XiaoMi-AI文件搜索系统
World File Search System磁共振
心脑连接：40,000心脏和脑磁共振图像的表型和遗传见解
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
临床数据仓库的大脑T1加权磁共振图像的自动质量控制
图1：来自临床数据仓库和Correponding标签的T1W脑图像的示例。a1：质量高的图像（第1层），没有gadolinium； A2：质量高（第1层），带有Gadolinium； B1：中等质量（第2层），没有Gadolinium（噪声1级）； B2：中等质量（第2层），带有Gadolinium（对比1级）； C1：不良质量（第3层），没有gadolinium（对比2级，运动2级）； C2：不良质量（第3层），gadolinium（对比2级，运动级1级）； D1：笔直排斥（分段）； D2：直接拒绝（裁剪）。
特刊 - 心血管磁共振...
心血管磁共振（CMR）成像是一种多功能和非侵入性成像方式，在常规心脏病学实践中起着越来越重要的作用。最近，新技术 - 包括T1映射，4D流，扩散加权和扩散张量成像（DWI/DTI）以及化学交换饱和转移（CEST） - 进一步扩大了CMR在诊断，风险分层，功能评估，功能评估和管理中的诊断中的作用。本期特刊的目的是在CMR中收集原始的临床和基础研究。欢迎原始研究文章，评论和案例报告。研究领域可能包括（但不限于）以下内容：-CMR评估心脏功能和结构； - 临床心血管疾病中的CMR，例如
通过心血管磁共振检测到迷你甘蔗中的组织学对局灶性心肌纤维化的检测
Minjie Lu Fuwai医院号167号北利希路，Xicheng区，北京，中国邮政法典：100037电话：13681042002电子邮件：coolkan@163.com融资和致谢：这项工作得到了中国国家自然科学基金会[赠款编号81971588]；中国医学科学院关键实验室（种植）的建筑研究项目[赠款编号2019PT310025]；高级医院临床研究的青年关键计划[2022-GSP-QZ-5赠款]；国家外国专家人才项目[赠款编号G2021194020L]；北京联合医学院的本科教育改革项目[赠款编号2023ZLGL 026]；和国家高级医院临床研究资金（2022-GSP-QN-17）。 我们非常感谢Vanessa Ferreira博士，Stefan Piechnik博士和Qiang Zhang博士对这项研究的宝贵指导和贡献。 vanessa Ferreira是牛津大学心血管医学高级研究员，并感谢英国Kusuma Trust的资金。 利益冲突：无声明Minjie Lu Fuwai医院号167号北利希路，Xicheng区，北京，中国邮政法典：100037电话：13681042002电子邮件：coolkan@163.com融资和致谢：这项工作得到了中国国家自然科学基金会[赠款编号81971588]；中国医学科学院关键实验室（种植）的建筑研究项目[赠款编号2019PT310025]；高级医院临床研究的青年关键计划[2022-GSP-QZ-5赠款]；国家外国专家人才项目[赠款编号G2021194020L]；北京联合医学院的本科教育改革项目[赠款编号2023ZLGL 026]；和国家高级医院临床研究资金（2022-GSP-QN-17）。我们非常感谢Vanessa Ferreira博士，Stefan Piechnik博士和Qiang Zhang博士对这项研究的宝贵指导和贡献。vanessa Ferreira是牛津大学心血管医学高级研究员，并感谢英国Kusuma Trust的资金。利益冲突：无声明
浅施主电子顺磁共振分析
