Page 62 - 《中国医疗器械杂志》2026年第2期
P. 62

Chinese Journal of Medical Instrumentation                                         2026年 第50卷 第2期

                                                    综     合     评    述



              动态展开，训练过程对阈值、电位时间常数、编码                            持、标准化流程与公开验证平台。现有工作多偏重
              方式等超参数极为敏感。超参数设置不当容易引发                            算法性能提升，对真实医疗环境下的系统稳健性、
              梯 度 消 失 /爆 炸 或 网 络 活 动 失 稳 等 问 题        [15] 。 而  兼容性与可维护性关注不足。因此，未来一方面需
                                    [42]
                  [49]
              PCN 和Hopfield类网络 则依赖复杂的反馈结构                       要在算法上推动模型剪枝、结构稀疏化和神经形态
              与能量函数优化，在多层深度架构中容易陷入不良                            硬件友好设计，以降低类脑模型的部署成本；另一
              局部最优解。同时，不同类型的类脑模型在建模粒                            方面应结合多中心数据协作、域适应/域泛化及数
              度、时间尺度与训练策略上存在显著差异，缺乏统                            据标准化流程，系统性评估并提升模型的跨中心泛
              一的接口和中间表征，限制了模块之间的灵活组合                            化能力。
              与跨任务迁移能力。此外，当前训练过程仍高度依                                展望未来，类脑ANN在医学影像分析等应用
              赖经验性超参数调整与手动初始化，这进一步加剧                            中需进一步深化结构、功能与学习机制的融合，推
              了训练的不稳定性与结果复现难度。为解决上述问                            动模型向轻量化、易训练和跨平台部署方向发展，
              题，未来可从统一动力学描述与模块化接口两个方                            同时，应加强可解释能力与人机交互设计，以提升
              向推进研究：一方面探索以常微分方程/能量函数                            临床信任度和实际落地可行性，还需充分纳入个体
              为核心的通用建模框架，将脉冲神经元、环路基                             差异与多源数据特性，为实现精准诊疗和强化泛化
              元、图单元等统一嵌入可解析的动力学系统；另一                            性能提供支持。
              方面，通过约定统一的中间表示（如脉冲序列、发
                                                                 6    结论
              放率图、图嵌入等）与可插拔模块接口，结合自动
              化超参数搜索与鲁棒初始化策略，构建易于组合和                                需要特别指出的是，类脑计算在硬件领域也取
              复现的类脑模型工具库。                                       得了同样显著的进展，尤其在神经形态硬件方
                  在应用层面，尽管类脑ANN在医学影像分析                          面  [106-109] ，这为大规模类脑系统的实现奠定了坚实
              等领域展现出良好潜力，但其规模化临床部署仍面                            的基础。然而，本文主要聚焦于类脑ANN在模型
              临多重制约。首先，这类模型常依赖复杂的神经动                            层面的理论设计与应用实践，采用多维度视角对类
              力学、多尺度图结构或反馈机制，计算和参数开销                            脑ANN的发展历程进行了系统梳理，并重点总结
              较大，难以满足临床场景对推理效率和资源消耗的                            了其在结构建模、功能模拟、耦合机制与学习机制
              严格要求     [102] 。其次，尽管类脑机制增强了模型的                   等方面的关键进展。总体而言，当前该领域的研究
              生物学合理性，但相关可解释性评估仍缺乏公认、                            正呈现出由静态向动态、由局部向整体、由单模态
              统一的指标和流程。最近提出的“脑似性/脑对                             向多模态发展的显著趋势，并逐步从单一神经元建
              齐”统一几何空间度量（brain-like space）尝试将                   模向复杂拓扑构建、动态调控机制与多模态融合方
              不同AI模型的组织拓扑映射到人脑网络来量化其
                                                                向发展。在这一发展过程中，结构与功能的紧密耦
              “脑似性”，为跨模型可比的解释性评价提供了一
                                                                合被视为提升感知与认知能力的关键途径，推动了
              种可能路径      [103-104] 。然而，这一方向尚处于早期探
                                                                神经拓扑与时序动态协同建模等典型研究方向的发
              索阶段，仍需在跨数据、跨任务和临床相关性方面
                                                                展。随着研究的不断深入，关注点也从结构–功能
              进行系统验证。此外，模型输出（如激活图、注意
                                                                耦合进一步拓展至结构、功能与学习机制的全面整
              力分布或预测误差信号等）也需进一步与临床知识
                                                                合，旨在构建一个更接近生物神经系统的完整模型
              体系（如分型标准、分期准则及影像评分量表等）
                                                                框架。
              对齐，从而提升临床可采纳性 。再次，多模态医
                                         [20]
                                                                    综上所述，类脑ANN建模不仅是对神经机制
              学数据（如CT、MRI、EEG、PET等）在时空分辨
                                                                的工程化实现，更是迈向通用人工智能的重要路
              率和信号属性上存在固有差异。尽管近年来出现了
                                                                径。其在模型可解释性、任务泛化能力及医学影像
              能够同时建模结构连接、功能连接与时间动态的多
                                                                分析等复杂场景中的应用，正展现出巨大的发展潜
              模态/时空图方法，并在若干任务上显示出潜力，
                                                                力与应用价值。
              但尚未形成经过多中心场景广泛验证的统一范式。
              模型在跨机构、跨个体的泛化能力方面仍容易受站                             作者贡献声明
              点差异等因素影响，制约了其推广与应用                      [105] 。最      同等贡献作者：王采薇、陈思霖，负责文献检
              后，从研究原型到临床系统仍缺乏完整的工具链支                            索与筛选、资料整理与归纳、综述框架设计、内容


                                                             176
   57   58   59   60   61   62   63   64   65   66   67