XiaoMi-AI文件搜索系统
World File Search System圆周
增强颅神经外科手术的基于头部饰面的切口计划：一项前瞻性试点研究
用于无框术内神经局的客观监测和基于魔杖的神经导航站（MWBNSS）通常用于颅神经外科手术。但是，它们在时间和空间上都很麻烦。或必须在MWBN周围排列，至少必须使用一只手来操纵MWBNS魔杖（中断双层手术技术），并且随着外科医生在远程监控器上“检查导航”时，手术工作流程被中断。因此，需要连续，实时，免提，神经巡航解决方案。增强现实（AR）有望简化这些问题。作者提出了第一项报道的前瞻性试验研究，研究了使用AR头部安装显示的Opensight施用的精神，以绘制肿瘤切除术进行选择性颅骨切开术的患者中的肿瘤边界，并比较与MWBNS追踪的对应程度。方法前瞻性地鉴定出了十一名接受选修颅骨切除术进行选修颅骨切除术的患者，并在切口计划时，戴着戴着Hololens Ar眼镜的外科医生在切口计划时进行了圆周肿瘤边界的追踪，该眼镜运行了霍洛伦斯Ar眼镜，该眼镜运行了注册给患者和前疗程MRI的商业上可用的开发应用。然后，同一患者使用Stealthstation S8 MWBN进行了周向肿瘤边界跟踪。术后，两个盲目板认证的神经外科医生都比较了两个肿瘤边界图，并根据重叠的主观意义而被评为具有出色，适当或较差的对应度。还确定了客观重叠面积测量值。结果包括11例接受颅骨切开术的患者。五个患者程序被评为具有出色的对应程度，5个具有足够的对应程度，而相关性较差。在所有情况下，两个评估者都同意该评级。AR追踪。在这项小型试点研究中得出的结论，作者发现AR在神经外科或神经外科的工作流程中是可实施的，并且是一种用于切口计划的术前肿瘤边界识别的可行方法。需要未来的研究来确定提高和优化AR准确性的策略。
定量2D和3D相对比MRI
定量2D和3D期对比MRI：血流和血管壁参数的优化分析A.德国弗雷堡（Freiburg）简介：由于时空分辨率和SNR的有限，CINE相对比（PC）-MRI数据的量化很具有挑战性。此处介绍的方法结合了速度及其局部衍生物的“格林定理”和B型插值插值，以提供优化的血流和容器壁参数的定量。结果，除血流量参数（如流量量或流体面积）外，还可以从数据中计算出矢量壁剪应力（WSS）和振荡剪切指数（OSI）的空间和时间变化。心血管系统的功能诊断是不断获得兴趣的（1），在这种情况下，WSS是内皮细胞功能的重要决定因素（2-4）。流量和壁参数定量，其中有19个健康志愿者在8个平面中，沿着整个胸主动脉分布，使用高分辨率平面2D和较低分辨率的体积3D Cine PC-MRI，并具有3个方向速度编码。合成流数据，模式间可变性和观察者间的可变性用于评估该方法的准确性。据我们所知，这些结果构成了对完整动脉切片的血流参数和矢量WSS的体内分析的首次报告。1。2，左）。2，右）。Methods: All experiments were performed at 3T (Trio, Siemens, Germany) using a respiration controlled and ECG gated rf-spoiled gradient echo sequence with 3-directional velocity encoding in 2D ( 2D-CINE-3dir.PC : spatial resolution: 1.24-1.82 x 1.25-1.82 x 5 mm 3 , temporal resolution: 24.4 ms, Venc = 150 cm/s）和3D（3D-Cine-3ddir.pc：空间分辨率：2.71-2.93 x 1.58-1.69 x 2.60-3.5 mm 3，时间分辨率：48.8 ms，48.8 ms，Venc = 150 cm/s）（5）（5）。在沿胸主动脉分布的8个平面上进行进行壁分析（图 3，右）使用2d-cine-3ddir.pc和3d-cine-3ddir.pc进行比较，如图所示 数据分析和细分集成在基于MATLAB（美国Mathworks）的内部分析工具（6）中。 对于每个Cine时间框架，使用B-Spline轮廓分割了血管腔（图1，MID）。 随后的速度数据的立方B型插值（7）提供了插值速度及其在容器轮廓处的局部衍生物（图1，底部）。 基于分析血管腔轮廓，“ Green's Theorem”和B-Spline插值，面积和流量是从单个积分中有效且准确地计算出来的。 WSS载体是通过假设横向分析平面而没有流过容器壁的变形张量（8）的变形张量。 流量定量工具已通过各种分辨率和19位健康志愿者的合成抛物线流数据进行评估。 结果：系统多样化的空间分辨率的影响表明，WSS受到更大的影响，而总流量保持相对恒定（图 参考：（1）Y. Richter和E.R.