Parkinson's
PulseAugur coverage of Parkinson's — every cluster mentioning Parkinson's across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI设计胞内抗体用于阿尔茨海默病、帕金森病的细胞治疗
研究人员开发出了可在人体细胞内发挥作用的AI设计胞内抗体，为阿尔茨海默病和帕金森病等神经退行性疾病带来了潜在的新疗法。这些新型分子经过工程化设计，能够靶向特定的细胞过程，为传统抗体无法触及的治疗干预开辟了道路。这一进展代表着利用AI开发靶向细胞疗法方面迈出了重要一步。
-
新AI框架CORAL改进了淀粉样蛋白纤维的配体对接
研究人员开发了CORAL，一个新颖的强化学习框架，旨在改进配体与淀粉样蛋白纤维的对接，这是阿尔茨海默病和帕金森病等神经退行性疾病的关键因素。传统的对接模型在处理结构数据稀缺和淀粉样蛋白纤维独特的协同结合几何形状方面存在困难。CORAL通过将其协同配体-配体堆叠能量纳入其奖励系统，并专门为交叉-β沟槽几何形状训练生成模型来解决这些限制。与现有方法相比，该框架在姿态质量和结合亲和力相关性方面均有所提高。
-
英国初创公司Mass Balance发射轨道实验室进行长寿研究
英国初创公司Mass Balance已通过SpaceX运输器将一个小型自主实验室送入轨道。该实验旨在收集微重力下细胞生长和蛋白质行为的数据，这可能改进Google的AlphaFold等AI模型。这些数据旨在通过克服对地研究的局限性，如对流和沉淀，帮助研究人员更好地理解和开发阿尔茨海默病和帕金森病等与衰老相关的疾病的治疗方法。
-
新型Transformer模型可自动评估物理康复练习
研究人员开发了一个新颖的基于Transformer的框架，用于分析点云以远程评估物理康复练习。该系统利用从RGBD传感器获得的联合位置数据，并采用基于曲线的特征聚合技术来增强其输出。该架构结合了轴向自注意力机制，以识别关键关节及其功能，旨在指导用户更有效地进行练习。所提出的方法与现有方法相比表现出卓越的性能，并具有模型尺寸小、推理速度快以及在相似练习中具有良好泛化能力等实际优势。
-
新的几何和最优传输方法推动fMRI数据分析
两篇新研究论文探讨了用于分析功能性磁共振成像（fMRI）数据的先进几何和最优传输方法。第一篇论文引入了“离对数度量”和Grassmannian子空间判别来模拟相关矩阵的几何形状，提高了临床和衰老队列的敏感性和分类性能。第二篇论文使用最优传输，特别是融合Gromov-Wasserstein距离，来学习考虑个体大脑几何差异而不依赖通用模板的fMRI激活字典。
-
NeuroQA基准测试AI对3D脑部MRI的理解能力
研究人员推出了NeuroQA，这是一个旨在评估3D脑部MRI扫描视觉问答能力的新基准。该基准包含来自12,000多名受试者的56,000多个问答对，涵盖了广泛的年龄范围和五个主要临床领域。NeuroQA旨在克服先前医学VQA工作的局限性，通过利用完整的3D体积并实施防止纯文本捷径的策略，初步评估显示当前模型难以超越基线准确率。
-
Beacon Biosignals 融资 9700 万美元用于 AI 驱动的睡眠大脑图谱绘制
Beacon Biosignals 已获得 9700 万美元融资，以推进其在睡眠期间绘制大脑活动图谱的工作。该公司使用已获得 FDA 批准的可穿戴脑电图头带，并采用机器学习技术进行分析。该技术已应用于 40 多项针对抑郁症、阿尔茨海默病和帕金森病等神经系统和精神疾病的临床试验。