轮廓标注和9个属性标注。作者详细定义了数据集的结构，然后用卡方检验讨论了属性与病理的关系，以及9个属性之间的相关性。
# 5
文章简介
Diagnosis of Fibrosis Using Blood Markers and Logistic Regression in Southeast Asian Patients With Non-alcoholic Fatty Liver Disease
用血液标记物和逻辑回归诊断肝纤维化-基于东南亚非酒精性脂肪肝患者
非酒精性脂肪肝(NAFLD)是纤维化的主要原因之一。肝活检仍然是确认NAFLD患者纤维化的金标准。有效和无创的晚期纤维化诊断对疾病监测和治疗决策至关重要。在此，作者为我们构建了一个评分模型，使用常规医学检测标记物和logistic回归来区分来自中国、马来西亚和印度(n1=540、n2=147和n3=97)经肝活检证实的NAFLD患者的早期和晚期纤维化。
# 6
文章简介
Trends in Heart-Rate Variability Signal Analysis
心率变异性信号分析的趋势
本文通过信号处理和机器学习方法，对HRV与发病率、疼痛、困倦、压力和运动相关的研究进行了总结和分析。关于HRV研究的重点以及与可改进以提高研究质量的过程有关的差距已进行了细致的讨论。通过对心电图(ECG)、皮肤电活动(EDA)、光体积描记术(PPG)和呼吸(RESP)等生理信号的分析，共25篇文章探讨了HRV升高/降低的原因和影响。
# 7
文章简介
An Effective Multimodal Image Fusion Method Using MRI and PET for Alzheimer's Disease Diagnosis
基于MRI和PET的阿尔茨海默病多模态图像融合方法研究
基于神经成像的计算机辅助诊断(CAD)表明，使用多模态图像的深度学习方法有助于指导AD检测。为了使多模态融合过程更具说服力，作者提出了一种辅助AD诊断的图像融合方法。
# 8
文章简介
Pre-trained Deep Convolution Neural Network Model With Attention for Speech Emotion Recognition
基于注意力的预训练深度卷积神经网络模型的语音情感识别
语音识别系统的性能很大程度上依赖于语音信号特征的提取。建立有效的特征提取与分类模型仍然是一项具有挑战性的任务。本文提出了一种基于深度卷积神经网络(Deep Convolution Neural Network, DCNN)和带注意力的双向长短期记忆(Bidirectional Long - short - Memory with Attention, BLSTMwA)模型(DCNN-BLSTMwA)的SER算法。
# 9
文章简介
Application of Machine Learning Algorithms to Predict Central Lymph Node Metastasis in T1-T2, Non-invasive, and Clinically Node Negative Papillary Thyroid Carcinoma
应用机器学习算法预测T1-T2、非侵袭性和临床淋巴结阴性甲状腺乳头状癌中心淋巴结转移
研究利用现成的术前变量和术中冰冻切片检查，开发并验证了ML算法，用于个体化预测T1-T2期、无创和临床淋巴结阴性PTC患者的CLNM。
# 10
文章简介
Brain Tumor Segmentation via Multi-Modalities Interactive Feature Learning
基于多模式交互特征学习的脑肿瘤分割方法
在这项工作中，提出了一种新的注意引导跨模态特征学习框架，用于从多模态MRI数据中分割脑肿瘤区域。通过构建两步特征交互策略，提出的特征提取模块探索多模态交互特征，以获取多模态MRI数据的丰富信息。
# 11
文章简介
Accurate Tumor Segmentation via Octave Convolution Neural Network
基于倍频阶卷积神经网络的肿瘤精确分割
在这项工作中，研究提出了一种新的肝脏肿瘤分割网络。解决了原CNN模型中存在的减少大量空间冗余的问题，并提出了一种新的Octave卷积运算来分别存储和处理低频和高频特征，提高了模型的效率。
# 12
文章简介
Opinions on Computer Audition for Bowel Sounds Analysis in Intestinal Obstruction: Opportunities and Challenges From a Clinical Point of View
浅谈肠梗阻肠音计算机听觉的机遇与挑战
计算机听觉(Computer audition, CA)，包括机器学习(machine learning, ML)和深度学习(deep learning, DL)，可以处理复杂问题，理解和分析心音、肺音和BS(2)。强大的机器学习和深度学习可以自动提取和分析BS的特征。这篇文章的目的是强调在IO中使用CA进行BS分析的机会和挑战。
# 13
文章简介
A Novel Hierarchical Deep Learning Framework for Diagnosing Multiple Visual Impairment Diseases in the Clinical Environment
一种新的分层深度学习框架用于多重视觉障碍疾病的临床诊断
在这项研究中，设计了一个由多任务系统组成的分层深度学习网络。多标签学习分类器代表从预定义的分层眼病分类中派生出来的不同层次的眼病。提出了一种多水平疾病引导的损失函数来学习眼病特征的细粒度变异性。所提出的框架分别针对眼表和视网膜图像进行训练。
# 14
文章简介
Seasonal Sleep Variations and Their Association With Meteorological Factors: A Japanese Population Study Using Large-Scale Body Acceleration Data
季节性睡眠变化及其与气象因素的关系:使用大规模身体加速数据的日本人口研究