进行壁分析（图3，右）使用2d-cine-3ddir.pc和3d-cine-3ddir.pc进行比较，如图数据分析和细分集成在基于MATLAB（美国Mathworks）的内部分析工具（6）中。对于每个Cine时间框架，使用B-Spline轮廓分割了血管腔（图1，MID）。随后的速度数据的立方B型插值（7）提供了插值速度及其在容器轮廓处的局部衍生物（图1，底部）。基于分析血管腔轮廓，“ Green's Theorem”和B-Spline插值，面积和流量是从单个积分中有效且准确地计算出来的。WSS载体是通过假设横向分析平面而没有流过容器壁的变形张量（8）的变形张量。流量定量工具已通过各种分辨率和19位健康志愿者的合成抛物线流数据进行评估。结果：系统多样化的空间分辨率的影响表明，WSS受到更大的影响，而总流量保持相对恒定（图参考：（1）Y. Richter和E.R.表中给出了流量，平均WSS和圆周WSS的百分比。2D和3D-Cine-PC之间的各种时空分辨率导致流量和面积的相对差异在18％以下，但WSS和OSI的相对误差较高，而OSI则为45％和65％（图。说明了我们方法对WSS空间分布进行详细评估的潜力，图3显示了基于2D和3D数据的一名志愿者的WSS向量和OSI。在上升主动脉（切片1）和主动脉弓（切片3）中，WSS矢量呈现出与主动脉中螺旋流量模式相似的实质性右手圆周分量。讨论：此处介绍的方法旨在使用Green的定理和Cubic B-Spline插值来量化血流和血管壁参数。与假设血流模型的其他方法相反（例如抛物面（9）或数值流仿真（10）），我们的方法不是基于关于流量轮廓的限制性假设。简单的参数，例如流量量，即使对于低分辨率数据也可以准确量化，而诸如WSS之类的派生参数则受到时空分辨率的限制。尽管WSS值在3D-Cine-3dir.pc中被系统地低估了，但志愿者之间的高一致性表明了对相对病理WSS改变的分析的潜在WSS估计，如最初的患者结果所示。Edelman，《流通》 113：2679-2682（2006）（2）Cheng C.等，循环113（23）：2744-2753（2006）（2006）（3）Wentzel J.J.等，J Am Coll Cardiol。 45：846-54（2005）（4）Davies PF，Physiol。 修订版Edelman，《流通》 113：2679-2682（2006）（2）Cheng C.等，循环113（23）：2744-2753（2006）（2006）（3）Wentzel J.J.等，J Am Coll Cardiol。45：846-54（2005）（4）Davies PF，Physiol。修订版我们的WSS测量值与源自相比的MRI的下降和腹主动脉（3，11-13）的发表结果非常吻合，该结果在心脏周期中提供了相似的平均WSS值（0.18至0.95至0.95 N/M 2）。对WSS沿主动脉的分析表明，WSS的相关圆周成分的存在为10-20％，这表明必须考虑WSS的向量性质以完全表征主动脉中的壁剪力。75：519-560（1995）（5）Markl M.等，J Magn Reson IM。 25：824-831（2007）。 （6）Stalder A. F.等，Proc。 ISMRM流动和运动研讨会，纽约（2006）（7）Unser M.，IEEE信号过程。 mag。 16 22–38（1999）（8）Papathanasopoulou P.等，J。Magn。 共振。 im。 17（2）：153-162（2003）（9）Oyre S.等，Magn。 共振。 Med。 40：645-655（1998）（10）Shojima等，中风35：2500-2505（2004）（11）Moore Je Jr.等，动脉粥样硬化110：225-40（1994）（1994）（1994）（12） 32：128 –3475：519-560（1995）（5）Markl M.等，J Magn Reson IM。25：824-831（2007）。 （6）Stalder A. F.等，Proc。 ISMRM流动和运动研讨会，纽约（2006）（7）Unser M.，IEEE信号过程。 mag。 16 22–38（1999）（8）Papathanasopoulou P.等，J。Magn。 共振。 im。 17（2）：153-162（2003）（9）Oyre S.等，Magn。 共振。 Med。 40：645-655（1998）（10）Shojima等，中风35：2500-2505（2004）（11）Moore Je Jr.等，动脉粥样硬化110：225-40（1994）（1994）（1994）（12） 32：128 –3425：824-831（2007）。（6）Stalder A. F.等，Proc。ISMRM流动和运动研讨会，纽约（2006）（7）Unser M.，IEEE信号过程。mag。16 22–38（1999）（8）Papathanasopoulou P.等，J。Magn。共振。im。17（2）：153-162（2003）（9）Oyre S.等，Magn。共振。Med。40：645-655（1998）（10）Shojima等，中风35：2500-2505（2004）（11）Moore Je Jr.等，动脉粥样硬化110：225-40（1994）（1994）（1994）（12） 32：128 –34
