XiaoMi-AI文件搜索系统
World File Search System宅配术
深度学习的扩散MRI拖拉术
图1。（a）我们提出的拖拉术算法的概述：给定种子点或部分已知的流线，我们的方法提取了相应的局部和邻域DMRI信号，以形成输入数据序列（x 1，…，x t）。然后将此序列馈送到我们的网络中，以预测传播的方向。随后，流线根据给定的步长和传播方向生长。更新的流线（不完整）将是我们方法的新输入，
211术中神经生理监测
o高风险血管手术时有脑缺血的风险（例如，主动脉弓，胸腔主动脉的手术，颈动脉内部切除术，颅内动脉内部畸形，支气管动脉畸形或乳化液或灌木囊肿的过程） with high risk of cord injury (e.g., spinal cord tumor, spinal fracture with cord compression, mechanical spinal distraction, correction of scoliosis surgery) o Other procedures with a high risk of potential injury to essential nervous system structures (e.g., Interventional neuroradiology, neuroma of peripheral nerve, leg lengthening procedure when there is traction on the sciatic nerve).术中神经生理学监测对脊柱的手术不符合上述标准，这在医学上不需要（例如标准的前宫颈椎间盘切除术和融合，宫颈椎间盘置换术）。腰部手术期间术中神经生理学监测不符合上述标准是不需要的（例如腰椎融合，椎板切除术，椎间盘切除术）。术中神经生理学监测在任何其他迹象上都不是医学上必需的，包括以下任何迹象：•监测硬膜外注射•在放射线消融/神经膜上监测•在放置脊髓刺激剂或肠内疼痛泵期间监测•监测。术中神经生理学监测在未达到上述标准时被视为研究。在前宫颈脊柱手术期间对复发性喉神经的术中神经生理监测不符合食管外科手术的标准，被认为是研究的。由于缺乏美国食品和药物管理局的批准，术中对视觉诱发电位的术中监测被认为是研究的，因此使用经颅磁刺激对运动诱发电位进行了术中监测被认为是研究的。
脑转移评估策略
为了分析脑移位现象，我们采用了不同的策略。在 32 例胶质瘤病例中，我们获取了术前和术中的 MR 数据集，以评估脑表面和深部肿瘤边缘的最大位移。在使用神经导航系统软件进行刚性配准后，直接与 2D 和 3D 可视化进行比较。结果发现，在所有病例中，66% 的脑移位变化很大，皮质位移高达 24 毫米，深部肿瘤边缘超过 3 毫米。在术中成像后，神经导航系统在 8 例病例中进行了更新，提供了可靠的指导。为了进行更全面的分析，我们应用了基于体素的非线性配准。为了提高对齐速度，我们使用基于图形硬件支持的 OpenGL 函数的 3D 纹理映射执行了所有插值操作。通过对底层控制点网格进行自适应细化（重点关注主要变形区域），进一步实现了加速。为了快速概览，我们使用不同的 3D 可视化方法评估了已配准的数据集。最后，将结果与初始测量值进行比较，以更好地理解大脑移位现象。总体而言，实验清楚地表明，大脑表面和深层大脑结构的变形是不相关的。2004 Elsevier BV 保留所有权利。
机载多光谱图像序列的自动配准和镶嵌
摘要 机载遥感由于系统部署的灵活性而在农业监测中具有重要的应用。实际应用中的主要障碍是其高成本。为了降低成本，可以使用小型空中平台（例如微型无人机（mini-UAV））上的单个相机来组装多光谱系统。在这种情况下，即使经过仔细调整，相机仍可能存在移位和旋转错位。平台飞行时会捕获连续的帧。因此，在生成任何商业产品以支持实际决策之前，必须进行单帧内的多波段配准和帧间镶嵌以获得整个监测区域的联合配准多光谱图像。在本文中，我们提出了实现此目标的自动算法。这些算法对于没有明显特征的图像场景特别有用。自动和手动评估均证实了所开发的算法在整体平坦地形无明显特征的多传感器数据融合中的有效性。
基于单精度浮点非迭代粗到精配准...
