标签: 深度学习

每年数十万人因突发心脏骤停猝死，往往毫无征兆。现有植入式除颤器可挽救生命，但难以准确判断谁真正需要。本研究用深度学习分析大量心电图和死亡数据，发现一种新高危人群，并识别出能预测猝死风险的心电图新特征。

标签: 人工智能医疗 心电图 深度学习 风险预测

心脏骤停可致猝死，植入除颤器能救命，但医生常无法提前识别高危患者。目前最常用的预测指标——左心室射血分数（LVEF）漏诊多数猝死，还让许多低风险者白装除颤器。本研究用深度学习分析心电图（ECG），发现一种肉眼可见的新生物标志物，能更准识别真正高危人群，且提示除颤器确有救命效果。

标签: 心电图 心脏猝死 深度学习 生物标志物

本文构建了全球首个覆盖230个国家和地区、时间跨度从1990年至今的年度人口迁移数据集。通过融合官方统计、人口普查、净迁移估算和数字痕迹（如Facebook数据），结合深度学习模型，首次实现了高时空分辨率、全球一致的迁移流动估算，显著提升了对全球人口流动动态的理解能力。

标签: 不确定性量化 全球人口迁移 年度迁移数据 数字足迹 深度学习

本文介绍了一种名为PHRM的智能手机新功能：无需佩戴设备，仅通过手机前置摄像头拍摄几秒面部视频，即可自动、无感地测量静息心率。该技术在不同肤色人群中均达到医疗级精度，有望让全球数十亿智能手机用户随时随地、公平便捷地监测心脏健康。

标签: 智能手机健康监测 深度学习 远程光电容积描记法 静息心率

肥胖等疾病会影响全身多个器官系统，但缺乏能全面、高精度分析全身病变的工具。本研究开发了‘MouseMapper’——一种基于基础模型的深度学习框架，首次实现对整只小鼠神经与免疫系统的全自动三维定量分析，可精细识别神经分支和免疫细胞团，并自动分割31个器官组织。研究发现肥胖小鼠眶下神经结构受损，导致胡须触觉功能下降，并在人鼠中均观察到三叉神经节相关蛋白变化。

标签: MouseMapper 三叉神经 全身体成像 深度学习 肥胖

核磁共振（NMR）谱图常因信号重叠而难以分辨，影响蛋白质结构分析。本文提出一种名为P3（峰概率呈现）的新方法：用深度学习模型MR-Ai将传统谱图转换为‘每个点是峰顶的概率图’，大幅提高分辨率，使峰定位精度逼近理论极限，并能同时清晰显示强峰与弱峰，显著简化人工解析。

标签: 分辨率增强 峰概率呈现 核磁共振谱图 深度学习 蛋白质结构解析

光学三维成像常因光子不足、光散射和空间带宽限制而模糊结构细节。本文提出一种名为VALID的自监督去噪方法，无需配对的‘干净-噪声’图像，仅用单次扫描数据，就能高效提升多种生物医学三维成像（如双光子、三光子、光场显微镜和光学相干断层扫描）的清晰度，尤其在深层组织和低信噪比场景下效果显著。

标签: 三维光学成像 图像去噪 深度学习 生物医学成像 自监督学习

细胞迁移对免疫监视、伤口愈合和胚胎发育至关重要，但异常迁移也会导致癌症转移。传统研究方法费时费力、依赖荧光标记或人工追踪。本研究开发了‘DeepBIT’平台——一种无需染色、全自动的活细胞迁移分析技术，用普通明场显微镜视频+人工智能算法，单次实验可自动追踪上千个细胞。在乳腺癌细胞测试中，它30小时内分析了840种条件（含96种上市药物），发现了多个此前未知的迁移调控药物，并揭示迁移效果高度依赖微环境（如同样一种药，在不同培养条件下可能促进或抑制迁移）。

标签: 无标记成像 深度学习 细胞迁移 肿瘤转移 高通量筛选

胸腺常被认为成年后就基本‘失能’了，但本研究发现：胸腺健康状况越好，成年人活得越久、患癌和心血管病风险越低。研究人员用人工智能分析2.7万多人的胸部CT影像，首次证实胸腺功能强弱与寿命、多种重大疾病直接相关，提示保护胸腺可能是延缓衰老、促进健康长寿的新途径。

标签: 健康长寿 免疫衰老 慢性炎症 深度学习 胸腺健康

1型糖尿病（T1D）是一种由T细胞异常攻击胰岛细胞引起的自身免疫病。本研究分析了2250名受试者的外周血T细胞受体（TCR）序列，发现T1D患者体内存在一种与遗传风险相关的TCR特征性短序列模式（即‘TCR基序’）。该模式在患者血液中富集，且在胰腺引流淋巴结等关键病灶部位也显著升高，有望成为监测疾病进展和开发新疗法的实用生物标志物。

标签: 1型糖尿病 HLA基因 T细胞受体 深度学习 生物标志物