UK Biobank
PulseAugur coverage of UK Biobank — every cluster mentioning UK Biobank across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
JEPA-Anything 框架统一了 7 个领域的 عالم 模型创建
研究人员推出了一种新颖的领域无关框架 JEPA-Anything，用于构建 عالم 模型。该框架通过引入正交预测因子分解 (OPF) 来扩展联合嵌入预测架构 (JEPA)，OPF 将单个预测目标分解为多个正交因子，每个因子都有自己的专用预测器。这种方法在包括视觉、生物学、临床轨迹、控制、分子动力学、物理场和天气在内的七个不同领域都展示了改进的性能，在许多动力学任务上优于标准的 JEPA 基线。
-
AI活动识别模型在老年人方面表现出性能差距
一篇新发表在arXiv上的研究论文强调，尽管深度学习取得了进展，但在应用于老年人时，人类活动识别（HAR）模型存在显著的性能差距。研究人员发现，主要在年轻成年人数据上训练的模型无法有效地泛化到老年人群体，导致准确率持续存在差异。研究表明，利用更丰富的表征，例如在UK Biobank等多样化数据集上预先训练的自监督特征，可以显著提高老年人的HAR性能并缩小这一差距。
-
大型语言模型指导的研究揭示了连接体育活动与痴呆风险的途径
一项发表在arXiv上的新研究利用大型语言模型和因果发现技术，分析了来自英国生物银行的数据，涉及超过42,000名老年人。该研究旨在理解连接体育活动与降低痴呆风险的机制。研究结果表明，较高水平的中度至剧烈体育活动通过多种途径与较低的痴呆风险相关，包括改善抑郁、功能能力、吸烟行为和心血管健康。抑郁被确定为一条核心途径，介导了约15.1%的这种关联。
-
新 AI 框架增强了用于基因发现的大脑 MRI 分析
研究人员开发了一种新颖的自监督学习框架 MEVA（Mesh-Enhanced Volumetric Autoencoder），用于分析大脑 MRI 扫描。该框架将体积数据和皮层表面几何形状（如曲率和厚度）整合到统一的成像特征集中。当使用来自 UK Biobank 的数据通过全基因组关联研究（GWAS）应用于基因发现时，与仅使用体积或表面数据的方法相比，MEVA 识别出了更多的全基因组显著位点。
-
新的CASE框架增强了AI的纵向医学推理能力
研究人员开发了一个名为CASE（Clinical Agents for Seeking Evidence，临床证据搜寻代理）的新框架，旨在提高基础模型的纵向医学推理能力。该框架包括一个工具使用工具包和一个用于视觉语言模型的训练后方法。CASE在一个源自UK Biobank数据的新基准上进行了测试，该基准包含与患者诊断和MRI扫描相关的超过50,000个临床问题。实验表明，使用CASE的基于Qwen3-VL-8B的代理在答案准确性方面比…
-
新框架可从单层数据合成多层dMRI
研究人员开发了DTI-SHNet，一个旨在从单层输入合成多层扩散MRI（dMRI）数据的新颖框架。该方法在球谐函数（SH）系数域中运行，并利用扩散张量成像（DTI）作为先验来指导3D U-Net回归器。该框架包含一个信号一致性正则化，以确保系数和信号保真度的准确性。在UK Biobank和Cam-CAN数据上的实验表明，DTI-SHNet与现有方法相比，产生了具有竞争力的视觉质量，并更好地保留了下游扩散测量。
-
New ePID method offers scalable analysis of symptom network information
研究人员开发了一种名为基于嵌入的部分信息分解（ePID）的新方法，用于分析症状网络内的复杂关系。该技术通过将症状压缩为离散嵌入，克服了传统PID的计算限制，从而能够更易于地分析信息重叠和协同作用。ePID方法在合成网络和真实世界数据集上进行了测试，包括来自PHQ-9和人际反应指数的心理健康症状数据，证明了其区分冗余信息和相互作用依赖信息的能力。
-
AI框架通过几何和语义学习改进脑沟回标记
研究人员开发了一个名为几何到语义球形迁移学习的新框架，以应对脑扫描中皮层沟回标记的挑战。该方法利用来自UK Biobank的大型数据集来预训练球形编码器，在没有专家注释的情况下捕获复杂的拓扑特征。然后，使用拓扑先验注入器从提取的沟回线中提取语义输入来增强预训练模型，从而提高对可变和稀有沟回的性能。
-
新方法将年龄生物标志物中的疾病效应归因于训练数据
研究人员开发了一种名为pyinfluence的新方法，用于将规范性年龄生物标志物中的疾病相关效应归因于单个训练样本。该技术通过留一法再训练进行验证，根据训练样本对保留的病例对照分离的影响程度进行排名。当应用于英国生物银行（UK Biobank）的四种疾病数据时，移除影响最大的前10%训练样本会持续增加保留的疾病相关效应大小，特别是使2型糖尿病的代谢组年龄效应翻倍，并提高多发性硬化症的脑年龄效应。
-
AI模型利用心脏成像技术提高基于心电图的南美锥虫病检测能力
研究人员开发了一种新颖的方法，通过利用心脏磁共振（CMR）成像数据，改进了使用心电图（ECG）检测南美锥虫病的方法。该方法在预训练ECG编码器时，即使在这一阶段没有直接接触南美锥虫病病例，也能从CMR嵌入中转移知识。该技术在识别该疾病方面表现出更高的性能，取得了很高的AUROC分数，并在挑战赛中领先，证明了其在无法获得先进成像技术的资源受限环境中的应用潜力。
