生医工学院彭畅课题组
研发高电声转换效率的聚焦超声换能器
彭畅课题组在仪器仪表领域期刊 IEEE Transactions on Instrumentation and Measurement 上发表标题为“A Systematic Investigation of Thermal Effects of High-Intensity Focused Ultrasound Therapy for Ultrasound Neuromodulation”的研究成果。团队成功研发了中心频率为1-2 MHz 的聚焦超声换能器，电声转换效率可达80%以上，系统阐明了低强度聚焦超声作用参数对不同生物组织热效应的影响机制，对保障低强度聚焦超声在临床热疗应用中的安全性和有效性具有重要的指导意义。
高电声转换效率的聚焦超声换能器
研究人员采用该聚焦超声换能器对不同生物组织超声热效应进行了系统的理论分析和实验研究。研究结果表明提高聚焦超声作用参数，包括超声频率、输入电功率和占空比，能够显著提高组织内超声焦点处的升温速度以及温度峰值，其中超声频率对温升影响最为显著。同时，提高输入电功率相比于提高脉冲波占空比的温升效果更加明显。此外，增加脉冲周期数对温升几乎没有影响，并且不同生物组织的声学衰减系数显著影响其内部升温速度。实验测量结果与理论分析结果吻合良好。
上海科技大学生医工学院彭畅课题组硕士研究生付奔为论文第一作者，彭畅教授为通讯作者，上海科技大学为第一完成单位。同济大学附属第十人民医院和复旦大学附属中山医院为论文的合作单位。
论文链接：
https://doi.org/10.1109/TIM.2024.3366278
生医工学院李远宁课题组
开发新的基于 AI 集成学习的视觉神经编码模型
李远宁课题组与合作者在 Science Bulletin (影响因子为18.9) 上发表标题为“Enhancing neural encoding models for naturalistic perception with a multi-level integration of deep neural networks and cortical networks”的研究论文，介绍了一种新的基于深度神经网络 (DNN) 与脑网络融合的大脑视觉响应编码预测模型。
基于深度学习与脑网络融合的大脑视觉响应编码预测模型示意图
视觉感知对于生物智能和人工智能的研究都具有重要意义。建立能够准确预测神经反应和相关感知行为的模型，揭示潜在神经过程原理和机制是认知计算神经科学的重要问题。在此项工作中，研究人员设计了 DNN 模型特征层面和大脑网络层面的双重整合的新型神经编码模型算法：一方面通过集成学习框架整合利用神经网络不同训练阶段各层特征表征的多样性信息，另一方面通过单体素模型构建和划分功能网络，实现大脑图谱级别的编码模型整合来融合脑网络结构信息。通过功能磁共振记录人类被试在观看大量自然场景视频时全脑神经活动，研究人员在大数据集上验证了该模型比以往基于 DNN 的编码模型具有更优越的预测准确性，并展示了该模型在表示复杂视觉概念 (如类别和运动信息) 方面的改进提升。该工作展示了如何利用多层次的深度神经网络信息以及大脑功能连接组信息促进全脑神经编码预测，将脑网络研究与单体素预测模型结合，有助于深入理解大脑的高级皮层功能。
上海科技大学生医工学院李远宁教授和宾夕法尼亚大学博士研究生杨虎铮为论文的共同第一作者，李远宁教授和电子科技大学顾实教授为论文的共同通讯作者，上海科技大学为第一完成单位。
论文链接：
https://doi.org/10.1016/j.scib.2024.02.035
