XiaoMi-AI文件搜索系统
World File Search System中脑
月经周期对运动想象和动作观察过程中脑电图 Alpha 和 Beta 波段的影响
女性性类固醇 (FSS) 会影响运动系统，调节运动皮层兴奋性以及灵活性和协调性任务的表现。然而，目前尚未探索 FSS 是否会影响运动行为的认知成分。Mu 是一种感觉运动节律，在运动想象 (MI) 和动作观察 (AO) 等实践中通过脑电图 (EEG) 在 alpha (8-12 Hz) 和 beta (15-30 Hz) 频带中观察到。这种节律为研究与运动认知有关的神经回路活动提供了一个窗口。在此，我们研究了感觉运动区域 (C3 和 C4，假设驱动方法) 的 alpha-mu 和 beta-mu 功率以及额叶、顶叶和枕叶区域的 alpha 和 beta 功率 (数据驱动方法) 是否在月经周期的月经期、卵泡期和黄体期受到不同的调节。为此，这些女性在三个月经周期的三个阶段接受了 MI 和 AO。比较了月经周期各个阶段皮质区域的 alpha 和 beta 波段的光谱活动，并进行了与雌激素和孕酮水平的相关性分析。对于基于假设的方法，卵泡期 C3 通道中的 beta-mu 事件相关去同步 (ERD) 明显强于月经期和黄体期。对于数据驱动的方法，MI 期间额叶区域的 beta ERD 在卵泡期高于月经期和黄体期。这些发现表明 FSS 对执行运动控制的影响。在 OA 期间研究的皮质区域中未观察到月经周期阶段的影响，但 alpha 和 beta 波段与卵泡期血浆雌二醇水平呈正相关。因此，当雌二醇水平较低时，代表镜像神经元活动的 alpha 和 beta 波段的衰减似乎与皮质活动的抑制有关，从而改善运动动作的认知处理。
共振帕金森病指数中脑与脑桥比率，以及脑干结构的磁常态数据，
结果：测量不同脑干结构的内部和内部可靠性显示出良好至优秀的可靠性（组内相关系数 = 0.785 – 0.988）。脑桥面积、小脑中脚和小脑上脚宽度、中脑与脑桥比值和 MRPI 存在显著的性别差异（全部，P ，.001；Cohen D = 0.44 – 0.98），但中脑面积无差异（P = .985）。在男女两性中，几项脑干测量值与年龄、身高、体重和身体质量指数之间存在显著的非常弱至弱相关性。然而，没有发现由这些变量引起的分布的系统性差异，并且由于年龄具有最高和最一致的相关性，因此创建了脑干测量的年龄/性别特定百分位数。
健康老龄化中脑电图网络连接的年龄相关变化
摘要：新兴研究报告称，功能性大脑网络会随着年龄的增长而发生变化。图论用于了解与年龄相关的大脑行为和功能差异，并使用脑电图 (EEG) 检查区域之间的功能连接。正常衰老对工作记忆 (WM) 状态下的功能网络和区域间同步的影响尚不清楚。在本研究中，我们应用图论来研究衰老对静息状态下网络拓扑的影响以及在执行视觉 WM 任务期间对衰老 EEG 信号进行分类。我们记录了 20 名健康中年人和 20 名健康老年受试者睁眼、闭眼和执行视觉 WM 任务时的脑电图。EEG 信号用于构建功能网络；节点由 EEG 电极表示；边表示功能连接。计算了包括全局效率、局部效率、聚类系数、特征路径长度、节点强度、节点中介中心性和同配性的图论矩阵来分析网络。我们应用了 K 近邻 (KNN)、支持向量机 (SVM) 和随机森林 (RF) 三个分类器对两组进行分类。分析显示老年组的网络拓扑特征显著减少。在睁眼、闭眼和视觉 WM 任务状态下，老年组的局部效率、全局效率和聚类系数显著降低。KNN 在视觉 WM 任务中实现了 98.89% 的最高准确率，并且比其他分类器表现出更好的分类性能。我们对功能网络连接和拓扑特征的分析可以用作探索人类大脑正常与年龄相关的变化的适当技术。
使用深... 的MR图像中脑肿瘤的分类 用lomitapide靶向PP2A，通过激活AMPK/Beclin1介导的自噬 基于脑肌肉混合信号的机器人手臂控制系统 通过Fastai 在脑MR扫描上检测大脑异常检测的混合体系结构
