XiaoMi-AI文件搜索系统
World File Search System切片
肿瘤微环境相互作用引导图形学习，从全切片病理图像进行人类癌症生存分析
深度学习技术的最新进展为协助病理学家从全切片病理图像（WSI）中预测患者的生存期带来了可能性。然而，大多数流行的方法仅适用于WSI中特定或随机选择的肿瘤区域中的采样斑块，这对于捕捉肿瘤与其周围微环境成分之间复杂相互作用的能力非常有限。事实上，肿瘤在异质性肿瘤微环境（TME）中得到支持和培育，详细分析TME及其与肿瘤的相关性对于深入分析癌症发展的机制具有重要意义。在本文中，我们考虑了肿瘤与其两个主要TME成分（即淋巴细胞和基质纤维化）之间的空间相互作用，并提出了一种用于人类癌症预后预测的肿瘤微环境相互作用引导图学习（TMEGL）算法。具体来说，我们首先选择不同类型的块作为节点来为每个 WSI 构建图。然后，提出了一种新颖的 TME 邻域组织引导图嵌入算法来学习可以保留其拓扑结构信息的节点表示。最后，应用门控图注意网络来捕获肿瘤与不同 TME 组件之间与生存相关的交集以进行临床结果预测。我们在来自癌症基因组图谱 (TCGA) 的三个癌症队列上测试了 TMEGL，实验结果表明 TMEGL 不仅优于现有的基于 WSI 的生存分析模型，而且对生存预测具有良好的可解释能力。
热泵回扣（要约到期12/31/2024）
热泵回扣（要约到期12/31/2024）此表格，以及适用的销售收据和手册J（系统尺寸）计算的副本，必须在购买后的90天内提交给合作社。如果您的HVAC承包商不想执行手册J计算，我们建议您找到另一个承包商，因为手册J是HVAC行业自己的绩效标准。我们仅折扣小型切片，这些切片是整个房屋系统的一部分，而不是为奖金室，日光浴室等添加迷你切片。致电800-637-1079，分机。1140在安装前进行咨询，如果您在启动HVAC购买协议之前想要我们的专业意见。
肿瘤组织切片体外处理作为评估肾癌患者靶向治疗的预测性临床前方法
1 格勒诺布尔阿尔卑斯大学、法国国家健康与医学研究院、CEA、IRIG-癌症和感染生物学、UMR_S 1036、F-38000 格勒诺布尔、法国； caroline.roelants@inovarion.com （CR）; qfranquet@chu-grenoble.fr（QF）; csarrazin1@chu-grenoble.fr （客户服务） nicolas.peilleron@gmail.com （NP）; sofiagiacosa@gmail.com（新加坡）; laurent.guyon@cea.fr （LG）; claude.cochet@cea.fr (CC) 2 Inovarion, 75005 巴黎，法国 3 格勒诺布尔阿尔卑斯大学，INSERM，CEA，IRIG-大规模生物学，UMR 1038，F-38000 格勒诺布尔，法国； catherine.pillet@cea.fr 4 格勒诺布尔阿尔卑斯大学医院，CS 10217，38043 格勒诺布尔 CEDEX 9，法国； lafontanell@chu-grenoble.fr（AF）; g.fiard@ucl.ac.uk （GF）; JALong@chu-grenoble.fr（J.-AL）; jldescotes@chu-grenoble.fr (J.-LD) * 通信地址：odile.filhol-cochet@cea.fr;电话：+ 33-(0)4-38785645；传真：+ 33-(0)4-38785058
sofnet：基于光流的大型...
来自多个中心的大脑磁共振成像（MRI）数据通常在成像条件下表现出差异，例如所使用的核磁共振仪器的类型和随机噪声的存在。此外，MRI切片之间差距的差异进一步使数据的可用性复杂化了高级人工智能（AI）分析。基于深度学习的方法已成为解决挑战的实用解决方案。然而，现有的研究在很大程度上忽略了大脑MRI数据的增强，尤其是在面对明显的切片间隙时，例如在我们的临床大脑MRI切片中观察到的大约6 mM。响应这一研究差距，我们旨在开发新的方法来增强大脑MRI数据，重点关注更大的切片差距。为了实现这一目标，我们提出了SOFNET，它利用了基于光流和编码器 - 二次骨架的sofnet。我们模型的主要目标是插值MRI切片，同时保持特征一致性。利用光流法，与其他超分辨率算法相比，该方法表现出了出色的性能，我们提出的方法已在三个不同的大脑MRI数据集上进行了评估，并明确解决了4.2 mm和6.0 mm之间的差距。实验结果强调了SOFNET在生成适应的脑MRI数据方面获得的超分辨率质量的显着增强，超过了其他单位超级分辨率（SISR）方法。为了确保插值脑MRI切片的可信度，我们基于诸如峰值信噪比（PSNR）和结构相似性指数（SSIM）等指标（例如峰值信噪比（PSNR））对三个MRI进行了实验。这些实验证明了我们方法在将低分辨率MRI数据转换为清晰可靠的大脑MRIS中的有效性，从而可以使用AI技术进行了改进的分析。