摘要。可变形图像配准是医学图像分析中的关键步骤，用于找到一对固定图像和运动图像之间的非线性空间变换。基于卷积神经网络 (CNN) 的深度配准方法已被广泛使用，因为它们可以快速、端到端地执行图像配准。然而，这些方法通常对具有较大变形的图像对性能有限。最近，迭代深度配准方法已被用来缓解这一限制，其中变换以由粗到细的方式迭代学习。然而，迭代方法不可避免地延长了配准运行时间，并且倾向于在每次迭代中学习单独的图像特征，这阻碍了利用这些特征来促进以后的迭代配准。在本研究中，我们提出了一种用于可变形图像配准的非迭代由粗到细配准网络 (NICE-Net)。在 NICE-Net 中，我们提出了：(i) 单次深度累积学习 (SDCL) 解码器，可以在网络的单次（迭代）中累积学习从粗到细的转换；(ii) 选择性传播特征学习 (SFL) 编码器，可以学习整个从粗到细配准过程的常见图像特征并根据需要选择性传播这些特征。在 3D 脑磁共振成像 (MRI) 的六个公共数据集上进行的大量实验表明，我们提出的 NICE-Net 可以胜过最先进的迭代深度配准方法，而只需要与非迭代方法类似的运行时间。
维生素D和美国婴儿配方中的精选脂肪酸
维生素D（一种对正常钙吸收和骨骼健康至关重要的营养素，在防止婴儿和非常小的孩子的便机中起着重要作用。1980年的《婴儿配方法》以及随后的立法，要求对所有婴儿配方进行防御，至少40 iu，但不超过100 iu维生素D/100千瓦；制造商必须确保其产品中的这些水平。许多制造商还自愿强化了在母乳，二十六烯酸（DHA，C22：6，N-3）和花生四烯酸（ARA，C20：4，N-6）中发现的两个脂肪酸。一些研究表明，这些营养可能在婴儿的视觉和心理发展中起作用。USDA已分析了在12个位置采样选定的婴儿公式，以提供这些营养素的第一个分析数据集。维生素D，脂肪酸，近端，矿物质和一些维生素在13个高度消耗的牛奶和基于大豆的，现成的（RTF）或重建的婴儿配方中进行了分析；对公式进行了未加热和加热的分析，以确定维生素D的保留率。样品，通过HPLC进行紫外线检测。通过气相色谱分析脂肪酸。将这些值与行业报告的标准值进行了比较，并在USDA养分数据库中以供标准参考（SR）中包含。维生素D，DHA和ARA（平均值±SEM）的分析值正在审查中以在SR22（2009）中释放，并与现有的行业提供的数据进行了比较。初步综述表明，维生素D值是可变的，并且满足或超过标签索赔。对于非胸中的婴儿，婴儿配方在相对较短但关键的生长期中消耗掉；至少在这段时间的一部分中，公式是营养的唯一来源。这是第一个用于婴儿配方中营养的USDA生成的分析数据集。
患者概览前列腺癌的设置和初步结果。纵向配准
摘要 简介：新药已被证明可以延长转移性前列腺癌 (PCa) 和去势抵抗性前列腺癌 (CRPC) 男性的寿命。患者概览前列腺癌 (PPC) 的目的是登记和报告这些治疗及其效果。材料和方法：在 PPC 中，瑞典国家前列腺癌登记册的一个新部分从开始激素治疗开始就登记了治疗开始和停止、影像学、前列腺特异性抗原、临床进展评估和患者报告结果测量 (PROM) 的数据。数据以图表形式显示，以告知个别患者的临床决策。为了进行研究，PPC 中的数据与 PCBaSe 相链接，其中包含来自 NPCR 和一些医疗保健登记册的信息。结果：截至 2019 年 12 月，已有 7,882 名男性在 PPC 中登记，其中 3,912 名已达到 CRPC 状态。从开始 ADT 到开始使用雄激素受体靶向药物 (ART) 的中位时间为：接受原发性 ADT 的男性 4 年（四分位距 IQR 6），接受继发性 ADT 的男性 9 年（IQR 6）。在 2016-2017 年所有有 ART 处方的 PCBaSe 男性中，PPC 占 1 480/4 055（36%）。在 PPC 中注册/未注册的男性在癌症特征、主要治疗、合并症和开始 ART 前使用 ADT 的时间方面存在细微差异。结论：在 PPC 中，在现实环境中评估了晚期 Pca 新疗法的使用和效果。PPC 数据可用作决策辅助、质量保证和研究用药。