-
SleepFM-2 模型从 200 万小时睡眠数据中学习可迁移的人类生理学
研究人员开发了 SleepFM-2，这是一个新颖的睡眠基础模型，在近 30 万次睡眠记录的超过两百万小时的多模态生理数据上进行了训练。与前代模型 SleepFM 相比，该模型在疾病预测和睡眠评分方面表现出显著的改进。SleepFM-2 在不同传感器（包括可穿戴设备）之间表现出强大的迁移能力，甚至能够捕捉通常未在标准多导睡眠图摘要中反映的睡眠质量的主观方面。
-
Google Research 探索用于基因组预测的迁移学习
Google Research 探索了迁移学习技术，以提高代表性不足人群的基因组预测准确性。他们的研究发现，虽然从大型欧洲队列转移知识可以提高小型非欧洲群体的预测能力，但随着目标人群规模的增加，这种益处会减弱，特别是对于具有独特遗传结构的性状。该研究使用 UK Biobank 和 Biobank Japan 等数据集评估了多基因风险评分 (PRS)，旨在为优化不同人群的预测性能提供指导。
-
视网膜生物识别系统增强跨研究的患者身份验证
研究人员开发了一种新颖的视网膜生物识别系统，旨在提高纵向医疗记录中患者身份验证和检索的准确性。该系统采用带有ArcFace和三元组损失的ConvNeXtV2骨干网络，并在大量的视网膜图像数据集上进行了训练。该系统在识别身份不一致以及在多项大规模研究中执行验证和检索任务方面表现出高精度，能够应对年龄、成像设备和长期随访的差异。
-
新方法使用元数据指导合成心脏MRI生成
研究人员开发了一种新的方法，使用预训练的潜在扩散模型来生成合成心脏磁共振成像（CMR）。该方法将模型条件化于结构化临床元数据和切片位置，这些信息被编码为文本提示，以指导图像生成过程。为了增强元数据依从性并解决数据不平衡问题，研究团队整合了三种策略：无元数据的分类器自由引导（CFG）、对比批处理和逆频率采样。在大型UK Biobank数据集上的评估显示，与基线模型相比，在分布保真度和元数据对齐方面有了显著改进，尽管特定疾病的条件化仍然是一个挑战。
-
Google Research利用智能手机照片估算代谢风险
Google Research开发了PhotoScan，一个深度学习框架，它利用标准的智能手机照片来估算身体成分指标，如体脂百分比、安卓股比和内脏脂肪与皮下脂肪比。这项技术在UK Biobank和新队列的数据上进行了训练，其在预测胰岛素抵抗方面的准确性与DXA扫描相当。PhotoScan旨在提供一种可扩展、非侵入性的早期代谢风险检测方法，其准确性超越了基于智能手表的生物电阻抗分析传感器。
-
新方法改进了英国生物银行数据的全身MRI配准
研究人员开发了一种新的方法，用于配准英国生物银行（一项大规模健康数据研究）的全身MRI图像。该技术利用组织掩模，特别是由VIBESegmentator方法生成的皮下脂肪组织和肌肉掩模，来提高基于强度的图割配准的准确性。与现有的仅强度方法和其他配准工具（如uniGradICON和MIRTK）相比，所提出的方法显示出较低的雅可比行列式折叠频率和较高的Dice分数。这种增强的配准准确性有望促进英国生物银行中非成像健康数据与图像衍生参数的更精…
-
新的CAN-FLOW框架为虚拟队列生成逼真的心脏解剖结构
研究人员开发了CAN-FLOW，一个用于为虚拟队列生成逼真心脏解剖数据的新框架。该方法利用条件归一化流，根据性别、年龄和体重指数等因素对解剖变异性进行建模。CAN-FLOW在2,208名英国生物银行受试者的数据上进行了训练，在重现临床表型分布和解剖趋势方面，其性能优于条件变分自编码器。该框架旨在解决心脏数字孪生研究中的数据限制问题，并促进计算机模拟临床试验工作流程。
-
AI模型用于脑萎缩检测显示跨人群可转移性
研究人员调查了最初在英国生物银行数据上训练的随机皮层自重建（SCSR）模型向独立的中国人群数据集的可转移性。该研究通过比较不同的训练策略和重建骨干网络，评估了SCSR检测灰质萎缩的能力，灰质萎缩是阿尔茨海默病等疾病的标志。结果表明，SCSR能有效识别中国人群的皮层萎缩，其中经过微调的Spherical UNet模型取得了最高的区分性能。
-
饮用咖啡与降低肝脏和心脏病风险相关
最新研究表明，适量饮用咖啡（定义为每天最多五杯）与肝脏和心血管系统有显著的健康益处。一项大型英国生物银行研究发现， regular coffee drinkers 患肝硬化、肝癌和肝病死亡的风险较低，即使在较低的饮用量下也观察到了益处。此外，美国心脏协会的一项审查表明，适量饮用咖啡对大多数成年人是安全的，并且可能与降低心脏病、中风和2型糖尿病的风险相关，而不会增加心律失常的可能性。
-
AI模型LeDXA从X射线扫描中提取疾病风险和生物年龄
研究人员开发了LeDXA，一种从双能X射线吸收法（DXA）扫描中提取健康见解的自监督学习模型。LeDXA在未标记的DXA图像上进行训练，可预测疾病风险、生物衰老和遗传性，其表现优于传统的DXA测量和DINOv3等通用模型。该模型在骨关节炎（髋关节和膝关节）和2型糖尿病等常见和新发疾病的预测方面有所改进，并准确估计了生物年龄，该年龄与疾病负担和死亡风险相关。