脑肿瘤是大脑中异常细胞的质量或簇，由于其能够侵入邻近组织并形成转移酶的能力，因此可能会威胁生命。准确的诊断对于成功的治疗计划和磁共振成像是必不可少的，这是诊断脑肿瘤及其程度的主要成像方式。近年来，计算机视觉应用程序中的深度学习方法已显示出显着的改进，其中大多数可以将大量数据可用于培训模型，并且模型体系结构的改进在有监督的环境中产生更好的近似值。使用这种深度学习方法对肿瘤进行分类，这使得带有可靠注释的开放数据集的可用性取得了重大进展。通常这些方法是3D模型，它使用3D体积MRI，甚至是2D模型，即分别考虑每个切片。然而，通过分别处理一个空间维度，或通过将切片作为一系列图像随着时间的推移来处理，时空模型可以用作此任务的“空间空间”模型。这些模型具有学习特定的空间和时间关系的功能，同时降低了计算成本。本文使用两个时空模型，即Resnet（2+1）D和Resnet混合卷积，以对不同类型的脑肿瘤进行分类。观察到，这两个模型的性能都优于纯3D卷积模型RESNET18。此外，还观察到，在训练肿瘤分类任务之前，将模型预先培训在不同的，甚至是无关的数据集上可以提高性能。最后，在这些实验中，预先训练的重新结合卷积是最佳模型，达到了0.9345的宏F1评分，测试准确性为96.98％，而同时是计算成本最少的模型。
重度创伤性脑损伤中脑和皮下甘油的相关性以及与组织损伤的关系
摘要背景：本研究是一项前瞻性连续双盲随机研究的子研究，研究前列环素对重度创伤性脑损伤 (sTBI) 的影响。本研究的目的是调查脑和皮下甘油水平之间是否存在相关性，以及脑和皮下组织间质甘油的比率（脑甘油/皮下）是否与脑组织损伤有关，使用鹿特丹评分、S-100B、神经元特异性烯醇化酶 (NSE)、损伤严重程度评分 (ISS)、急性生理与慢性健康评估评分 (APACHE II) 和创伤类型进行测量。探讨了与临床结果的潜在关联。方法：纳入年龄在 15-70 岁之间的 sTBI 患者，格拉斯哥昏迷量表评分 ≤ 8。通过微透析测量了 48 名患者的脑和皮下脂肪组织甘油水平，其中 42 名具有完整的数据可供分析。还使用脑计算机断层扫描的鹿特丹分类和生化生物标志物 S-100B 和 NSE 来评估脑组织损伤。结果：在 60% 的患者中，观察到脑/皮下甘油呈正相关。脑/皮下甘油呈正相关的患者的脑甘油水平略高于呈负相关的患者。计算机断层扫描鹿特丹评分与脑/皮下甘油之间没有显著关联。S-100B 和 NSE 与脑/皮下甘油概况相关。我们的结果无法通过使用损伤严重程度评分或急性生理和慢性健康评估评分来衡量的创伤的总体严重程度来解释。结论：我们已经表明外周甘油可能流入大脑。这种影响与更严重的脑组织损伤有关。这种变化使脑间质甘油水平的解释变得复杂。我们提醒临床医生，如 sTBI 中出现的血脑屏障受损可能会改变各种物质的浓度，包括脑中的甘油。意识到这一点对于床边数据解释和研究都很重要。关键词：创伤性脑损伤、甘油、S-100B、神经元特异性烯醇化酶、微透析、脑计算机断层扫描、结果
尸体马拉维人种群中脑动脉动脉动脉脑的解剖变异和形态学特性
背景：对脑电动杆菌的解剖结构（CAC）的了解对于理解其作为附带灌注和压力均衡的动脉吻合结构的作用很重要，并且可以解释观察到的跨种群神经血管疾病患者的变化。这项研究旨在了解马拉维人口中CAC的解剖结构和形态计量学特性。材料和方法：在医疗法律尸检期间，最近24种黑人马拉维人尸体收集大脑。使用位于距大脑底部30厘米高的相机拍摄的CAC的照片。全圈属性和分段容器参数，注意完整性，典型，对称性和节式容器直径和长度。结果：在69.57％的CAC中发现了完整的圆形配置。典型的37.5％是典型的典型性患病率为26.09％。血管不对称性。有7例血管植物和12例血管发育不全。后验交通动脉（PCOA）是最大的（12个变化），最宽（7.67 mm）和最长（27.7毫米）的血管，而前交通动脉（ACOA）是最短（0.78 mm）。在这项研究中，ACOA和PCOA都是最狭窄的血管（0.67 mm）。CAC变化似乎与不同人群中观察到的变化相似。（Folia Morphol 2021; 80，4：820–826）结论：马拉维人群中存在CAC的解剖学变化，应在临床实践中考虑。
基于学习的深度检测和识别定量MR形象中脑肿瘤生物标志物
与人口不断增长的人口相关的需求不断增长，对全球电力系统的运行构成了挑战。运输部门的电气化，行业的加速电气化以及日常生活中耗电设备的使用已大大提高了电力需求。有了这些挑战，气候变化使问题更加严重。可以处理化石用于能源而引起的其他环境问题，预计可再生能源（RES）将发挥重要作用。清洁和环保的来源本质上很丰富。这些来源高度取决于天气，这导致了从中发电的间歇性和可变性。RES在电力系统中的高渗透会增加电力供应的不确定性。 这加剧了平衡负载和供应的需求。 具有高分辨率渗透率的电力系统可能会以高可再生能源生产的数小时见证，这可能会超过负载。 这是系统见证的高峰负载小时。 对该问题的潜在解决方案是使用电池储能系统（BES）刮去负载峰值峰值峰值并在需要时存储剩余的电力。RES在电力系统中的高渗透会增加电力供应的不确定性。这加剧了平衡负载和供应的需求。具有高分辨率渗透率的电力系统可能会以高可再生能源生产的数小时见证，这可能会超过负载。这是系统见证的高峰负载小时。对该问题的潜在解决方案是使用电池储能系统（BES）刮去负载峰值峰值峰值并在需要时存储剩余的电力。
