XiaoMi-AI文件搜索系统
World File Search System全脑
使用 3D 卷积神经网络对缺氧缺血性昏迷患者进行基于多模态 MRI 的全脑评估
摘要背景：人们尚未找到最佳方法来自动捕获、分析、组织和合并结构和功能性脑磁共振成像（MRI）数据，以最终提取相关信号，协助缺氧昏迷患者床边的医疗决策过程。我们的目标是开发和验证一种深度学习模型，以利用多模态3D MRI全脑时间序列对缺氧缺血性昏迷相关的脑损伤进行早期评估。方法：这项概念验证、前瞻性、队列研究于 2018 年 3 月至 2020 年 5 月期间在大学医院（法国图卢兹）附属的重症监护室进行。所有患者在心脏骤停后至少 2 天（4±2 天）处于昏迷状态时接受扫描。在同一时期，我们招募并纳入年龄匹配的健康志愿者。脑 MRI 量化包括来自感兴趣区域（楔前神经和后扣带皮层）的“功能数据”和全脑功能连接分析以及“结构数据”（灰质体积、T1 加权、各向异性分数和平均扩散率）。专门设计的 3D 卷积神经元网络 (CNN) 通过使用原始 MRI 指标作为输入来区分意识状态（昏迷与对照）。基于卷积滤波器研究的体素可视化方法被用于支持 CNN 结果。法国图卢兹大学教学医院伦理委员会 (2018-A31) 批准了这项研究，并获得了所有参与者的知情同意。结果：最终队列包括 29 名缺氧后昏迷患者和 34 名健康志愿者。通过结合不同的 MR 指标使用 3D CNN 成功将昏迷患者与对照区分开来。功能性 MRI 数据（尤其是后扣带皮层的静息态功能性 MRI）的准确率最高，经过 10 次重复的十倍交叉验证，测试集的准确率为 0.96（范围为 0.94-0.98）。通过多数投票策略，可以实现更令人满意的表现，这可以弥补
Brain-on-Cloud 通过 3D 结构磁共振全脑扫描自动诊断阿尔茨海默病
背景和目标：阿尔茨海默病约占痴呆症病例的 70%。从 T1 加权结构磁共振扫描中可以轻松发现阿尔茨海默病引起的皮质和海马萎缩。由于在综合征的初期及时进行治疗干预对患病对象的病情进展和生活质量都有积极影响，因此阿尔茨海默病的诊断至关重要。因此，本研究依赖于开发一个强大而轻量级的 3D 框架 Brain-on-Cloud，该框架致力于通过改进我们最近的基于卷积长短期记忆的框架，并集成一组数据处理技术，以及调整模型超参数并评估其在独立测试数据上的诊断性能，从 3D 结构磁共振全脑扫描中有效学习与阿尔茨海默病相关的特征。方法：为此，在可扩展的 GPU 云服务上进行了四次连续实验。对它们进行比较，并调整最佳实验的超参数，直到达到最佳性能配置。同时，设计了两个分支。在 Brain-on-Cloud 的第一个分支中，在 OASIS-3 上进行训练、验证和测试。在第二个分支中，使用来自 ADNI-2 的未增强数据作为独立测试集，并评估 Brain-on-Cloud 的诊断性能以证明其稳健性和泛化能力。计算每个受试者的预测分数，并根据年龄、性别和简易精神状态检查进行分层。结果：在最佳状态下，Brain-on-Cloud 能够分别在 OASIS-3 和独立 ADNI-2 测试数据上以 92% 和 76% 的准确率、94% 和 82% 的灵敏度以及 96% 和 92% 的曲线下面积辨别阿尔茨海默病。结论：Brain-on-Cloud 是一种可靠、轻量且易于复制的框架，可用于通过 3D 结构磁共振全脑扫描自动诊断阿尔茨海默病，无需将大脑分割成各个部分即可表现出色。在保留大脑解剖结构的情况下，其应用和诊断能力可以扩展到其他认知障碍。由于其云特性、计算轻量和执行速度快，它还可以应用于实时诊断场景，提供及时的临床决策支持。
ABBA 是一种用于全脑映射的新工具，它揭示了学习后大脑范围内早期基因诱导的差异