我们通过电子顺磁共振（EPR）光谱研究了n型Si掺杂-Ga 2 O 3块体样品的传导机制，并证明了室温下GHz频率范围内的载流子动力学。Si浅施主EPR和传导电子自旋共振（CESR）光谱表现出不寻常的线宽和线形温度依赖性，这表明了可变范围的跳跃传导和施主聚集。EPR信号强度的温度依赖性可以用40K以下和40K以上温度范围内能量为4meV和40meV的两个热激活过程来拟合。40meV的值归因于Si浅施主的电离能，表明跳跃通过导带进行。在T=130K以上和室温以下，可以观察到传导电子自旋共振（CESR），线宽B<1G减小，这表明自旋翻转散射可忽略不计。为了说明 Ga 2 O 3 中浅施主的异常行为，我们分析了 ZnO 中的氢浅施主，我们观察到了不同的“经典”行为，其特点是施主在 40K 以下定位，在 T=90K 以上导带中发生热电离。在 ZnO 中，由于高温下谱线过度增宽，因此只能在 90K 的小温度范围内观察到 CESR。
临床代谢组学和个性化医学中的核磁共振光谱：当前的挑战和观点
个性化医学可能是现代医学中最有希望的领域。这种方法试图根据个人患者特征来优化疗法和患者护理。它的成功很大程度上取决于疾病的表征及其进化的方式，患者的分类，其随访和治疗方法可以优化。因此，个性化医学必须结合创新的工具来测量，集成和建模数据。朝着这一目标，临床代谢组学似乎非常适合获取相关信息。的确，代谢组学的签名为患者对病理学和/或治疗的反应，提供预后和诊断生物标志物并改善治疗结果而对患者进行分层的关键见解。但是，将代谢组学从实验室研究转换为临床实践仍然是一项挑战。核磁共振光谱（NMR）和质谱法（MS）是测量代谢组的两个关键平台。NMR具有临床代谢组学至关重要的几个优点和特征。的确，NMR光谱本质上非常健壮，可重复，无偏，定量，在结构分子水平上提供信息，几乎不需要样品制备和减少数据处理。nmr也非常适应大型队列，多点线和纵向研究的测量。本综述着重于在临床代谢组学和个性化医学背景下NMR的潜力。从临床水平上基于NMR的代谢组学的当前状态开始，并强调其优势，劣势和挑战，本文还探讨了如何与最初的“反对派”或“竞争”，NMR和MS远距离整合，并且在样本分类和生物标记方面表现出了极大的互补性。最后，观点讨论提供了对当前方法论发展的见解，这些发展可能显着提高NMR，作为用于临床应用和护理点诊断的更加紧密，敏感且易于使用的工具。由于这些进步，NMR具有强大的潜力，可以加入目前在临床环境中使用的其他分析工具。
CPAP和下颌进步装置处理对OSA 1心脏结构和功能的比较效应：心血管磁共振
CPAP和下颌发展装置处理对OSA中1个心脏结构和功能的比较效果：心血管磁共振共鸣2随机对照研究3 4短标题：新月CMR 5 6 Nithin R. Iyer Mbbs 1,2
Brain-on-Cloud 通过 3D 结构磁共振全脑扫描自动诊断阿尔茨海默病
背景和目标：阿尔茨海默病约占痴呆症病例的 70%。从 T1 加权结构磁共振扫描中可以轻松发现阿尔茨海默病引起的皮质和海马萎缩。由于在综合征的初期及时进行治疗干预对患病对象的病情进展和生活质量都有积极影响，因此阿尔茨海默病的诊断至关重要。因此，本研究依赖于开发一个强大而轻量级的 3D 框架 Brain-on-Cloud，该框架致力于通过改进我们最近的基于卷积长短期记忆的框架，并集成一组数据处理技术，以及调整模型超参数并评估其在独立测试数据上的诊断性能，从 3D 结构磁共振全脑扫描中有效学习与阿尔茨海默病相关的特征。方法：为此，在可扩展的 GPU 云服务上进行了四次连续实验。对它们进行比较，并调整最佳实验的超参数，直到达到最佳性能配置。同时，设计了两个分支。在 Brain-on-Cloud 的第一个分支中，在 OASIS-3 上进行训练、验证和测试。