SLC4A10突变引起与GABA能传播受损相关的神经系统疾病
SLC4A10是一种血浆膜结合的转运蛋白，它利用Na +梯度驱动细胞HCO 3-摄取，从而介导酸挤出。在哺乳动物大脑中，SLC4A10在主要神经元和中间神经元以及脉络丛的上皮细胞中表达，该器官调节CSF的产生。使用五个无关家庭的样本中的下一代测序，包括九个受影响的个体，我们表明双重性SLC4A10功能丧失变体会导致人类临床上可识别的神经发育障碍。该病情的基本临床特征包括婴儿期肌张力障碍，所有领域的精神运动延迟发展和智力障碍。受影响的个体通常显示出与自闭症谱系障碍有关的特征，包括焦虑，多动症和刻板动作。在两种情况下，据报道，在生命的最初几年中，癫痫发作的发作是分离的，进一步影响的儿童在没有明显的临床癫痫发作的情况下在脑电图上表现出了暂时性的癫痫发作。据报道枕骨围在出生时正常，但在10个受影响的个体中，有7个进化了出生后的小头畸形。神经放射学特征包括与枕骨圆周相比的相对保留，特征性狭窄有时“裂开”的侧脑室和call体异常。SLC4A10 - / - 小鼠，缺乏SLC4A10，还显示出小的侧脑室和轻度的行为异常，包括延迟的习惯和两目标新颖对象识别任务的改变。在SLC4A10 - / - 小鼠和受影响的个体中崩溃的脑腹膜cles cles表明SLC4A10在CSF的生产中起着重要作用。然而，值得注意的是，尽管CSF在发育中的大脑和成年大脑中的各种作用，但SLC4A10 - / - 小鼠的皮质似乎非常完整。与突触标记的共同染色表明，在神经元中，SLC4A10定位于抑制性，但不能兴奋性的午睡。这些发现得到了我们的功能研究的支持，该研究表明，在SLC4A10 - / - 小鼠中释放了抑制性神经肌群的释放，而兴奋性神经递质谷氨酸的释放则保留了。对细胞内pH的操纵部分挽救了GABA释放。我们的研究共同定义了一种与SLC4A10中双重性致病变异相关的新型神经发育障碍，并强调了SLC4A10功能丧失对脑发育，突触传播和网络特性的进一步分析的重要性。
使用实验室和身体成分指标预测代谢功能障碍相关肝病的机器学习应用
摘要背景：代谢功能障碍相关的脂肪变性肝病（MASLD）代表着没有建立治疗疗法的重要全球健康负担。早期检测和预防策略对于有效的MASLD管理至关重要。这项研究旨在开发和验证机器学习（ML）算法，以在地理上多样化的大规模人群中进行准确的MASLD筛查。方法：从伊朗农村法尔斯省（2014年3月）发起的前瞻性FASA队列研究的数据用于此目的。使用血液测试，问卷，肝超声检查和身体检查收集所需的数据。两步方法从100多个变量中确定了关键预测因素：（1）使用平均降低Gini的统计选择在随机森林中的GINI和（2）（2）将临床专业知识与已知MASLD风险因素保持一致。使用了固定验证方法（使用70/30列车/验证拆分），以及验证集上的5倍交叉验证。逻辑回归，天真的贝叶斯，支撑矢量机和光梯度增强机（LightGBM）算法的算法的模型构建具有相同的输入变量基于接收器操作特征曲线（AUC），敏感性，特异性，正面预测值（PPV），负预测值（NPV）和精确度和准确性。结果：该研究中总共包括6,180名成年人（52.7％），分为4816个非MASLD和1364例MASLD案例，平均年龄（±标准偏差[SD]）分别为48.12（±9.61）和49.47（±9.15）年。伊朗大四。逻辑回归的表现优于其他ML算法，其准确度为0.88（95％置信区间[CI]：0.86-0.89），AUC的准确度为0.92（95％CI：0.90-0.93）。在100多个变量中，关键预测因子包括腰围，体重指数（BMI），臀部周长，腕圆周，丙氨酸氨基转移酶水平，胆固醇，葡萄糖，高密度脂蛋白和血压。结论：MAL在MASLD管理中的集成具有巨大的希望，尤其是在资源有限的农村环境中。此外，分配给每个预测因子的相对重要性，特别是腰围和BMI等杰出贡献者，为MASLD预防，诊断和治疗策略提供了宝贵的见解。关键字：逻辑回归，机器学习，非酒精性脂肪肝病，预测模型，农村地区引用了本文：Masaebi F，Azizmohammad Looha M，Mohammadzadeh M，Pahlevani V，Farjam M，Farjam M，Zayeri F等。使用实验室和身体成分指标预测代谢功能障碍相关的脂肪疾病疾病的机器学习应用。2024; 27（10）：551-562。 doi：10.34172/aim.31269
沿着海拔的木质物种的碳库存变化...