对整个大脑细胞结构的无偏表征是理解大脑功能的宝贵工具。为此，将组织学标记从二维切片精确映射到三维大脑图谱上至关重要。在这里，我们介绍了两种促进这一过程的新型软件工具：对齐大脑和图谱 (ABBA)，旨在简化二维切片与三维参考图谱的精确高效配准；以及 BraiAn，一套用于多标记自动分割、全脑统计分析和数据可视化的集成套件。结合这些工具，我们对三种最广泛使用的立即早期基因 (IEG) 的全脑表达进行了全面的比较研究。由于其神经活动依赖性表达，IEG 几十年来一直被用作神经活动的代理，以生成行为后活动的无偏映射，但它们对整个大脑神经元激活的各自诱导仍不清楚。为了解决这个问题，我们系统地比较了三种广泛使用的 IEG（cFos、Arc 和 NPAS4）在三种与记忆相关的不同行为条件下的全脑表达。我们的研究结果突出了它们在分布和诱导模式方面的主要差异，表明它们并不代表大脑区域或活动状态下的等效标记，而是可以提供互补信息。简介
评论文章立体定向放射外科与全脑放射治疗颅内转移瘤：系统评价与荟萃分析
血源性播散是导致脑转移的最常见转移方式；这意味着即使只看到一个颅内病变，整个大脑都可能受到微转移性疾病的影响。 [2] 最近，人们对这一前提产生了怀疑，导致一种反向哲学的出现，认为在某些患者中，颅骨内的疾病仅限于少数转移瘤，这种状态称为寡转移。 [2] 治疗脑转移常用的两种主要方法是对症干预和治疗干预。对症治疗通常包括使用皮质类固醇来减少肿瘤周围肿胀和使用抗惊厥药来防止癫痫复发。脑转移的治疗方案包括手术干预、全脑放射治疗 (WBRT)、立体定向放射外科 (SRS) 和化疗。多名患者会接受多种治疗方案的组合，治疗决策必须基于多个方面，例如患者的年龄和功能能力、初始肿瘤的类型、脑外疾病的程度、之前的治疗方法以及脑内病变的数量。[6]
全脑功能连接的一次性规范建模
图 1：使用 FUNCOIN 进行规范建模的示意图。A. 输入数据集包含来自英国生物库的大量健康和不健康受试者的测量数据。我们在大量健康受试者（训练数据，黑色，N = 32k）上训练我们的模型。在较小的样本外健康受试者子集（测试数据，绿色，N = 14k）上评估模型的通用性。在患有脑部疾病的受试者（粉红色）的现有数据上评估模型识别确诊受试者的能力。B. 训练数据产生脑部测量值规范分布的估计值（平均值 +/- 2 SD），这确定了脑部测量值的规范范围并允许识别异常值。C. 脑功能量化。我们旨在估计 rsfMRI FC 的规范模型，该模型计算为每对 ICA 成分/脑区域的时间序列的皮尔逊相关性。 D. FUNCOIN 在训练组中确定两个投影（g 1 ，g 2 ），使得它们的量级遵循（二维）线性模型（取对数后，参见方法）。个体（样本外）受试者偏差确定为 Z 分数（绿点和注释）。
蠕虫基准：提取全脑神经...
线虫C.秀丽隐杆线虫是一种精心研究的模型生物，用于表征完整神经系统的结构，连通性，8和功能。3D光学显微镜和9个单个神经元的9个荧光蛋白标记的最新技术突破使我们更接近捕获全脑分辨率的10蠕虫的神经动力学。然而，使用11个这些高分辨率录音捕获完整的神经动力学图需要解决三个特定的挑战：i）检测荧光视频中的12个神经元，ii）根据解剖学定义的13个类别识别这些神经元，以及iii）跟踪神经位置的时间。通过14个高灵敏度，特异性和吞吐量成功地解决了这些挑战，可以使我们能够分析大量的人口样本，从而在单神经元分辨率下对整个大脑的结构和功能提供15个前所未有的见解 - 16个以前在任何有机体中都没有实用的壮举。为了促进这一科学目标，我们已经在五个不同的实验室中的118个蠕虫中策划了17个可用的注释数据集，并建立了系统的18个基准，将整个目标分解为三个定义明确的任务：i）I）神经检测，II）19识别识别，以及III）spatiotal tracking。我们的初步分析揭示了相当大的20室，以改善现有的最新计算方法。我们使我们的基准结果可重现；我们的代码可公开使用24因此，我们设想，我们的21种蠕虫基准群催生了专门从事计算机视觉的广泛受众的努力，以开发22种强大而准确的方法，从而显着增强了产生带注释的全脑23个神经动力学数据集的吞吐量。
面向大众的神经质量建模：利用 FastDMF 实现全脑生物物理建模的民主化
