XiaoMi-AI文件搜索系统
World File Search System上腹
描述不同类型的腹侧中脑祖细胞在多巴胺能神经元发育中的作用
反对者：Lorenz Studer 教授 斯隆凯特琳研究所 发育生物学系 考试委员会：Anna Falk 教授 隆德大学 干细胞治疗系 András Simon 教授 卡罗琳斯卡医学院 细胞与分子生物学系 Åsa Mackenzie 教授 隆德大学 生物体生物学、生理学与环境毒理学系
腹侧视觉通路功能性近红外光谱在实际应用中的可行性研究
朱超哲 , g 和董明浩 a,b,c,* a 西安电子科技大学生命科学与技术学院，分子与神经影像教育部工程研究中心，西安，中国 b 西安电子科技大学生命科学与技术学院，西安 跨尺度生命信息智能感知与调控重点实验室，西安，中国 c 西安电子科技大学人工智能学院，智能感知与图像理解教育部重点实验室，西安，中国 d 西北工业大学外国语学院，西安，中国 e 中国人民解放军资金支付中心，北京，中国 f 西安电子科技大学电子工程学院，智能感知与图像理解教育部重点实验室，西安，中国 g 北京师范大学，认知神经科学与学习国家重点实验室，北京，中国
基于多毛毛和脑膜腹化模式的MRI，胎儿自动定量正常脑的变化
结果：在对照胎儿中，所有参数随着胎龄的显着变化（p，.05）。与对照组相比，胎儿的胎儿在所有旋转参数中都显着减少（p＃.02）。同样，在多个参数中检测到多粒孕妇的胎儿（p＃.001）检测到显着降低。3个怀疑的胎儿表现出正常的回旋拟合瓣膜，支持MR成像诊断。XGBoost线性算法在脑脑和对照胎儿（n¼32）之间获得了分类的最佳结果（n¼32），曲线下的面积为0.90，召回0.83。同样，随机的森林分类显示了胎儿分类的多毛和对照胎儿（n¼33）的最佳性能，曲线下的面积为0.84，回忆为0.62。
腹外侧灰灰色和深中脑网状核参与睡眠状态切换和双重性
Abstract Neurons of the ventrolateral periaqueductal gray (vlPAG) and adjacent deep mesencephalic reticular nucleus (DpMe) are implicated in the control of sleep-wake state and are hypothesized components of a flip-flop circuit that main- tains sleep bistability by preventing the overexpression of non-rapid eye movement (NREM)/REM sleep intermediary states （NRT）。为了确定VLPAG/DPME神经元在维持睡眠双重性方面的贡献，我们将触发器电路的计算机模拟与VLPAG/DPME神经元的局灶性灭活相结合，通过微透析通过GABA A的受体激动剂在自由的肌肉中递送Mycroprogrination n = 25），以进行gaba A受体激动剂（N = 25）的仪器（n = 25）。rem睡眠，与先前的研究一致。但是，我们对体内NRT动力学的分析以及Flop-Flop电路模拟产生的分析表明，当前的思维过于狭窄地集中在REM睡眠不活跃种群对REM睡眠控制中的REM睡眠群体对VLPAG/DPME参与的贡献。我们发现，Muscimol介导的REM睡眠的大部分介导的增加被更恰当地归类为NRT。失去睡眠的丧失伴随着REM睡眠的分裂，这证明了Short Short Rem睡眠爆发数量的增加。rem睡眠碎片化源于源自REM睡眠中的NRT回合的数量和持续时间。相比之下，nREM睡眠回合也不会被VLPAG/DPME失活所破坏。在触发电路电路模拟中，不能仅仅通过抑制REM睡眠不活跃的种群来进行这些变化。取而代之的是，需要对REM睡眠的组合抑制和无效的VLPAG/DPME亚群来复制NRT动力学的变化。
急性应激导致性别依赖性变化，使腹侧下调突触，电路和焦虑行为
抽象体验单个严重的压力源足以驱动性二态精神病的发展。腹侧下调（VSUB）作为一个部位出现，由于其性别特定的组织和在压力整合中的关键作用，压力可能引起性二态适应性。使用1小时的急性约束应力模型，我们发现应力导致女性VSUB活性的净减少，而女性有效，持久且由肾上腺素能受体信号传导驱动。相比之下，雄性表现出VSUB活性的净增加，该活动是瞬时和由皮质酮信号传导驱动的。我们进一步确定了VSUB输出的性别依赖性变化，以响应压力，并响应压力而焦虑行为。这些发现揭示了与性，细胞类型和突触特异性压力后，与精神疾病相关的大脑区域和行为发生了惊人的变化，这有助于我们理解性依赖性适应，这可能会影响与压力有关的精神病风险。突出显示
额外的智能眼睛：人工智能在急诊放射学腹盆腔病变成像中的应用
