XiaoMi-AI文件搜索系统
World File Search System帕金
用于预测帕金森氏病的混合模型
帕金森氏病是一种影响个人运动的中枢神经系统疾病。已经观察到帕金森氏病的患者患有手写异常，弯腰姿势，语音或语音疾病等。这项工作旨在实施能够从早期症状中预测PD的通用机器学习模型。在这项研究中，对UCI机器学习存储库和螺旋的语音数据集进行了试验，以研究组合模型的准确性。为了提高预测的准确性，从语音数据集中提取的功能是抖动，Shimmer，NHR，DFA和PPE。此外，从手写数据集提取的功能是压力，握把角，时间戳，径向速度，速度等。在上述数据集中对CNN，LSTM，Resnet等不同的机器学习模型进行了实验。从研究中可以看出，与此工作中使用的其他模型相比，具有适当的超级参数调整的CNN/LSTM模型效果很好。语音数据集上CNN/LSTM的准确性为88％，手工编写数据集为92％。。
帕金森病的进展模型
在这项工作中，我们开发了统计方法，根据患者的重复测量结果对疾病进展进行建模，重点关注帕金森病 (PD)。一个关键挑战在于 PD 患者之间存在固有的异质性，以至于现在怀疑 PD 包含多种亚型或运动表型。为了深入了解疾病进展，研究建议在多个时间点为每个患者收集广泛的标记物测量值。这些数据允许通过统计建模研究疾病的进展模式。在第一部分中，我们模拟了 PD 标量标记物的进展。我们扩展了疾病进展模型，即纵向时空模型。然后，我们提出解决数据缺失问题，并对不同性质的标记物的联合进展进行建模，例如临床评分和从成像模式中提取的标量测量。通过这种方法，我们模拟了 PD 的早期运动进展，并在第二项研究中模拟了特发性 PD 进展的异质性，重点关注睡眠症状。在论文的第二部分，即独立的部分，我们处理了医学图像的纵向建模。对于这些高维数据，深度学习通常被使用，但主要是在横断面设置中，忽略了可能的内部动态。我们建议利用深度学习作为降维工具来构建疾病进展的时空坐标系。我们首先利用这种灵活性来处理多模态数据。然后，我们利用假设随时间单调性而产生的自我监督，为建模时间变异性提供更高的灵活性。
初级运动皮层锥体束神经元细胞兴奋性降低，导致模拟帕金森病运动皮层网络活动反常增加
。CC-BY 4.0 国际许可证可在未经同行评审认证的情况下获得）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是
左旋多巴诱导的非周期性爆发动力学变化与帕金森病的个体临床改善有关
1. 艾克斯·马赛大学，CNRS，INT，德拉蒂莫内神经科学研究所，13005，马赛，法国。 2. 艾克斯-马赛大学、INSERM、INS、系统神经科学研究所，13005，马赛，法国 3. 中央地中海学院，13013，马赛，法国。 4. APHM，马赛大学医院，蒂莫内医院神经病学和运动障碍科，13005，法国。 5. 斯特拉斯堡大学神经科学认知与适应性实验室，67000 斯特拉斯堡，法国。 6. 罗马生物医学大学校园工程系非线性物理和数学模型组，意大利 00128。 7. 外科癫痫病科、功能性和立体定向神经外科，蒂莫内大学医院，13005，马赛，法国。8. 艾克斯马赛大学，UMR INSERM 1106，功能性神经外科系，13005，马赛，法国。¡ 资深作者 * 通讯作者：hasnae.agouram@univ-amu.fr，pierpaolo.sorrentino@univ-amu.fr
帕金森氏病的慢性疼痛：患病率，性别差异，
此预印本版的版权持有人于2025年2月12日发布。 https://doi.org/10.1101/2025.02.09.25321969 doi：medrxiv preprint
143例白质病变患者的视网膜评估 对ADHD中的烦躁及其关系的定量分析... VOJTA治疗对唐氏综合症患者步态能力的直接影响：一项试点研究 评估计算机视觉综合征和埃塞俄比亚亚的斯亚贝巴员工之间的相关因素 社论：脑肿瘤和神经退行性疾病的分子病理学，生物标志物和治疗剂 帕金森氏病的自主功能障碍研究的进步 英国的大麻使用：医学和休闲大麻用户的个体差异的定量比较 跨学科方法通过可持续设计加速了混合可再生能源系统的采用 海洋放线菌：抗菌发现的隐藏宝藏 病例报告：使用全面的心胸MRI方法与免疫检查点抑制剂相关的肌毒性监测：临床病例的见解 引用Xia M，Zhao Y，Yu T，Lin X，Liao G，Jiang Y，Mao J，Peng J和Cai S（2025）基线HBSAG定量和CD4 T细胞计数 社论：皮肤血管炎和血管病 开发用于预测早期不屈服的机器学习模型突出了北极研究中RAID得分实现的强大预测重要性 基于AAV的实验动物中人类疾病建模的向量 瘤胃微生物的影响
与没有这种病变的那些相比，缺血性中风后的预后（3），并且它们经历了更大程度的认知障碍（4）。WML可能是由脑小血管疾病引起的，脑白质血液流量减少（5）。目前，WML的原因通常归因于慢性小血管疾病。一些研究发现，脑灌注减少可能会导致双侧缺血和缺氧，从而导致微循环疾病并恶化神经变性（6）。次要皮质损伤会发生，因为白质纤维之间的连接受损（7）。然而，除了包括年龄和高血压在内的危险因素外，视网膜微血管异常的严重程度与lacunar梗死的发生和发展有关（8）和WMLS（9）（如多项研究中）。减少了视网膜微动菌和微化的数量，以及视网膜内层内层厚度的减小，与认知能力受损，灰色和白色质量较低以及损害的白质网络结构显着相关（10）。
pBrain：一种用于帕金森相关脑结构分割的新型管道
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
量化大脑连接和心跳动态之间耦合的框架：深入了解帕金森病中破坏的网络生理学
图 1 方法流程。（a）计算不同频带（α、β、γ）上随时间变化的 EEG 功率；（b）估计两个 EEG 通道之间的随时间变化的连接。（c）根据 ECG 计算心率变异性序列并估计心脏交感神经-副交感神经活动。（d）通过计算最大信息系数 (MIC) 进行大脑连接 - 心脏耦合估计。通过评估两个时间序列之间的相似性来实现耦合量化，而不管信号的曲率如何。MIC 方法使用如图所示的调整网格分别评估不同段之间的相似性。整体测量结合了整个时间过程中观察到的相似性。ECG，心电图；EEG，脑电图。
肠道菌群对帕金森氏病的预防和进化的影响
荣誉教授：盖伊·巴拉萨德先生，伊夫·巴拉先生，克劳德特·布莱恩德女士，雅克·卡特丁先生，MmeAndréeCremieux，GérardDumenil先生E Sylvie负责上学的Manon Bonifay女士：Nathalie Besnard夫人