时光荏苒，岁月如梭，时间老人已掀起2021的书卷，我们又开启了一段新的征程！新的一年，迈着坚定的步伐，我们有太多的期待与愿望。新年伊始，我们就收获了多个喜讯，热烈祝贺我院师生！让我们一起来看看最新的科研成果！

黄鹏教授团队在国际顶级学术期刊 《Advanced Materials》上发表文章

近日，我院黄鹏特聘教授团队在国际顶级学术期刊《Advanced Materials》（影响因子27.398，中科院JCR 1区，TOP期刊）上发表了题为《Nanocatalytic Theranostics with Glutathione Depletion and Enhanced Reactive Oxygen Species Generation for Efficient Cancer Therapy》的文章。这篇文章的所有工作均在深圳大学完成，该团队付连花副研究员、万艺林硕士研究生和漆超博士后为共同第一作者，黄鹏教授为通讯作者，深圳大学为唯一单位和唯一通信单位，该团队所在的生物医学工程学科属于广东省优势重点学科。

化学动力疗法（CDT）是近几年发展起来的一种无创的癌症治疗方法，主要利用金属离子如Fe2+、Mn2+、Cu+等与肿瘤内过表达的过氧化氢（H2O2）发生芬顿或类芬顿反应，将其转化为毒性更强的羟基自由基（•OH），从而高效地杀死肿瘤细胞。然而，由于内源性H2O2含量有限，CDT的效果往往不如人意。而肿瘤细胞内高浓度的抗氧化成分如谷胱甘肽（GSH）又会清除产生的活性氧，从而降低CDT疗效。基于此，本研究开发了一种具有产生H2O2及清除GSH功能的纳米催化诊疗剂（PGC-DOX），用于实现肿瘤饥饿/CDT/化疗协同治疗（如图）。

首先以聚乙二醇修饰的葡萄糖氧化酶（GOx）为模板，采用仿生矿化的方法制备铜离子掺杂的磷酸钙纳米颗粒，然后装载抗癌药阿霉素（DOX），最终获得PGC-DOX。利用磷酸钙的pH响应降解特性，PGC-DOX在肿瘤微酸性条件下降解释放出GOx、Cu2+及DOX。GOx催化肿瘤内葡萄糖降解产生H2O2，不仅可以通过消耗肿瘤营养物实现饥饿治疗，产生的H2O2还可用于后续的类芬顿反应。同时，Cu2+与GSH之间的氧化还原反应不仅可以清除GSH提高肿瘤细胞的氧化应激，还原产物Cu+还可通过类芬顿反应将H2O2转化成毒性更强的•OH，增强CDT疗效。此外，该纳米催化诊疗剂所有组分均可降解，具有较高的生物安全性，具有潜在的临床转应用价值。

本研究工作得到了国家重点研发计划，国家自然科学基金，广东省自然科学基金、深圳市科创委等项目的支持。

原文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.202006892

徐海华副教授在国际著名学术期刊《Journal of Materials Chemistry C》上发表论文

近日，我院徐海华副教授在柔性电子领域取得了新进展。研究成果《Solution-Processed Ambipolar Electrolyte-gated Field Effect Transistors from a MoS2-polymer Hybrid for Multifunctional Optoelectronics》发表在国际著名学术期刊《Journal of Materials Chemistry C》（影响因子7.059，中科院1区，TOP期刊）上。徐海华副教授为该论文的独立通讯作者，指导的硕士研究生宋姣姣为论文的第一作者，深圳大学为该论文的第一单位和唯一通讯单位。

少层二硫化钼是一种具有弱层间范德华键及强层内共价键的二维半导体材料，因其具有低成本大规模制备、带隙可调、高机械柔韧性等特点，在生物传感、柔性电子等领域具有广泛应用前景。在该工作中，我们研制出基二硫化钼-聚合物的双极性电解质门控场效应晶体管，该器件在P型和N型工作区都呈现了高的迁移率（μp=0.21 cm2V-1s-1, μp =0.04 cm2V-1s-1）及高的开关比（>106）。我们揭示了器件优异的双极性半导体性能由半导体/电解质界面形成的互渗网络决定。我们利用该器件研制出了低功耗、低成本的柔性电学反相器和光学调制器，极大地拓宽了二维半导体的应用领域。