利用解耦运动和形状模型进行 4D 心肌重建
评估心肌的形状和运动状态对于诊断心血管疾病至关重要。然而，电影磁共振 (CMR) 成像以 2D 切片为主，其大切片间距对切片间形状重建和运动获取提出了挑战。为了解决这个问题，我们提出了一种将运动和形状分离的 4D 重建方法，该方法可以从有限切片获得的给定稀疏点云序列预测间/内形状和运动估计。我们的框架包括一个神经运动模型和一个舒张末期 (ED) 形状模型。隐式 ED 形状模型可以学习连续边界并鼓励运动模型在没有地面真实变形监督的情况下进行预测，并且运动模型通过将任意点从任意阶段变形到 ED 阶段来实现形状模型的规范输入。此外，构建的 ED 空间可以对形状模型进行预训练，从而指导运动模型并解决数据稀缺问题。我们提出了我们所知的第一个 4D 心肌数据集，并在提出的、公开的和跨模态的数据集上验证了我们的方法，显示出卓越的重建性能并实现了各种临床应用。
心脏磁共振晚期钆增强在心肌病中的作用
心脏 MR 检查 对所有参与者进行了标准 MR 检查，如下所示： 侦察图像：在正交平面中捕获以进行心脏长轴和短轴规划。 功能电影图像：在短轴平面、轴向平面以及 4 个腔平面中，使用 ECG 门控、稳态自由进动序列捕获。 通过重复屏气获取切片，应用以下参数：TR/TE：4.4/2.5。 FOV：根据患者的年龄在 250-350 毫米之间。 阶段：25。 NSA：1-2。 切片厚度：6-8 毫米，切片间隙：0 毫米。 矩阵：128x128。 利用观察锁定技术进行标准延迟钆增强成像以确定最佳延迟时间。 这是通过采用反转恢复平衡涡轮场回波 (IR-b-TFE) 实现的
用riesz内核切成薄片的MMD流量
最大平均差异（MMD）流在大规模计算中遭受高计算成本的影响。在本文中，我们表明MMD用Riesz内核K（x，y）= −∥ x -y∥r，r∈（0，2）具有出色的属性，可以有效地计算。我们证明，Riesz内核的MMD（也称为Energy距离）与其切片版本的MMD相吻合。因此，可以在一维设置中执行MMD梯度的计算。在此，对于r = 1，可以应用一种简单的排序算法，以减少O（Mn + N 2）到O（（M + N）log（M + N））的复杂性，以使用M和N支持点进行两个测量。作为另一个有趣的后续结果，可以通过Wasserstein-1距离从上和下估算紧凑型措施的MMD。对于实现，我们仅使用有限的切片p，近似切片MMD的梯度。我们表明结果误差具有复杂性o（p
基于扫描仪的实时 3D 脑+身体切片到体积重建，用于 T2 加权 0.55T 低场胎儿 MRI
目的 将 SVRTK 方法集成到 Gadgetron 框架中，可以在低场 0.55T MRI 扫描仪中在扫描持续期间自动进行 3D 胎儿大脑和身体重建。方法 通过将适用于低场 MRI 的自动可变形和刚性切片到体积 (D/SVR) 重建与基于实时扫描仪的 Gadgetron 工作流程相结合，实现基于深度学习、集成、稳健且可部署的工作流程，从几个运动损坏的单独 T2 加权单次 Turbo Spin Echo 堆栈中产生超分辨率 3D 重建的胎儿大脑和身体。在 12 个前瞻性获取的胎儿数据集中，从胎龄 22-40 周的范围对流程的图像质量和效率进行定性评估。结果 重建在获取最终堆栈后平均 6:42 ± 3:13 分钟内可用，并且可以在正在进行的胎儿 MRI 扫描期间在扫描仪控制台上进行评估和存档。输出图像数据质量被评为良好至可接受的水平。对 83 个 0.55T 数据集进行的管道额外回顾性测试表明，低场 MRI 的重建质量稳定。结论 所提出的管道允许基于扫描仪的低场胎儿 MRI 前瞻性运动校正。这项工作的主要新颖部分是将自动化胎儿和身体 D/SVR 方法汇编成一个组合管道，首次将 3D 重建方法应用于 0.55T T2 加权数据，以及在线集成到扫描仪环境中。
使用强化学习和智能合约智能预防DDOS攻击
文献综述了RL在DDOS预防中的应用，最近出现在文献中。作者（Javadpour等人2023）开发了一种基于切片的基于切片的增强学习（SIRH）模型，该模型允许在5G网络中与其他切片中隔离的折衷切片，从而导致减轻减轻。（He等人） 2024），作者提出了一个基于RL的可转移网络入侵系统，以驱动网络流量异常值。 智能合约也已成功应用于DDOS预防研究。 （Yakubu等人 2023）通过利用以太坊区块链网络上的创新合同来创建身份验证系统，重点关注DDOS攻击。 这与单个服务器排队系统结合使用，该系统已设法服务重新任务并减轻攻击。（He等人2024），作者提出了一个基于RL的可转移网络入侵系统，以驱动网络流量异常值。智能合约也已成功应用于DDOS预防研究。（Yakubu等人2023）通过利用以太坊区块链网络上的创新合同来创建身份验证系统，重点关注DDOS攻击。这与单个服务器排队系统结合使用，该系统已设法服务重新任务并减轻攻击。