下Asteraceae Solanenio Solanacio Mannii（Hook.f。）3 2.38 3下Betulaceae alnus alnus acuminata kunth 3 2.38 2下celastraceae Catha forssk Catha Edulis（Vahl）forssk。ex 3 2.38 2较低的Ericaceae Erica L. Erica Arborea L. 5 3.96 4下埃里卡科·阿古里亚·阿古里亚·阿古里亚·萨利西弗利亚（Comm。ex 2 1.58 1 Lower Euphorbiaceae neoboutonia Neoboutonia Macrocalyx pax 15 11.9 6 Lower Euphorbiaceae Macaranga Kilimandscharica pax 2 1.58 1 Lower Gentiaceae anthoclentist anthoclentist grandiflora Gilg 1 0.79 1 Lower Meliaceae Carapa Carapa Grandiflora Sprague 1 0.79 1较低的Hypercaceae HyperCum HyperCum Revolutum Vahl。4 3.17 3下Meliaceae Lepidatrichilia lepidatricilia volkensii（gürke）10 7.93 4下莫拉西·弗里斯·弗里斯（Moraceae Ficus Tourn）。ex ficus thonningii blume 2 1.58 1降低myrtaceae syzygium gaertn。syzygium guineense（Willd。）DC。3 2.38 2降低番红花桉树桉树Maidenii F.Muell。2 1.58 1下pentaphylacacea balthasaria schliebenii（梅尔奇）3 2.38 2较低的poaceae yushania yushania alpine 1 0.79 1下podocarparteae podocarpus podocarpus latifolius壁。3 2.38 2较低的蛋白质绒毛。Faurea Saligna Harv。24 19.04 11下低渣hagenia hagenia hagenia abyssinica（Bruce）J。F. 30 23.81 12下开胃斑唇裂。f。）1 0.79 1较低的dombeae dombea cav。 Dombea Torrida（J.F.Gmel。） 8 6.34 6中Ericaceae Erica L.Erica Arborea L.155 77.5 20中Ericaceaceae Agauria Agauria salicifolia（Comm。 EX 12 6 7中部超酸HyperCum HyperCum Revolutum Vahl。f。）1 0.79 1较低的dombeae dombea cav。Dombea Torrida（J.F.Gmel。） 8 6.34 6中Ericaceae Erica L.Erica Arborea L.155 77.5 20中Ericaceaceae Agauria Agauria salicifolia（Comm。 EX 12 6 7中部超酸HyperCum HyperCum Revolutum Vahl。Dombea Torrida（J.F.Gmel。）8 6.34 6中Ericaceae Erica L.Erica Arborea L.155 77.5 20中Ericaceaceae Agauria Agauria salicifolia（Comm。EX 12 6 7中部超酸HyperCum HyperCum Revolutum Vahl。17 8.5 9中proteaceae furaa harvFaurea Saligna Harv。14 7 7中间红斑科Hagenia hagenia hagenia hagenia abyssinca（Bruce）J。F. 2 1 2 ag =高度圆周，nos =物种的个体数量，％=物种百分比，np =数量=
确定自闭症谱系障碍儿童的营养状况以及营养教育对家庭的影响