使用深度学习的非小细胞肺癌中脑转移的完全自动化MR检测和分割
背景：非小细胞肺癌（NSCLC）是扩散到大脑的最常见肿瘤实体，多达50％的患者发展出脑转移（BMS）。在MRI上检测BMS是具有挑战性的，其固有的诊断风险固有的风险。目的：在临床常规MRI上训练和评估NSCLC中BMS的全自动检测和3D分割的深度学习模型（DLM）。研究类型：回顾性。人口：预处理MRI 315 BMS的98例NSCLC患者分为培训（66例患者，248 BMS）和独立测试（17例患者，67 BMS）和对照（15例患者，0 BMS）同伙。场强/序列：t 1-/t 2加权，T 1加权对比度增强（T 1 CE；梯度回波和自旋回波序列），以及来自各个供应商和研究中心的1.0、1.5和3.0 t的天赋。评估：使用5倍交叉验证对训练队列进行了3D卷积神经网络（DEEPMEDIC），并在独立的测试和控制集中进行了评估。通过神经外科医生和t 1 CE的放射科医生对BMS的三维体素分割，用作参考标准。统计检验：每次扫描的敏感性（回忆）和假阳性（FP）发现，骰子相似性系数（DSC）比较手动分割之间的空间重叠，Pearson的相关性（R）的相关性（R）以评估量化量级的量级测量和WIRCO之间的关系，并评估量级的量级量表，并进行了量级测量。 BMS。p值<0.05在统计学上被认为是显着的。与参考标准相比，自动化结果：在测试集中，DLM检测到67 BMS中的57个（平均体积：0.99 4.24 cm 3），导致灵敏度为85.1％，而每次扫描的FP发现为1.5。错过的BMS比检测到的BMS（0.96 2.4 cm 3）的体积明显小（0.05 0.04 cm 3）。
MRI 图像中脑肿瘤分类的综述
摘要：由于脑肿瘤在人们生活中的重要性，使用机器学习技术对其进行分类已成为必不可少的。正确而快速的诊断是降低死亡率的关键，死亡率最近大幅上升。CT扫描和MRI成像等可用技术如今被广泛使用，后者更为常见，因为它可以从不同角度为脑组织提供高分辨率图像。手动确定正确的脑肿瘤类型需要对脑部疾病有深入了解的专家。此外，对于大量图像来说，这既耗时又乏味。此外，人为错误是可能的，因此误检可能导致错误的程序和治疗。因此，科学家和研究人员介绍了不同的方法来自动有效地对肿瘤类型进行分类，而无需人类知识。本文回顾了这些方法，其中包括传统的机器学习算法（ML）。这些算法可以分为两个主要部分，即监督和无监督。使用最多且达到高精度的算法是SVM，KNN和ANN。一方面，如今通过扩大该领域的可用数据并开发新的基于 ANN 的技术（称为深度学习），脑肿瘤分类的性能得到了提升。本文还回顾了可用于特征提取和分类的这类技术。关键词：MRI 图像、分类、机器学习、KNN、SVM。 ___________________________________________________________________________
小学生学习过程中脑功能的现代研究综述
摘要 。本文旨在回顾与研究小学儿童在教育过程中的大脑活动相关的研究。此外，找出此类研究的普遍程度，并确定科学家在该主题上活动的主要方向及其选择的研究方法。方法 。使用定性内容分析来选择适合研究主题的文章：确定几组关键词、四分位数至少为第二的期刊和英语出版物作为要求。结果 。研究论文的分析表明，科学家对该主题的兴趣日益浓厚。确定了神经成像领域的六个主要研究组：认知能力的测量、年龄类别的比较、基于神经成像的研究的技术和方法细微差别、各种因素对指标的影响的研究、在学习过程中使用神经成像工具、记录发育障碍儿童的大脑活动。重点介绍了致力于记忆和注意力发展的工作。考虑了数学能力和技能以及阅读研究的特点。指出了便携式脑电图的优点和缺点。指出了发育障碍儿童磁共振成像程序的特点。结论。尽管研究领域多种多样，但本综述未发现脑机技术在学习过程中的应用。作者认为，缺乏对此类技术在学科学习细节中的长期研究，无法跟踪其进展。结论是需要进一步研究这一问题。