本研究旨在调查日本人口(68,604人)睡眠特性的季节性变化，并进一步确定影响睡眠季节性的气象因素。研究使用了大规模的客观睡眠数据，这些数据来自机器学习对身体加速的估计。睡眠总时间、睡眠潜伏期、睡眠效率、入睡后醒来时间等睡眠参数呈现明显的季节性变化，表明夏季睡眠质量较其他季节差。
# 15
文章简介
Deep Learning for Identification of Acute Illness and Facial Cues of Illness
深度学习识别急性疾病和疾病面部线索
研究使用深度学习算法在一个合成的、增强的数据集上训练，该数据集区分了健康和模拟的急性疾病个体，表明合成生成的数据可以用于开发难以获得大型数据集的健康状况的算法。这些结果支持了面部特征分析算法支持急性疾病诊断的潜力。
# 16
文章简介
Unsupervised Phonocardiogram Analysis With Distribution Density Based Variational Auto-Encoders
基于分布密度的变分自动编码器的无监督心音图分析
本文提出了一种无监督的心音图(PCG)分析方法，该方法使用了一种基于潜在空间分布密度估计的修正后的自动编码器。为了提高基于VAE的PCG分析系统的性能，本文提出了两种基于潜在空间中潜在向量密度估计的方法DBVAE和DBAE。从单个域和多个域的PCG数据分析系统的性能，提出的系统优于基于VAE的方法。
专刊主页及eBook免费下载，请通过下方链接或点击阅读原文进行查看：
客座主编团队
钱昆，北京理工大学，教授
钱昆，北京理工大学医学技术学院教授/博导，脑健康工程方向责任教授，2021年入选“北理工特立青年学者”支持计划，博士毕业于德国慕尼黑工业大学。2019年至2021年于日本东京大学从事人工智能医学相关领域研究工作，期间入选全球著名青年科学家基金——“日本学术振兴会外国人特别研究员”项目（成功率：10.6%），累计发表高水平学术论文70余篇，其中以第一作者/通讯作者身份发表SCI收录论文18篇，包括IEEE Signal Processing Magazine、IEEE IoTJ、IEEE T-ITS、IEEE J-BHI、IEEE T-ASE、IEEE T-BME、ABME、JASA等领域内国际顶级期刊。钱博士现为IEEE高级会员，IEEE Transactions on Affective Computing（JCR Q1，IF-2020: 10.506）、Frontiers in Digital Health、BIO Integration等期刊编委，法国巴黎丝路商学院客座教授，中国留德学者计算机学会人工智能与大数据专家委员会专家委员，长期担任数十种领域内顶尖/权威期刊与国际会议审稿人。
张亮，西安电子科技大学，教授
张亮，西安电子科技大学教授/博导，1999.09-2009.09浙江大学生物医学工程与仪器科学学院进行本科、硕博学习，于2016.12-2017.12在西澳大利亚大学进行学术访问，是西安电子科技大学首届“三好三有”导学团队带头人，受聘于西安电子科技大学首届工程型精英人才称号。目前为西安电子科技大学计算机科学与技术学院嵌入式 技术与视觉处理中心主任，博士生导师，主要研究方向包括深度神经网络结构设计、人机交互机理及医学影像分析处理。近三年以第一作者和通信作者在IEEE TNNLS、IEEE TMI、IEEE TMM、IEEE TIP、PR等本领域重要期刊和NeurIPS、ICCV、WWW、ICASSP、ICMR、ICPR、IROS等国际会议上发表论文60余篇，授权专利20余项，获陕西省科技进步三等奖1项，相关成果转化产生经济效益超过2,000万元。
李克之，University College London UK，Lecturer/Assistant Professor
李克之，现任英国伦敦大学学院(University College London)助理教授/讲师。主要研究方向为机器学习和信号处理在人工智能，医学大数据和量子物理中的应用。他博士毕业于英国帝国理工大学，本科于中国科学技术大学。先后任职于微软亚洲研究院，瑞典皇家理工大学信号系统研究院，英国剑桥大学卡文迪许实验室，帝国理工大学生物启发实验室研究科学家。他先后发表高水平杂志和会议文章70余篇。曾获神经信息处理系统大会(NeurIPS)研讨班最佳论文(Best Paper)，国际人工智能大会(IJCAI)血糖预测挑战赛冠军。
李娟，华中科技大学附属武汉市中心医院，副教授
华中科技大学同济医学院附属武汉中心医院医学整形美容科副主任医师，德国慕尼黑工业大学整形外科博士（ Ph.D.）。中国医师协会显微外科医师分会肢体畸形修复专委会委员，中德医学合作交流促进会（SGM）副会长，Frontiers in Digital Health杂志审稿编辑兼编委会成员。主持湖北省自然科学基金1项，参与国家级、省级科研项目4项。以第一作者或通讯作者发表SCI论文11篇。研究领域：组织工程与再生医学，皮肤软组织缺损的修复重建，面部年轻化的综合治疗。
点击查看 Frontiers 前沿专刊 案例：
前沿专刊鼓励跨学科、跨期刊交流，鼓励研究者通过不同切入角度就某一重要研究议题进行全方位讨论，以此来增加该研究的关注度并提升其全球影响力。
成为客座主编的优势在于：
享受开放获取出版优势，快速提升您的科研成果的影响力；
推动本领域的科研进展，领导更积极的学术讨论；
加强您与本领域科研同行的合作与交流；
丰富学术履历，提升您与合作者的学术影响力。
作为客座主编，在前沿专刊正式建立之前需要完成三个步骤：
确定专刊主题；
邀请1-3位专家（需至少包含一位国际专家）作为共同客座主编组织专刊；
建议潜在的作者名单。
如何成为客座主编？
长按下方二维码，用 1 分钟 填写表单，如您符合要求，Frontiers 相应领域的出版总监将与您 1 对 1 交流。
Frontiers 总部位于瑞士，是全球领先的开放获取（Open Access）出版商，致力于使科学在全球范围内更加开放。欲了解更多详情，欢迎访问 Frontiers 官方网站：www.frontiersin.org.
扫码关注，不错过最新资讯
https://blog.sciencenet.cn/blog-3465500-1316856.html
上一篇：院士专刊 | 征稿 | 群医学与卫生经济学
下一篇：对话邓兴旺院士 | Frontiers 会客厅
