扩散模型由于其众多优点已成为一种流行的图像生成和重建方法。然而,大多数基于扩散的逆问题解决方法仅处理二维图像,即使是最近发表的三维方法也没有充分利用三维分布先验。为了解决这个问题,我们提出了一种新方法,使用两个垂直的预训练二维扩散模型来解决三维逆问题。通过将三维数据分布建模为不同方向切片的二维分布的乘积,我们的方法有效地解决了维数灾难。我们的实验结果表明,我们的方法对于三维医学图像重建任务非常有效,包括 MRI Z 轴超分辨率、压缩感知 MRI 和稀疏视图 CT。我们的方法可以生成适合医疗应用的高质量体素体积。代码可在 https://github.com/hyn2028/tpdm 获得
研究已提供证据表明,人类脑类器官 (hCO) 重现了早期大脑发育的基本里程碑,但关于其功能和电生理特性的许多重要问题仍然存在。高密度微电极阵列 (HD-MEA) 是一种有吸引力的分析平台,可用于在细胞和网络规模上进行神经元网络的功能研究。在这里,我们使用 HD-MEA 从切片 hCO 中获取大规模电生理记录。我们记录了几周内 hCO 切片的活动,并从药理学角度探究观察到的神经元动态。此外,我们还展示了如何对获得的记录进行尖峰分类并随后进行跨尺度研究的结果。例如,我们展示了如何在 HD-MEA 上跟踪几天内的单个神经元以及如何推断轴突动作电位速度。我们还从 hCO 记录中推断出假定的功能连接。引入的方法将有助于更好地理解脑类器官中正在发育的神经元网络,并为它们的功能表征提供新方法。
摘要:叶酸受体-α(FR-α)在许多上皮癌中过度表达,包括卵巢癌、子宫癌、肾癌、乳腺癌、肺癌、结肠癌和前列腺癌,但在肾脏、唾液腺、脉络丛和胎盘等正常组织中表达有限。因此,FR-α已成为向FR阳性肿瘤输送治疗剂和成像剂的有希望的靶点。已经开发了一系列基于叶酸的PET(正电子发射断层扫描)放射性药物,用于选择性靶向FR阳性恶性肿瘤。本综述概述了迄今为止关于叶酸衍生的PET放射性结合物的设计、放射合成和用于靶向FR阳性肿瘤的效用的研究进展。本文主要介绍了用氟-18(t 1 / 2 = 109.8 分钟)和镓-68(t 1 / 2 = 67.7 分钟)标记的叶酸放射性结合物的结果,但也讨论了用“外来”和新 PET 放射性核素标记的叶酸,例如铜-64(t 1 / 2 = 12.7 小时)、铽-152(t 1 / 2 = 17.5 小时)、钪-44(t 1 / 2 = 3.97 小时)、钴-55(t 1 / 2 = 17.5 小时)和锆-89(t 1 / 2 = 78.4 小时)。对于肿瘤成像,迄今为止报道的 PET 放射性标记叶酸中,除了 [ 18 F]AzaFol 之外,没有一种完成了从实验室到临床的旅程,该药物在一项多中心首次人体试验中成功用于转移性卵巢癌和肺癌患者。然而,在不久的将来,我们预计会有更多基于叶酸的 PET 放射性药物的临床试验,因为临床对成像和 FR 相关恶性肿瘤的治疗越来越感兴趣。
基于铁的纳米材料(INM),由于其特殊的磁性,出色的生物相容性和功能,已在肿瘤诊断和治疗中已发展为强大的工具。我们在此处概述了诸如氧化铁纳米颗粒,元素掺杂纳米复合材料和铁基有机框架(MOFS)等INM如何显示多功能性,以改善肿瘤成像和治疗。在成像方面,INM提高了磁共振成像(MRI)和光声成像(PAI)等技术的灵敏度和准确性,并支持多模式成像平台的开发。关于治疗,INM在高级策略中起着关键作用,例如免疫疗法,磁性高温和协同组合疗法,这些疗法有效地克服了肿瘤诱导的耐药性并降低全身毒性。INM与人工智能(AI)和放射线学的整合进一步扩展了其精确肿瘤识别,治疗优化和扩增治疗监测的能力。INM现在将材料科学与先进的计算和临床创新联系起来,以实现下一代癌症诊断和治疗学。
