一项发表在《Molecular Psychiatry》的研究基于丹麦4836例临床MRI数据，发现精神障碍患者存在共同的脑结构特征，包括丘脑/杏仁核体积减小、皮层变薄及脑室扩大等改变。该研究首次利用真实临床环境中的异质性MRI数据，验证了跨精神障碍的神经解剖学基础，表明常规医疗影像具有研究价值。尽管效应量小于严格控制的研究队列，但结果支持不同精神障碍可能共享部分神经生物学机制。研究为精神疾病的客观

本文综述了胎儿、婴儿和幼儿（FIT）神经成像领域中预测模型的应用现状与发展趋势。研究表明，机器学习方法可有效预测儿童发展里程碑，但当前研究多集中于典型发育儿童，对临床表型的预测仍较薄弱。文章系统分析了111项研究，发现EEG和MRI是最常用模态，支持向量机和深度学习是主流算法。作者强调了数据共享和跨学科合作的重要性，以解决FIT数据获取困难、样本量小等挑战，同时指出需关注预测模型的伦理问题，如避免

本研究利用功能性磁共振成像(fMRI)和机器学习技术预测帕金森病(PD)患者深脑刺激(DBS)治疗的最佳参数设置。通过对67名PD患者的3T fMRI扫描数据分析，发现最优刺激会引发运动回路的特征性激活模式。研究构建的机器学习模型能以88%的准确率预测最优DBS参数，并在独立测试集中验证了其有效性。结果表明，fMRI可作为DBS疗效的客观生物标志物，为临床提供更高效、个性化的参数优化方法，有望减少

本文综述了机器学习在ADHD研究中的应用与潜力。ADHD作为一种高度异质性的神经发育障碍，其复杂病因难以通过传统统计方法全面解析。机器学习通过整合多模态数据（行为、认知、神经影像和遗传），在ADHD分类、亚型识别及治疗预测方面展现出优势。研究表明，机器学习模型能识别关键特征如额叶功能异常、特定基因变异等，并实现60%-90%的分类准确率。然而，当前研究仍面临模型可解释性不足、小样本泛化能力有限等挑

本研究提出了一种基于深度学习的快速新生儿皮质表面重建流程，显著优化了发展人类连接组项目(dHCP)的处理效率。通过整合深度学习驱动的脑提取、多尺度微分同胚变形网络（实现端到端皮质重建无需组织分割）以及优化的无监督球面投影方法，结合GPU加速技术，将处理时间从原流程的6.5小时缩短至24秒（提速约1000倍）。实验表明，新方法在82.5%测试样本中取得更优或相当的表面质量（54.2%优于原流程），尤

此研究显示，DKI 的 TBSS 与机器学习相结合，对区分为自闭症儿童有效。此外，FAK、KA、DA 参数和 LI 值有潜力作为生物标志物，用于区分早期 ASD 儿童。

【研究警示】《Radiology》最新研究显示，AI生成的"深度伪造"医学影像已能高度欺骗专业放射科医生。多中心实验发现，医生对ChatGPT和RoentGen模型生成的X光片识别准确率仅41%-75%，大语言模型识别率亦不足85%。伪造影像普遍呈现"过于完美"特征（如骨骼异常光滑、骨折过于规整）。研究者警告，此类技术可能被用于保险欺诈或黑客攻击医疗系统，建

【研究警示】《Radiology》最新研究显示，AI生成的"深度伪造"医学影像已能高度欺骗专业放射科医生。多中心实验发现，医生对ChatGPT和RoentGen模型生成的X光片识别准确率仅41%-75%，大语言模型识别率亦不足85%。伪造影像普遍呈现"过于完美"特征（如骨骼异常光滑、骨折过于规整）。研究者警告，此类技术可能被用于保险欺诈或黑客攻击医疗系统，建

【研究警示】《Radiology》最新研究显示，AI生成的"深度伪造"医学影像已能高度欺骗专业放射科医生。多中心实验发现，医生对ChatGPT和RoentGen模型生成的X光片识别准确率仅41%-75%，大语言模型识别率亦不足85%。伪造影像普遍呈现"过于完美"特征（如骨骼异常光滑、骨折过于规整）。研究者警告，此类技术可能被用于保险欺诈或黑客攻击医疗系统，建

本研究探讨了精神分裂症患者中小脑与基底神经节功能连接异常与动机缺乏症状的关系。通过两个独立样本的功能磁共振成像分析发现，患者背侧纹状体（壳核、尾状核）与后小脑（小叶VI、CrusI）及苍白球与小脑蚓部IV/V的功能连接显著降低，且与动机缺乏症状严重程度相关。频谱动态因果模型显示患者存在小脑向基底神经节兴奋性输入减弱的现象。这些发现揭示了小脑-基底神经节连接异常在精神分裂症动机症状中的关键作用，为开