勇于冒險 甘于艱苦 樂于和諧

一、活動介紹

為鍛煉生物醫學工程系學生的科研展示能力，促進學術交流與合作，由生物醫學工程系主辦，生物醫學工程系第二黨支部承辦的BME研究生學術沙龍火熱拉開帷幕。該活動計劃每月舉行一次，每次由我系兩個課題組的研究生或博士后進行學術分享。

第五期活動新增 Poster 展示，將在Pizza交流環節中開展，供在場師生交流討論，歡迎各位師生報名參加。

三、活動流程

17:00-17:10? 活動開幕

17:10-17:50? Normal talk

17:50-18:05? Short talk

18:05-18:10? Fire talk

18:10-19:00? 活動閉幕及交流討論

三、本期活動預告

【Normal talk】

王樂（2018級博士生，蔣興宇課題組）

題目：金納米材料的抗菌新策略

報告摘要：細菌感染是導致人類死亡的重要原因之一。每年80億人次感染細菌，因細菌感染而死亡的人數每年1000萬以上。目前，抗生素廣泛/過度使用導致的細菌耐藥性問題日益突出，研發新的抗菌藥物十分必要。針對上述科學問題，本課題組提出“分子積木”的概念，設計合成具有抗菌性能的納米藥物并探索納米藥物的抗菌機制，解決細菌耐藥問題。該納米材料在抗菌的同時具備非常好的生物相容性，為其產業化和臨床應用鋪平了道路。

報告時間：5月26日，17:10-17:30

金天（2019級博士生，奚磊課題組）

報告題目：光聲顯微成像技術在腦科學研究中的應用與探索

報告摘要：神經影像學技術是研究大腦功能的重要工具。現階段，用于研究大腦中宏觀連接和微觀活動的多種神經影像學裝置已基本發展成熟，但在全腦血管網絡這一介觀層面仍存在有不小的空白。為補強這一領域薄弱點，本課題組研發高性能光學分辨率光聲顯微鏡，并以血液動力學為基礎，結合腦皮層血管網絡中血紅蛋白濃度實時波動，觀測分析癲癇、腦腫瘤等多種腦疾病引起的大腦結構、功能改變。該研究將為腦科學研究提供一個獨特的窗口。

報告時間：5月26日，17:30-17:50

【Short talk】

鐘文娟（2020級碩士生，張明明課題組）

報告題目：基于肌肉協同的連續膝關節角度魯棒預測的研究

報告摘要：連續的步態運動學預測對于提升外骨骼機器人的助力效果具有重要意義。為了實現外骨骼在恰當的步態相位提供助力，基于肌電信號的步態預測方法得到了廣泛應用，但仍然面臨以下挑戰：（1）肌電幅值變化和電極偏移導致的不穩定性；（2）步態運動學預測的準確度。為了解決以上問題，本課題提出了一種基于肌肉協同驅動的ANFIS步態預測模型。通過健康受試者在2.0km/h、2.5km/h、3.0km/h、3.5km/h和4.0km/h 的步行實驗驗證表明，肌肉協同驅動的ANFIS模型在低維空間中建立了肌電激活信號與膝關節運動的關聯性，并進一步預測連續的膝關節角度。預測準確性為相關系數ρ=0.92±0.05，優于常用的傳統數值特征方法；且該方法具有更高的魯棒性和計算效率。實驗結果表明了本課題方法為提升外骨骼機器人的感知能力，實現更優的人機交互提供了一條新途徑。

報告時間：5月26日，17:50-17:55

過祥森（2021級碩士生，唐建波課題組）

報告題目：應用于光學相干斷層掃描的線性波數光譜儀

報告摘要：光學相干斷層掃描技術 （OCT）是近年來發展較快的一種三維微觀成像技術。傳統的OCT成像系統采用等波長光譜儀，在處理為軸向空間信號之前需要進行非線性插值將等波長采樣轉化為等波數采樣，進而通過逆傅里葉變換獲得空間信息。該非線性插值過程計算量大，限制了系統的成像速度。同時等波長采樣引起的像素點探測帶寬變化還會導致成像靈敏度下降。為了解決以上問題，我們擬研發基于光柵-棱鏡的等波數光譜儀，通過棱鏡對光柵分光的色散補償作用，將線性波長分光轉換為線性波數分光，從而采用光學硬件設計實現實時成像，同時提升系統成像靈敏度。我們建立了等波數光譜儀數學模型，通過使用zemax對成像系統進行了優化，下一步我們將會基于理論研究和仿真結果進行系統搭建以及三維成像測試。

報告時間：5月26日，17:55-18:00

葉梓元（2020級碩士生，劉泉影課題組）

報告題目：時空金字塔圖卷積網絡在基于fMRI的大腦解碼中的應用與探索

報告摘要：大腦解碼旨在利用神經活動識別大腦狀態，這有助于我們更好地了解大腦在執行不同任務時的運作機理。在機器學習中，大腦解碼可以被理解為對不同大腦狀態進行分類的問題。現有的基于機器學習的大腦解碼方法很難在做到高精度的分類的同時，為分類結果提供可解釋性。為了解決這些問題，本課題提出了時空金字塔圖卷積網絡 (STpGCN)，通過數據驅動的方式在多個時間尺度上學習非歐幾里得空間中大腦功能活動的時空圖表征。STpGCN 中包含了三個時空通路和多個自下而上的通路，這模仿了大腦中的多尺度時間信息處理和整合機制。為了更好地為解碼結果提供可解釋性，本課題進一步提出了一種稱為 NeurocircuitX 的敏感性分析方法，從神經回路的角度來標注與任務相關的大腦區域。實驗結果從模型魯棒性、泛化能力等角度證明了本課題方法的先進性。

報告時間：5月26日，18:00-18:05

【Fire talk】

石偉（2020級博士生，李依明課題組）

報告題目：基于場相關的像差校正下深度學習網絡實現高通量全細胞三維超分辨率成像

報告摘要：單分子定位顯微鏡廣泛應用于超分辨亞細胞結構的研究。然而，場相關的像差使視場限制在幾十微米。在這里，我們提出了一種深度學習的方法，在覆蓋整個scmos 相機的成像視野下精確定位空間變化的單分子點(FD-DeepLoc)。我們展示了在180 × 180 × 5μm3 的體積上實現高精度的三維單分子定位，使我們能夠在一個成像周期內對整個細胞中的線粒體和核孔進行成像，而無需硬件掃描。與最先進的技術相比，我們的方法數據通量增加了100倍。

報告時間：5月26日，18:05-18:07

王美娟（2021級碩士生，郭瓊玉課題組）

報告題目：去細胞肝臟模型對腦動靜脈畸形栓塞劑的研究

報告摘要：腦動靜脈畸形（BAVM）這一先天性疾病由于發生位置的特殊性廣受關注。血管內栓塞是大體積BAVM治療的主要方式之一。然而，現存的評價栓塞劑的體外模型卻比較簡單，無法復制人體內復雜的血管結構，因此難以更好地模擬栓塞劑在臨床使用時的情況。本課題通過構建去細胞可視化大鼠肝臟模型，研究栓塞劑自身的理化性質、栓塞劑注射的速度及壓力等對栓塞結果的影響。

報告時間：5月26日，18:07-18:09