a 瑞士苏黎世大学心理学系可塑性研究方法 b 瑞士苏黎世大学和苏黎世联邦理工学院苏黎世神经科学中心 (ZNZ) c 瑞士苏黎世大学大学研究优先计划“健康老龄化动力学” d 法国帕莱索巴黎萨克雷大学、Inria、CEA e 德国莱比锡马克斯普朗克人类认知和脑科学研究所神经病学系 f 加拿大魁北克省蒙特利尔蒙特利尔大学老年医学研究所功能神经影像科 g 美国德克萨斯州奥斯汀德克萨斯大学戴尔医学院计算神经影像实验室 h 美国密歇根州底特律韦恩州立大学老年学研究所和心理学系 i 加拿大蒙特利尔康考迪亚大学心理学系 j 大脑与运动研究所认知神经解剖学实验室épinière,法国巴黎 k 德克萨斯大学心理学系,美国德克萨斯州奥斯汀
人工智能(AI)和成像技术的最新进展显着改变了肿瘤学的诊断和治疗景观(1-3)。越来越多的成像方式,例如CT,PET,US和MRI,正在越来越多地用于肿瘤成像(4-7),而新兴的跨学科领域(例如MR-LINAC)获得了相当多的牵引力(8,9)。肿瘤学中成像和治疗的这种加速融合强调,迫切需要进一步探索包括放射治疗在内的各种肿瘤学专业的AI和成像以增强癌症护理的作用。应对这种需求,提出了标题为“肿瘤学中的人工智能和成像”的主题,从而汇总了149名领域的作者/专家的19项贡献。这些贡献深入研究了AI和成像在肿瘤诊断和治疗中的潜力,探讨了新兴的AI驱动模型,以进行肿瘤学诊断和预测,并强调了从医学图像中提取定量特征以预测肿瘤行为,治疗反应和患者预后。
2019 年 6 月 23 日至 2020 年 3 月 22 日,在 Wah Cantt 第三医院接受脑膜炎检查。材料和方法:通过非概率目的抽样,共纳入 173 名患者。我们的研究纳入了年龄在 2 至 70 岁之间、性别不限且根据临床表现疑似患有脑膜炎的患者。本研究排除了禁用增强 MRI 和腰椎穿刺的患者、确诊为脑膜炎的患者和不同意接受检查的患者。所有患者均以 0.2 毫升/秒的速度接受静脉注射造影剂钆。钆后 T1W 和钆后 FLAIR 图像由顾问放射科医生获取和评估。将发现记录在规定的表格上。对患者进行随访并从实验室收集腰椎穿刺结果。结果:平均年龄为 26.4±23.5 岁,范围从 2 岁至 70 岁。 173 名患者中,98 名(56.6%)为男性,75 名(43.4%)为女性。临床表现如下:喂养不良、易怒和嗜睡 86 人(49.7%),头痛 137 人(79.2%),恶心/呕吐 125 人(72.3%),颈部僵硬 89 人(51.4%),意识水平改变 132 人(76.3%),癫痫发作 78 人(45.1%)和局部神经功能障碍 45 人(26%)。以腰椎穿刺金标准为诊断标准,增强 MRI FLAIR 诊断脑膜炎的灵敏度为 91%,特异性为 85%,PPV 为 87.6%,NPV 为 89.4%,诊断准确率为 88.4%。以腰椎穿刺金标准为标准,增强 MRI T1W 在脑膜炎诊断中的诊断准确率显示敏感性 60.2%、特异性 77.5%、PPV 75.6%、NPV 62.6% 和诊断准确率 68.2%。结论:与增强 T1W 序列相比,增强 FLAIR 序列在检测脑膜增强方面具有更高的敏感性和特异性。因此,对于所有怀疑患有脑膜炎的患者,应将增强 FLAIR 序列作为常规序列添加到 MRI 脑部方案中。
