一、活动介绍
为锻炼生物医学工程系学生的科研展示能力，促进学术交流与合作，由生物医学工程系主办，生物医学工程系第二党支部承办的BME研究生学术沙龙火热拉开帷幕。该活动计划每月举行一次，每次由我系两个课题组的研究生或博士后进行学术分享。
第五期活动新增 Poster 展示，将在Pizza交流环节中开展，供在场师生交流讨论，欢迎各位师生报名参加。
活动时间：5月26日(周四)，17:00-19:00
活动地点：工学院南楼813报告厅
活动对象：生医工系本科生、研究生及博士后进行学术分享，欢迎全校师生参与交流
Everyone are welcome! Pizza and drinks will be served!
三、活动流程
17:00-17:10 活动开幕
17:10-17:50 Normal talk
17:50-18:05 Short talk
18:05-18:10 Fire talk
18:10-19:00 活动闭幕及交流讨论
三、本期活动预告
【Normal talk】
王乐（2018级博士生，蒋兴宇课题组）
题目：金纳米材料的抗菌新策略
报告摘要：细菌感染是导致人类死亡的重要原因之一。每年80亿人次感染细菌，因细菌感染而死亡的人数每年1000万以上。目前，抗生素广泛/过度使用导致的细菌耐药性问题日益突出，研发新的抗菌药物十分必要。针对上述科学问题，本课题组提出“分子积木”的概念，设计合成具有抗菌性能的纳米药物并探索纳米药物的抗菌机制，解决细菌耐药问题。该纳米材料在抗菌的同时具备非常好的生物相容性，为其产业化和临床应用铺平了道路。
报告时间：5月26日，17:10-17:30
金天（2019级博士生，奚磊课题组）
报告题目：光声显微成像技术在脑科学研究中的应用与探索
报告摘要：神经影像学技术是研究大脑功能的重要工具。现阶段，用于研究大脑中宏观连接和微观活动的多种神经影像学装置已基本发展成熟，但在全脑血管网络这一介观层面仍存在有不小的空白。为补强这一领域薄弱点，本课题组研发高性能光学分辨率光声显微镜，并以血液动力学为基础，结合脑皮层血管网络中血红蛋白浓度实时波动，观测分析癫痫、脑肿瘤等多种脑疾病引起的大脑结构、功能改变。该研究将为脑科学研究提供一个独特的窗口。
报告时间：5月26日，17:30-17:50
【Short talk】
钟文娟（2020级硕士生，张明明课题组）
报告题目：基于肌肉协同的连续膝关节角度鲁棒预测的研究
报告摘要：连续的步态运动学预测对于提升外骨骼机器人的助力效果具有重要意义。为了实现外骨骼在恰当的步态相位提供助力，基于肌电信号的步态预测方法得到了广泛应用，但仍然面临以下挑战：（1）肌电幅值变化和电极偏移导致的不稳定性；（2）步态运动学预测的准确度。为了解决以上问题，本课题提出了一种基于肌肉协同驱动的ANFIS步态预测模型。通过健康受试者在2.0km/h、2.5km/h、3.0km/h、3.5km/h和4.0km/h 的步行实验验证表明，肌肉协同驱动的ANFIS模型在低维空间中建立了肌电激活信号与膝关节运动的关联性，并进一步预测连续的膝关节角度。预测准确性为相关系数ρ=0.92±0.05，优于常用的传统数值特征方法；且该方法具有更高的鲁棒性和计算效率。实验结果表明了本课题方法为提升外骨骼机器人的感知能力，实现更优的人机交互提供了一条新途径。
报告时间：5月26日，17:50-17:55
过祥森（2021级硕士生，唐建波课题组）
报告题目：应用于光学相干断层扫描的线性波数光谱仪
报告摘要：光学相干断层扫描技术 （OCT）是近年来发展较快的一种三维微观成像技术。传统的OCT成像系统采用等波长光谱仪，在处理为轴向空间信号之前需要进行非线性插值将等波长采样转化为等波数采样，进而通过逆傅里叶变换获得空间信息。该非线性插值过程计算量大，限制了系统的成像速度。同时等波长采样引起的像素点探测带宽变化还会导致成像灵敏度下降。为了解决以上问题，我们拟研发基于光栅-棱镜的等波数光谱仪，通过棱镜对光栅分光的色散补偿作用，将线性波长分光转换为线性波数分光，从而采用光学硬件设计实现实时成像，同时提升系统成像灵敏度。我们建立了等波数光谱仪数学模型，通过使用zemax对成像系统进行了优化，下一步我们将会基于理论研究和仿真结果进行系统搭建以及三维成像测试。
报告时间：5月26日，17:55-18:00
叶梓元（2020级硕士生，刘泉影课题组）
报告题目：时空金字塔图卷积网络在基于fMRI的大脑解码中的应用与探索
报告摘要：大脑解码旨在利用神经活动识别大脑状态，这有助于我们更好地了解大脑在执行不同任务时的运作机理。在机器学习中，大脑解码可以被理解为对不同大脑状态进行分类的问题。现有的基于机器学习的大脑解码方法很难在做到高精度的分类的同时，为分类结果提供可解释性。为了解决这些问题，本课题提出了时空金字塔图卷积网络 (STpGCN)，通过数据驱动的方式在多个时间尺度上学习非欧几里得空间中大脑功能活动的时空图表征。STpGCN 中包含了三个时空通路和多个自下而上的通路，这模仿了大脑中的多尺度时间信息处理和整合机制。为了更好地为解码结果提供可解释性，本课题进一步提出了一种称为 NeurocircuitX 的敏感性分析方法，从神经回路的角度来标注与任务相关的大脑区域。实验结果从模型鲁棒性、泛化能力等角度证明了本课题方法的先进性。
报告时间：5月26日，18:00-18:05
【Fire talk】
石伟（2020级博士生，李依明课题组）
报告题目：基于场相关的像差校正下深度学习网络实现高通量全细胞三维超分辨率成像
报告摘要：单分子定位显微镜广泛应用于超分辨亚细胞结构的研究。然而，场相关的像差使视场限制在几十微米。在这里，我们提出了一种深度学习的方法，在覆盖整个scmos 相机的成像视野下精确定位空间变化的单分子点(FD-DeepLoc)。我们展示了在180 × 180 × 5μm3 的体积上实现高精度的三维单分子定位，使我们能够在一个成像周期内对整个细胞中的线粒体和核孔进行成像，而无需硬件扫描。与最先进的技术相比，我们的方法数据通量增加了100倍。
报告时间：5月26日，18:05-18:07
王美娟（2021级硕士生，郭琼玉课题组）
报告题目：去细胞肝脏模型对脑动静脉畸形栓塞剂的研究
报告摘要：脑动静脉畸形（BAVM）这一先天性疾病由于发生位置的特殊性广受关注。血管内栓塞是大体积BAVM治疗的主要方式之一。然而，现存的评价栓塞剂的体外模型却比较简单，无法复制人体内复杂的血管结构，因此难以更好地模拟栓塞剂在临床使用时的情况。本课题通过构建去细胞可视化大鼠肝脏模型，研究栓塞剂自身的理化性质、栓塞剂注射的速度及压力等对栓塞结果的影响。
报告时间：5月26日，18:07-18:09