抽象背景/目标：自闭症和自闭症谱系障碍（ASD）是神经发育障碍，具有广泛的行为和症状。这些行为是终生的，通常会导致社会互动，言语和非语言交流以及重复行动的困难。本研究旨在确定自闭症儿童的营养状况和人体测量值，并评估土耳其Gaziantep私立教育中心的父母提供的营养教育的影响。方法：在Hasan Kalyoncu大学特殊教育与研究中心进行了三个月的干预研究，该研究中心为4-9岁（7.2±1.37岁）的十个男性和四个女性自闭症儿童（7.2±1.37岁）进行了一项。营养教育是在开始时以及第一个，第二和第三个月份向家庭提供的。使用问卷来确定儿童的人口特征和饮食习惯。在研究开始和三个月干预结束时，要求参与者在七天的时间内记录他们的食物摄入量。在研究开始时和第一个，第二和第三个月，评估了人体测量和身体组成。计算了体重指数（BMI），腰围围比（WC）和腰围比（WHTR）。在研究结束时，向家庭提供了儿童饮食行为清单（CEBI）和胃肠道严重程度指数（GI）问卷。结果：发现脂肪的能量贡献百分比很高。平均GI得分为5.6。发现能量，纤维，维生素D，B 1，叶酸，铁和钙的摄入量低于建议的每日津贴。高度（P = 0.001），体重（P = 0.021），臀部（P = 0.001），颈部（P = 0.001）和头圆周（P = 0.004），体内脂肪质量（P = 0.001）和体内脂肪百分比（P = 0.001）之间的平均变化在统计上是统计学意义的，在7个月内没有统计学意义。总体而言，有53.1％的儿童至少患有一种胃肠道（GI）症状。最常见的症状是腹泻（64.3％），肠胃胀气（57.1％），腹痛（50.0％）和便秘（35.7％）。结论：大量研究表明，营养教育可以导致自闭症谱系障碍儿童（ASD）带来明显的积极结果。为了最大程度地利用这些好处，必须将营养师纳入支持团队，因为他们可以极大地增强家庭对自闭症儿童营养需求的理解。在此和类似的研究中，很难控制和调节自闭症儿童的营养，因为尽管做了很多努力，但由于发脾气和行为问题，父母通常无法控制孩子的营养。当务之急是医生和父母与营养学家和营养师一起帮助这些孩子保持健康并通过健康饮食来改善生活质量。关键字：自闭症谱系障碍，自闭症，营养教育，营养状况，人体测量学
使用Ashby图表
齿轮通常被定义为齿轮或多杆凸轮，通过连续接合和脱离牙齿的方式将功率和运动从一个轴传递到另一个轴。齿轮通常在众多机器的各个行业中使用，例如工厂自动化，工业机器人，建筑机器，汽车等。尖刺齿轮具有平行于旋转轴的牙齿，用于将功率和运动从一个轴传输到另一个轴（平行轴）。在所有类型的齿轮中，刺齿轮被认为是最简单的齿轮[2]。刺激齿轮的设计取决于输入参数，例如功率，速度，操作条件，疲劳寿命以及需要迭代过程。许多研究人员已经在计算机辅助工程工具的帮助下进行了分析和检查，因此在齿轮的螺距圆圈上估计了在齿轮的牙齿上的有效圆周力，而在网络划分时，在从一个轴到另一个轴向另一个轴的动力和运动传输过程中，在齿轮对中实际上有两种应力。它们是（a）弯曲应力，由于切向力而引起的齿轮齿和（b）由于要发射的功率的径向分量引起的表面接触应力[4]，[5]。已将各种钢，铸铁，青铜和酚树脂用于齿轮。新材料，例如尼龙，钛和烧结铁在齿轮工作中也变得很重要[1]。材料和制造工艺将它们转换为有用的零件，这是所有工程设计的基础。有超过100,000种工程材料可供选择。典型的设计工程师应准备好访问30至60材料的信息，具体取决于他或她处理的应用程序范围[11]。由于材料科学领域的快速发展，研究人员正在提出越来越多的材料。这引起了物质宇宙的巨大增加，并将我们的注意力集中在6个大型类别之间的竞争上：金属，聚合物，弹性体，陶瓷，玻璃，复合材料，因此导致了材料选择过程中的困惑。迈克尔·阿什比（Michael Ashby）建议的一种技术是一种先进的材料选择过程，它提供了材料图，以获取所需物镜的最佳材料，例如最大化质量或刚度。材料限制性能，因此该技术显示了将一个属性与另一个属性绘制的想法。如果该技术是精心实施的，它为我们提供了选择过程的潜在候选材料[6]。在CES Edupack软件上，可以轻松地将提出的想法作为计算机辅助工具实现。在Ashby图表中，都强调了机械，光学，热，物理等特性[7]。如今，几乎每种应用都需要轻巧和高强度设计，例如汽车，机器人应用，航空航天行业和机械。在这项研究中，我们将研究设计轻质和高强度刺激齿轮所需的材料。主要目标，设计要求，