背景:计算机断层扫描 (CT) 仍然是创伤性脑损伤 (TBI) 成像评估的金标准。TBI 本身因其不良影响已成为发展中国家的主要问题。目的:目的是评估患有 TBI 的患者的颅脑计算机断层扫描图像。材料和方法:对 2013 年 11 月 13 日至 2019 年 5 月 31 日期间在尼日利亚乌约大学教学医院因头部受伤而接受颅脑 CT 检查的患者进行了回顾性研究。持续时间与服务中断的不连贯时间无关。应用简单的数据分析评估了患者的人口统计学和 CT 特征。结果:评估了 232 名患者,最小年龄为 6 个月,最大年龄为 78 岁。男性患者占多数,比例为 2.74:1。受影响最大的年龄段为 30-39 岁(23.27%)和 20-29 岁(22.84%)。44 名患者(18.97%)的脑 CT 正常。CT 异常患者中最常见的病变是颅内出血(n = 188,81.03%)。其中,脑外出血(n = 100,53.19%)超过脑内出血(n = 88,46.81%)。一半的脑内出血是多发性的。34.48%(n = 80)的患者出现颅骨骨折。最常见的部位是面骨(n = 24,30.00%),而最少见的部位是枕骨(n = 4,5.00%)。15% 的患者有多处骨折,其中还包括颅底。结论:TBI 在年轻活跃男性中很常见。最常见的病变是伴有外轴偏向的颅内出血。
摘要。宽场成像仪(WFI)是高能天体物理学的高级望远镜(雅典娜)的两种焦平面仪器之一,ESA的下一个大型X射线天文台计划于2030年代初发射。当前的基线光环轨道在L2左右,并且正在考虑太阳 - 地球系统的第二个Lagrangian点。对于潜在的光环轨道,辐射环境,太阳能和宇宙质子,电子和Heions都将影响仪器的性能。对仪器背景的进一步关键贡献是由未关注的宇宙硬X射线背景产生的。重要的是要了解和估算预期的工具背景并研究措施,例如设计模式或分析方法,这可以改善预期的背景水平,以达到具有挑战性的科学要求(<5×10 - 3计数∕ cm 2 ∕ cm 2 kev kev s s in 2至7 kev)。通过考虑到L2处的质子通量的新信息,可以改善Geant4中进行的WFI背景模拟。此外,已对WFI仪器的模拟模型及其在Geant4模拟中采用的周围环境进行了完善,以遵循WFI摄像机的技术开发。©作者。由SPIE发表在创意共享归因4.0未体育许可下。全部或部分分发或复制此工作需要完全归因于原始出版物,包括其DOI。[doi:10.1117/1.jatis.7.3.034001]
我们提出了一种新颖的神经可变形模型 (NDM),旨在从二维稀疏心脏磁共振 (CMR) 成像数据中重建和建模心脏的三维双心室形状。我们使用混合可变形超二次曲面对双心室形状进行建模,该超二次曲面由一组几何参数函数参数化,能够进行全局和局部变形。虽然全局几何参数函数和变形可以从视觉数据中捕捉到总体形状特征,但可以学习局部变形(参数化为神经微分同胚点流)来恢复详细的心脏形状。与传统可变形模型公式中使用的迭代优化方法不同,可以训练 NDM 来学习此类几何参数函数、来自形状分布流形的全局和局部变形。我们的 NDM 可以学习以任意尺度加密稀疏心脏点云并自动生成高质量的三角网格。它还可以隐式学习不同心脏形状实例之间的密集对应关系,以实现准确的心脏形状配准。此外,NDM 的参数直观,医生无需复杂的后处理即可使用。大型 CMR 数据集上的实验结果表明,NDM 的性能优于传统方法。