1. 会议主题
2024年7月15日-19日参加了在美国奥兰多举办的“46th Annual International Conference of the IEEE Engineering in Medicine & Biology Society”会议。会议聚焦“Biomedical Signal Processing”、“Wearable Biomedical Sensors and Systems”、“Biomedical Imaging and Image Processsing”、“Neural Rehabilitation Engineering”、“Therapeutic & Diagnostic Systems and Technologies”等12个主题，以技术服务健康生活为宗旨开展了精彩的主题讲座和Poster交流等。
图1 会议开幕式
图2 会议Workshop讨论
2. 会议学习总结
参会期间主要关注了磁共振成像、脑电、神经康复在神经、精神疾病中的研究，尤其是在阿尔兹海默病、轻度认知障碍相关的相关研究内容。
2.1 总体感受
之前对EMBC了解不多，本来以为会议内容会更多的侧重于脑电、肌电及工程方面的研究，但是出乎意料地发现，会议讲座及Poster内容在脑影像方面的研究很多，主要体现在以下几个方面：
（1）关于脑影像方面的研究很多，尤其是脑功能网络方面的研究，目前仍然是研究的热点，只是更多地结果机器学习的方法研究疾病的分类、预测等，更侧重于实用转化；
（2）关于痴呆、认知障碍方面的研究也较多，目前对老年痴呆，老龄化的关注比较多，有很多的讲座、Poster针对老年痴呆的预测、诊断、治疗等方面的研究，而且19号上午安排了AD研究的主题讲座；
（3）会议期间80%左右的研究结合了目前热门的机器学习算法开展，通过机器学习方法进行疾病分类、预测是研究的热点和方向，包括疾病亚型分类、早期诊断预测、个体化疗效预测评估等。
2.2 课题相关研究内容的总结和体会
会议期间学习到的与我课题研究最相关的报告有2个，都是以Poster形式展示的，题目及内容如下：
（1）Identifying Critical Nodes in the Cognitive Decline Process through EEG Network Community Detection Based on Autoencoder （下图3）
图3 MCI的rTMS刺激靶点研究 图4 EEG生物标记预测rTMS对抑郁症疗效
该研究与我博士课题的研究方向很接近，采用EEG功能脑网络的方法确定rTMS治疗MCI的刺激靶点，而我期望通过EEG的技术手段实现对rTMS治疗MCI个体疗效的预测。此外，其他方面：
✓创新点：
1）研究基于MCI脑电那么网络社区核心节点确定。目的上解决以前靶点选择的经验性方法问题，更加客观。可实现个体化靶点的选择。
2）创新性的提出一种自动编码的方法，实现节点选择。可以更加智能客观。
✓可行性：
1）技术手段上，采用脑电信号，完全可行。切分析方法上可行。也证实了我们的想法和假设。
2）该研究得到的初步结论中MCI的靶点为F3电极位置，与前期经验性靶点一致，同时rTMS的治疗效果与前期研究一致，能够显著改善MCI的记忆功能，说明该方法的正确性。
✓缺点：
1）该研究只关注一个节点的选择考虑，没用考虑多靶点的问题。
2）研究中节点贡献最大的点在F3，第二大的节点在双侧颞叶，与前期文献研究及我们的研究有一些不一致。
（2）Resting-state EEG biomarkers of accelerated intermittent theta burst stimulation treatment for depression: a pilot study （上图4）
该研究是参与期间看到的唯一一篇关于疗效个体差异研究的报道，尽管研究疾病为抑郁症，与我针对的轻度认知障碍疾病不同，但是方法上与我博士课题计划采用的方法基本一致，所以，具有很好的学习、借鉴价值和意义。学习体会如下：
✓创新点： 采用脑电特征对rTMS对MDD的疗效个体化进行预测研究，脑电指标比较多，而且采用静息态脑电。该研究方法上跟我的课题设计具有很大的一致性，可借鉴性比较强，尤其是脑电指标选择上；
✓可行性：该研究也没有采用复杂的机器学习方法或其他算法完成，只简单的采用相关性分析，治疗前后的脑电指标对比等实现分析，可行性比较强；
✓缺点：被试比较少，总共5个被试有效被试3个，无效被试2个，所以这里的相关性及对比分析缺乏统计学可信度，当然这里作为Poster内容展示是可以理解的，初步证实了该方法的可行性以便后续大样本研究。
（3）基于BCI的supplementary robotic limb (BCI-SRF)对运动功能及神经功能活动的影响研究（下图5）
图5 BCI-SRF产品效果及神经调控通路示意图
尽管该研究与我的研究课题相关性不大，但是由于前期对该领域有一些了解，该讲座也是会议期间印象比较深刻的一个讲座。我比较感兴趣的是该研究辅助设备的设计不是直接针对手指、手臂等设计相关辅助工具，而是设计一个独立于肢体之外的辅助机械手指，帮助肢体障碍患者康复和日程生活。一方面，功能性、实用性更强，实际生活中对患者本身肢体的依赖性更小，可以更加快速的帮助患者的日常生活，另外一方面，可以在平时帮助手指训练、康复，两方面的功能。
该研究证明，该设备可以有效改善被试的运动功能，同时可以改善大脑的皮层神经活动。分析方法上没有太多创新点，设计思路上有很大的借鉴意义。
（4）其他方面的体会
✔ 有几个Poster报道了采用语音解码的方法实现对AD疾病的早期诊断，具有很好的创新性，可以在后期研究中借鉴、学习，从个人前期实验经验来看，AD患者相比健康人在语言表达、语音等方面确实存在一些差异，尤其是严重的MCI患者及AD患者，但是更早期的语音表现直观上我们没有发现明显差异感受，或许通过语音分析确实存在（下图6）；
✔ 会议讲座及Poster中关于AD的研究很多采用机器学习的方法实现对AD疾病的早期预测和分期，方法上值得借鉴、学习（下图7）；
✔ 有多篇Poster报道了基于脑电信号实现对疾病分期、预测的研究，主要针对抑郁症、ADHD等疾病，也说明EEG在MCI疾病的早期诊断、预测研究中的可行性。
图7 (1)实时EEG检测DMN网络；（2）机器学习方法预测AD
3. 对个人课题开展的指导价值和思考
（1）设计上：我的博士课题研究方向还是有一定的创新性、可行性，目前相关研究较少；
（2）方法上：我前期的数据分析没有采用目前热门的机器学习方法，在方法创新性上需要进一步改进、借鉴，否则，研究方法创新性方面不足。