本研究工作得到了国家自然科学基金项目、深圳市孔雀技术创新研究基金的支持。

原文链接：https://doi.org/10.1039/D0TC05250G

汪天富教授团队在顶级期刊《Medical Image Analysis》上发表重要文章

近期，我院汪天富教授团队的研究成果《Graph Convolutional Network with Similarity Awareness and Adaptive Calibration for Disease-induced Deterioration Prediction》在医学图像分析领域顶级期刊Medical Image Analysis（2020年IF=11.1）发表。论文通讯作者是雷柏英副教授，第一作者是宋雪刚博士，深圳大学为第一署名单位。

对阿尔茨海默氏病的早期阶段（即轻度认知障碍）的检测对于最大化延缓或预防进展为阿尔茨海默病非常重要。从医学成像数据推断出的脑连接网络已普遍用于区分轻度认知障碍患者和正常对照。但是，现有自动诊断方法的性能仍然有限，分类仍然主要基于单模态影像数据并且受限于训练样本的不足。而临床诊断方法主要依赖于医生的诊断，主观性较强，常在疾病后期才能确诊，影响患者治疗。

该研究提出了一种新的双模态分类算法，该算法通过设计的新型图卷积神经网络建立群体之间的联系，达到修正样本特征的作用，从而一定程度上改善了样本不足的缺陷，提出的双模态网络结构具有很高的鲁棒性。该研究主要有3个贡献：首先，提出了相似性觉醒算法将训练样本的疾病状态融入到图的构建当中，提高了卷积滤波的效果；其次，提出的自适应机制利用初步训练的图卷积神经网络估计边权重的大小，进一步改善了卷积滤波的效果；最后，设计平衡机制融合功能性磁共振成像(fMRI)的功能数据及弥散张量成像(DTI)的结构数据进行最终的疾病分类。此外，该研究分析了正常组及患病组的脑区特征，并详细分析了图卷积神经网络对其的影响，为图卷积神经网络在脑疾病分类中的应用提供了坚实的基础。实验结果表明，该研究方法具有很高的分类精度，可以有效地区分轻度认知障碍的不同子阶段，并鉴别出疾病最相关脑网络连接和脑区，在临床上具有意义，可用于辅助医师提高诊断精度。

该研究获得了国家自然科学基金、广东省自然科学基金、深圳市孔雀计划等项目资助。

研究成果链接：https://www.sciencedirect.com/science/article/pii/S136184152030311X?dgcid=author

提出的早期阿尔茨海默病自动诊断模型的流程图

提出的三种技术对图网络结构邻接矩阵的影响

Top30可区别脑网络连接

倪东教授团队在《IEEE Transactions on Medical Imaging》上发表重要研究论文

我院倪东教授团队在《IEEE Transactions on Medical Imaging》(JCR1区TOP,影响因子6.685)上发表了题为《A Deep Attentive Convolutional Neural Network for Automatic Cortical Plate Segmentation in Fetal MRI》的论文（全文链接：https://ieeexplore.ieee.org/document/9303459）。该研究为深圳大学医学部生物工程学院倪东教授团队和哈佛医学院Ali Gholipour教授等合作完成。倪东教授为共同通讯作者，其硕士研究生窦浩然为第一作者。

胎儿皮质板分割是定量分析胎儿大脑成熟和皮质折叠的基础。由于1）胎儿脑部MRI图像的分辨率较低；2）胎儿皮质板结构较细；3）MRI图像的容积效应造成的成像模糊；4）妊娠期胎儿大脑发育带来的较大的结构变化使得手动分割皮质板面临巨大挑战。为了减少手工分割胎儿皮质板的负担，该研究提出了一种新的的深度学习分割方法（图1）。该方法利用基于分组多核卷积的注意力模块来有效的提取多尺度信息，进而提升模型性能。结果表明，该方法优于当前最先进的4种深度分割模型，以及最先进的的多图谱分割技术。

该研究依托广东省生物医学信息检测与超声成像重点实验室、医学超声关键技术国家地方联合工程实验室和深圳大学医学部超声图像计算实验室（Lab of Medical UltraSound Image Computing, MUSIC），得到国家重点研发计划、深圳市孔雀计划、美国国立卫生研究院等的资助。

我们的科研团队，

让我们再次献上掌声！