物理反应扩散方程预测脑梗死进展,MICCAI 新研究挑战纯深度学习路线
maier_ak · x · 2026-09-11
苏黎世大学与巴基斯坦 GIK 研究院团队在 MICCAI Satellite Events 发表论文《An Imaging-Informed Reaction-Diffusion Model of Infarct Growth》,尝试用经典物理 PDE 直接驱动常规 MRI 数据,预测脑卒中后梗死灶与半暗带的演化,弥合黑盒机器学习与参数过多的电生理模型之间的鸿沟。
- 临床背景:取栓决策依赖判断多少脑组织将坏死、多少可挽救,现有 ML 算法准确但不可解释,电生理模型又需要临床 MRI 无法测量的数十个参数。
- 该研究只用医生已采集的影像数据驱动反应-扩散方程,验证其能否足够刻画梗死演化。
- 作者 Andreas Maier 在评论中保持克制:Dice 0.46 只是上界,因反应率与阈值是按每位患者 90 天结局拟合的,前瞻模型拿不到这些标签;且队列仅 29 人,未建模再通,也未与深度学习分割器对比。
所属事件:物理反应扩散方程预测脑卒中损伤效果显著(2 条相关)→
「研究」频道最新
- Mandelbrot 集拼图结构在 Lean 中完成形式化计算,实拍级图表曝光 — geoffreyirving · 2026-10-28
- Geoffrey Irving 对 CSETH 突破给出 >80% 概率预测 — geoffreyirving · 2026-10-28
- 抗衰研究数据荒：Norn 募资 1500 万美元为 AI 备好训练数据 — juanbenet · 2026-10-28
- 研究员自曝置信度乌龙：把 SETH 当 CSETH，重估 P vs NP 赔率 — geoffreyirving · 2026-10-28
- Google 论文指出 softmax 标准实现藏两个数值 bug，引发形式验证讨论 — srush_nlp · 2026-10-28
- AI 提出的研究题 45/135 获专家认可有趣，覆盖数学物理等 — StanfordAILab · 2026-10-28