纵向脑部分析对于理解健康衰老和识别病理偏差至关重要。纵向脑部MRI序列配准是此类分析的基础。然而，现有方法受限于对密集采样时间序列的依赖、精度与时间平滑性之间的权衡，以及无法前瞻性地预测未来的脑状态。为了克服这些挑战，我们提出了TimeFlow，一个基于学习的纵向脑部MRI配准框架。TimeFlow使用带有时间条件的U-Net骨干网络，将神经解剖结构建模为年龄的连续函数。仅需来自同一受试者的两次扫描，TimeFlow即可估计出准确且时间一致的形变场，从而实现非线性外推以预测未来的脑状态。这是通过我们提出的应用于形变场和形变图像的插值/外推一致性约束来实现的。值得注意的是，这些约束在无需显式平滑正则化或密集采样序列数据的情况下，即可保持时间一致性和连续性。大量实验表明，TimeFlow 在未来时间点预测和配准精度方面均优于现有方法。此外，TimeFlow 支持新型的生物脑老化分析，无需分割即可区分神经退行性轨迹和正常老化，从而避免了耗时的标注工作，并减少了分割不一致性。TimeFlow 为脑老化和慢性疾病的纵向分析提供了一个准确、高效且无需标注的框架，能够预测观察研究期之外的脑部变化。
Ternary公司获440万美元融资，用AI设计“分子胶”药物精准对抗衰老性炎症
2026-03-18
英国生物科技公司Ternary Therapeutics近期获得440万美元种子轮融资，将利用AI技术设计“分子胶”蛋白降解技术，旨在精准调控蛋白质，靶向清除体内慢性低度炎症（又称“炎症衰老”）。慢性炎症是神经退行性疾病和代谢紊乱等多种衰老相关疾病的关键驱动因素。这项技术通过重塑细胞内部的蛋白质处理机制，有望为更健康的衰老提供新的干预手段，未来可能转化为精准的抗炎疗法，改善老年人的疾病负担。