在第二个分支中，使用来自 ADNI-2 的未增强数据作为独立测试集，并评估 Brain-on-Cloud 的诊断性能以证明其稳健性和泛化能力。计算每个受试者的预测分数，并根据年龄、性别和简易精神状态检查进行分层。结果：在最佳状态下，Brain-on-Cloud 能够分别在 OASIS-3 和独立 ADNI-2 测试数据上以 92% 和 76% 的准确率、94% 和 82% 的灵敏度以及 96% 和 92% 的曲线下面积辨别阿尔茨海默病。结论：Brain-on-Cloud 是一种可靠、轻量且易于复制的框架，可用于通过 3D 结构磁共振全脑扫描自动诊断阿尔茨海默病，无需将大脑分割成各个部分即可表现出色。在保留大脑解剖结构的情况下，其应用和诊断能力可以扩展到其他认知障碍。由于其云特性、计算轻量和执行速度快，它还可以应用于实时诊断场景，提供及时的临床决策支持。
贫血对左心室功能的影响和基本高血压患者的变形：心脏磁共振研究
必需高血压（HTN）升级心脏，脑和肾脏事件的风险（1）。2010年，HTN的全球患病率约为14亿，预计到2025年将增加到16亿（2）。htn在全球医疗系统上造成了重大负担，并成为全球心血管疾病（CVD）和总体死亡率的主要修改风险因素（3,4）。贫血影响了全球人口的大约三分之一，导致神经系统发展受损，工作效率降低以及发病率和死亡率提高（5）。贫血减少组织氧递送，引起心血管反应，可能导致损伤，表现为心脏增大，左心室肥大（LVH）和动脉重塑（6）。贫血是HTN患者心血管不良结局的重要危险因素。慢性贫血增加了预紧力，减少后负载并提高心输出量，可能导致适应不良的LVH，这是不良后果和整体死亡率的已知危险因素（7,8）。随着老化的衰老，HTN的发病率上升，使老年患者更容易受到贫血的合并症。尽管这两种情况都可以独立损害心血管系统（6,9,10），但它们的组合可能会恶化心脏功能障碍（11）。尽管它是该人群中死亡率的独立预测指标的重要性（12），但贫血经常被忽视，从而低估了其对心脏健康的影响，尤其是HTN患者的心脏结构和功能。据我们所知，没有研究使用CMR功能跟踪（CMR-FT）技术来研究心脏磁共振（CMR）在心脏病学中对于其独特而错综复杂的成像技术至关重要，通过提供精确测量LV体积和功能，组织表征和疤痕定量，可以进行彻底的评估（13）。CMR对于检测与HTN相关的微妙变化特别有价值，包括使用心肌功能跟踪的早期心肌功能障碍，这可能会彻底改变HTN患者的LV风险评估（14）。多项已发表的研究表明，糖尿病患者，慢性肾脏疾病（CKD）或CVD患者的贫血与LV舒张功能障碍之间存在联系，但发现不一致（15）。
使用合成数据自动检测临床数据仓库中脑 T1 加权磁共振图像中的运动伪影
临床数据仓库 (CDW) 包含数百万患者的医疗数据，为开发计算工具提供了绝佳的机会。磁共振图像 (MRI) 对图像采集过程中的患者运动特别敏感，这将导致重建图像中出现伪影（模糊、重影和振铃）。因此，CDW 中的大量 MRI 被这些伪影破坏，可能无法使用。由于扫描次数太多，无法手动检测它们，因此有必要开发工具来自动排除（或至少识别）带有运动的图像，以充分利用 CDW。在本文中，我们提出了一种从研究到临床数据的新型迁移学习方法，用于自动检测 3D T1 加权脑 MRI 中的运动。该方法包括两个步骤：使用合成运动对研究数据进行预训练，然后进行微调步骤，以将我们的预训练模型推广到临床数据，这依赖于 4045 张图像的标记。目标是 (1) 能够排除具有剧烈运动的图像，(2) 检测轻微的运动伪影。我们的方法在第一个目标上实现了出色的准确率，平衡准确率几乎与注释者的准确率相似（平衡准确率 > 80 %）。然而，对于第二个目标，其表现较弱，远低于人类评分者。总体而言，我们的框架将有助于在医学成像中利用 CDW，并强调对基于研究数据训练的模型进行临床验证的重要性。