摘要：紧急情况下的成像风险很高。随着对专用现场服务的需求增加，急诊放射科医生面临着越来越大的图像量，需要快速的周转时间。然而，新型人工智能 (AI) 算法可以帮助创伤和急诊放射科医生进行高效、准确的医学图像分析，从而有机会增强人类的决策能力，包括结果预测和治疗计划。虽然传统的放射学实践涉及对医学图像的视觉评估以检测和表征病理，但 AI 算法可以自动识别细微的疾病状态，并根据形态图像细节（例如几何形状和流体流动）提供疾病严重程度的定量表征。总的来说，在放射学中实施 AI 带来的好处有可能提高工作流程效率，为复杂病例带来更快的周转结果，并减少繁重的工作量。尽管腹盆腔成像中人工智能应用的分析主要集中在肿瘤检测、定位和治疗反应上，但已经开发出几种有前景的算法用于紧急情况。本文旨在对新兴图像任务中使用的人工智能算法建立一般理解，并讨论将人工智能实施到临床工作流程中所涉及的挑战。
正常衰老期间腹中脑多巴胺和GABA神经元的平行基因表达变化
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年3月3日。 https://doi.org/10.1101/2025.02.28.640868 doi：biorxiv preprint
3/11/2024 1主动脉弓异常
• Main Components : • Aortic Sac and its 2 horns • Paired Pharyngeal Arteries (Aortic Arch) 1, 2, 3‐4 and 6 • Paired Dorsal Descending Aorta • 7 th intersegmental arteries • Primitive Paired Aorta • Ventral aorta and Dorsal Aorta connected by an arched portion in first pharyngeal arch • Aortic sac forms from fusion of paired腹主动脉•随后的配对咽动脉在腹侧主动脉腹主动脉腹侧连接到•7个段分段动脉以形成降主动脉
灵长类腹流的拓扑深度 ANN 模型能否预测直接 IT 皮质干预的感知效果？
不断发展的腹侧视觉流人工神经网络 (ANN) 模型以越来越高的精度捕捉核心物体识别行为及其背后的神经机制。这些模型以图像作为输入，通过类似于灵长类动物腹侧流各个阶段的生物神经表征的模拟神经表征进行传播，并产生类似于灵长类动物行为选择的模拟行为选择。我们在此扩展这种建模方法来进行和测试神经干预实验的预测。具体而言，我们通过开发扰动模块将微刺激、光遗传学抑制和肌肉抑制转化为模型神经活动的变化，为灵长类动物视觉处理的拓扑深度 ANN (TDANN) 模型提供了一种新的预测机制。这开启了预测特定神经扰动的行为效应的能力。我们通过一套九个相应的基准将这些预测与灵长类 IT 扰动实验文献中的关键结果进行了比较。在没有任何基准拟合的情况下，我们发现通过空间相关性损失和标准分类任务的共同训练生成的 TDANN 模型可以定性预测所有九种行为结果。相比之下，通过随机地形或在分类训练后通过地形单元排列生成的 TDANN 模型预测的结果不到一半。然而，这些模型的定量预测与实验数据始终不一致，高估了某些行为效应的幅度，而低估了其他行为效应。所有 TDANN 模型都不是用单独的模型半球构建的，因此，不出所料，所有模型都无法预测半球依赖性效应。综合起来，这些发现表明，当前的拓扑深度 ANN 模型与扰动模块配对，可以合理地指导预测 IT 中直接因果实验的定性结果，但需要改进的 TDANN 模型才能实现精确的定量预测。
与雷诺现象的全身性硬化症中腹手指微举病的超声定量评估：一项比较研究
使用各种超声技术评估使用Raynaud现象（RP-SSC）的全身性硬化症患者的手指血管性的抽象目标。使用四种超声血管成像技术在室温下成像18种RP-SSC患者的所有手指（拇指）和18个对照。通过计算25 mm 2正方形的血流像素以背侧侧的指甲褶皱和25 mm 2和距腹侧100毫米2平方平方的25 mm 2平方计算血管面积的百分比。平均血管强度是根据背侧和腹侧的相应区域计算的。结果，RP-SSC中血管区域和平均血管强度的百分比明显低于背侧和腹侧的对照组（P <0.01）。无论成像技术和评估方面如何，曲线下的平均血管强度（AUC）（AUC）（AUC）的面积略高于（AUC）（AUC）（0.53-0.91 vs 0.53-0.90）。对于每种成像技术，与背侧相比，腹侧血管表现出更高的AUC（0.74–0.91）（0.53-0.81）。此外，腹侧异常与数字溃疡病史有关。结论超声表现出了量化RP-SSC的手指血管性的潜力。手指的腹侧显示出比背侧比背侧更高的精度。