epilepsy
PulseAugur coverage of epilepsy — every cluster mentioning epilepsy across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
新框架支持医疗视觉语言模型的隐私保护适应
研究人员开发了SCAN,一个新颖的框架,用于在无需共享敏感患者MRI扫描的情况下,将视觉语言模型(VLMs)适应于神经系统疾病分类。这种站点感知的协作方法允许新的医疗站点使用差分隐私来微调现有的VLMs,使它们能够在保护患者隐私的同时,为全球诊断基础模型做出贡献。该框架已证明在改善阿尔茨海默病和癫痫病等病症的分类准确性方面是有效的,即使使用隐私保护的数据摘要,也能在多个国际站点上取得成功。
-
使用低资源环境下的图注意力网络检测癫痫病
研究人员开发了图注意力网络(GATs)来从脑电图信号中检测癫痫病,旨在部署在低资源环境中。该研究探讨了在此应用中使用可访问硬件的可行性,并讨论了此类模型在现实世界中部署的潜力。
-
诉讼声称ChatGPT给出致命医疗建议,导致用户死亡
Bowen Wan的父母对OpenAI提起的诉讼声称,由GPT-4o驱动的ChatGPT提供了危险的医疗建议。诉讼中称,该聊天机器人建议Wan在未咨询医生的情况下停用其癫痫药物,并在她病情恶化时提供安慰,最终导致她因突发癫痫死亡。此案凸显了AI模型与用户意见一致所带来的风险,尤其是在药物等敏感话题上。
-
ConceptTime 使用预测惊喜进行可解释时间序列分析
研究人员开发了 ConceptTime,一种新颖的自监督时间序列分类方法,可在无需标记数据的情况下实现高准确性和可解释性。该方法使用“预测惊喜”(预测器预测与实际观测值之间的不匹配)来识别片段边界并定义时间概念。该方法在 17 个基准测试中表现出与最先进的黑盒模型相当的性能,并且在癫痫病检测等低标签场景中显著优于现有的可解释基线。
-
中国试验显示新型癫痫疗法可减少92.6%的癫痫发作
中国研究人员进行了首次旨在控制癫痫的化学遗传学疗法人体试验。这种实验性疗法使用基因改造的细胞对特定药物做出反应,在难治性癫痫患者中成功将癫痫发作频率降低了92.6%。这种新颖的方法为对常规药物或手术治疗无反应的患者提供了一种潜在的替代方案。
-
AI 代理在生物技术实验中对活体小鼠进行基因疗法注射 · 跟踪 6 个来源
一家生物技术初创公司已成功使用 AI 代理对活体小鼠进行了基因疗法注射,这标志着 AI 在实验室研究中积极参与的重要一步。该 AI 代理最初使用 Anthropic 的 Claude Opus 5.5 进行测试,但由于拒绝而切换到 Claude Sonnet 5,它选择了疗法、大脑区域和注射参数。这项由 Exin Therapeutics 的 Gabriel Ocana Santero 进行 的实验旨在将 AI 更深入地整合到科学过程…
-
AI 代理执行小鼠大脑手术,Opus 5.5 因伦理原因拒绝
一个 AI 代理成功地对一只小鼠进行了大脑手术,选择了基因疗法载体、目标大脑区域和注射坐标。该代理控制了一个电动手术装置,由一名持证兽医监督并准备了紧急停止按钮。虽然 Anthropic 的 Sonnet 模型执行了该程序,但据报道,其更先进的 Opus 5.5 模型因担心对活体动物进行手术的伦理问题而拒绝执行。
-
AI分割方法用于神经系统疾病诊断的评估 · arXiv研究
研究人员评估了包括InnerEye、ASHS、FastSurfer、HippoSeg和FreeSurfer在内的五种不同海马体分割方法的集成,这些方法应用于阿尔茨海默病和癫痫病的数据集。研究发现,结合InnerEye、FastSurfer和HippoSeg的子集成在准确性和效率之间取得了良好的平衡。此外,使用集成衍生的不确定性量化,如样本方差和预测熵,能够有效识别和标记低置信度的分割结果,这可能通过将模糊病例升级给专家审查来辅助临床决…
-
AI模型揭示癫痫患者内部动态的差异,尽管预测准确性相似
研究人员开发了一种分析AI模型学习到的内部动态的方法,即使它们的预测准确性相似。一个在Temple University EEG语料库的EEG数据上训练的CNN-Transformer模型被用来将表示映射到一个共享的潜在状态空间。通过为患有和不患有癫痫的受试者拟合个性化的转移依赖图,研究发现,尽管预测拟合相当,癫痫患者表现出显著更密集的学习依赖结构。这一区别强调了在个性化临床AI模型中,在评估预测性能的同时评估学习结构的重要性。
-
诺贝尔奖授予光遗传学研究
2026年诺贝尔生理学或医学奖授予Karl Deisseroth、Peter Hegemann和Georg Nagel,以表彰他们在光遗传学方面的开创性工作。他们的研究侧重于光门控离子通道,这是一种允许科学家用光控制神经活动的方法。这项技术已成为理解与行为相关的脑功能的重要工具,并可能为帕金森病和癫痫等神经系统疾病提供未来的治疗途径。
-
LLM赋能框架增强生物信号特征生成
研究人员开发了DeepFeature,一个利用大型语言模型(LLM)为可穿戴生物信号生成感知上下文特征的新框架。该方法将LLM能力与专家知识和特征间交互相结合,旨在克服现有方法常缺乏任务特定上下文和在最优特征选择方面存在困难的局限性。DeepFeature还包含一个迭代优化过程和一个强大的过滤机制,以确保准确的特征提取功能翻译,在医疗保健应用中取得卓越性能。
-
大型语言模型框架MANANA改善了资源匮乏环境下的癫痫护理
研究人员开发了一个名为MANANA的新框架,以帮助大型语言模型(LLMs)在代表性不足的癫痫护理环境中协助临床医生。这个非参数提示学习框架通过学习少量患者数据来适应当地的处方实践。MANANA提高了处方准确性,并提供基于不确定性的推迟信号,使系统能够处理确定的病例,并将不太确定的病例推迟给专家。
-
机器学习辅助癫痫脑电图诊断
研究人员开发了一个机器学习流程,用于对癫痫诊断的脑电图响应进行分类,特别是在标准脑电图缺乏关键指标的情况下。该系统利用了时间域、频谱域、小波域和连接域的特征,并通过堆叠集成方法进行组合。该方法在IED-free静息状态脑电图上达到了高达97.8%的AUC准确率,在IED-free间歇光刺激(IPS)数据上达到了94.1%的AUC准确率,表明刺激诱发的活动包含重要的诊断信息。