最近，人们开发了不同的全脑计算模型来研究与大脑机制相关的假设。其中，动态平均场 (DMF) 模型尤其引人注目，它结合了通过平均场方法扩展的生物物理现实模型和多模态成像数据。然而，DMF 模型广泛使用的一个重要障碍是，当前的实现在计算上成本高昂，仅支持对考虑不到 100 个大脑区域的大脑分区进行模拟。在这里，我们介绍了一种高效且易于理解的 DMF 模型实现：FastDMF。通过利用分析和数值方面的进步（包括对反馈抑制控制参数的新型估计和贝叶斯优化算法），FastDMF 绕过了以前实现的各种计算瓶颈，提高了可解释性、性能和内存使用率。此外，这些进步使 FastDMF 能够将模拟区域的数量增加一个数量级，这一点已通过与 90 和 1,000 个区域划分的 fMRI 数据的良好拟合得到证实。这些进展为广泛使用基于生物物理的全脑模型开辟了道路
一项多机构研究，用于研究小鼠全脑电子闪光后的保留效果：功能，电生理和神经源性终点的可重复性和时间演变
背景和目的：已证明超高剂量率放疗（FLASH）可减轻与常规剂量速率放疗（CORS）相关的正常组织毒性，而不会在临时性模型中损害肿瘤。包括Flash在内的临床前辐射研究中的一个巨大挑战正在验证多个机构的物理剂量法和生物学效应。材料和方法：我们先前使用标准化的幻影和剂量计在单独的机构在单独的机构中证明了两种不同的电子闪存设备的剂量学重复性。在这项研究中，在这两个机构中给出了无肿瘤的成年雌性小鼠的整个脑闪光灯和CORN辐照，并评估了多个神经生物学终点的可重复性和时间演化。结果：在机构之间，在机构之间复制了新型对象识别（射线后4个月）和电生理长期增强（LTP，5个月）的行为表现的闪光释放。在海马神经发生（SOX2，Doublecortin），神经炎症（小胶质细胞激活）和电生理学（LTP）的闪光和CONS之间的差异未在早期（48 h至2周）观察到，但是不成熟的神经元的恢复较大。结论：总而言之，我们证明了具有经过验证的剂量法的两个不同机构的两个不同机构之间对大脑的可再现闪光释放影响。闪光节省效果对评估的端点的效果在稍后但最早的时间点表现出来。
细胞分辨率的全脑空间转录分析
RNA 分析的最新进展加深了我们对生物组织中细胞状态的理解。然而，在将 RNA 表达数据与器官间的空间背景相结合方面仍然存在很大差距，这主要是由于在完整组织体积内检测 RNA 的挑战。在这里，我们开发了 Tris 缓冲液介导的透明器官中原位杂交链反应信号的保留 (TRISCO)，这是一种有效的组织透明化方法，专为全脑空间三维 (3D) RNA 成像而设计。TRISCO 解决了几个关键问题，包括保持 RNA 完整性、实现统一的 RNA 标记和增强组织透明度。我们使用各种细胞身份标记、非编码和活性依赖性 RNA，在不同大小和物种的不同器官内测试了 TRISCO。因此，TRISCO 成为单细胞、全脑、3D 成像的强大工具，可对整个大脑进行全面的转录空间分析。
果蝇全脑连接组网络统计
大脑由复杂的神经元和连接网络组成，类似于人工网络的节点和边缘。对大脑接线图进行网络分析可以深入了解大脑如何支持计算并调节感知和行为背后的信息流。成年苍蝇第一个全脑连接组已经完成，其中包含超过 130,000 个神经元和数百万个突触连接 1–3 ，这为分析完整大脑的统计特性和拓扑特征提供了机会。在这里，我们计算了二节点和三节点基序的普遍性，检查了它们的强度，将这些信息与神经递质组成和细胞类型注释联系起来 4,5 ，并将这些指标与其他动物的接线图进行了比较。我们发现苍蝇大脑网络显示出富俱乐部组织，具有大量（连接组的 30%）高度连接的神经元。我们确定了富俱乐部神经元的子集，它们可能充当信号的整合器或广播器。最后，我们检查了基于 78 个解剖定义的大脑区域或神经纤维的子网络。这些数据产品在 FlyWire Codex (https://codex.flywire.ai) 中共享，应作为探索神经活动与解剖结构之间关系的模型和实验的基础。