XiaoMi-AI文件搜索系统
World File Search System神经外科
神经外科成像技术的演变与革命
我们只了解大脑中发生的一小部分事件；因此，尽管迄今为止取得了所有进展，但仍存在一系列问题。尽管如此，神经外科医生发明了新工具来规避困扰其前辈的挑战。随着 20 世纪制造业的蓬勃发展，技术创新蓬勃发展，使神经科学界能够更详细、更精确地研究和操作活体大脑，同时避免对神经系统造成伤害。这篇按时间顺序回顾的目的是 1) 提高未来神经外科医生对该领域最新进展的认识，2) 熟悉增强现实 (AR) 等创新技术，鉴于它们在外科培训中的现成应用，这些技术应纳入教育，3) 能够轻松地将这些技术定制为现实案例，例如混合现实的情况。
立体定向和功能性神经外科课程...
课程主席 Ahmed Raslan，医学博士 | 俄勒冈健康与科学大学神经外科 课程主任 Shannon Anderson，MPAS，PA-C | 俄勒冈健康与科学大学神经外科 Kim Burchiel，医学博士 | 俄勒冈健康与科学大学神经外科 David Spencer，医学博士 | 俄勒冈健康与科学大学神经外科 客座教师 Sharona Ben-Haim，医学博士 | 加州大学圣地亚哥分校健康 Nathan Crone，医学博士 | 约翰霍普金斯大学 Shabbar Danish，医学博士 | 罗格斯大学 Shadi Dayeh，博士 | 加州大学圣地亚哥分校 Dawn Eliashiv，医学博士 | 加州大学洛杉矶分校医学中心 Kelly Foote，医学博士 | 佛罗里达大学 Walid Abdel Ghany，医学博士、博士 | 艾恩夏姆斯大学 Jorge Gonzalez-Martinez，医学博士、博士 |匹兹堡大学 Alex Green 医学博士 | 牛津大学 Kunal Gupta，医学学士，哲学博士 | 印第安纳大学 Simon Hanft 医学博士 | 罗格斯大学 Christopher Honey 医学博士，哲学博士 | 不列颠哥伦比亚大学 Zvi Israel 医学博士 | 哈达萨医学中心 Michael Kinsman 医学博士 | 堪萨斯大学 Andrew Ko 医学博士 | 华盛顿大学 Albert Lee 医学博士 | 印第安纳大学 Jonathan Miller 医学博士 | 凯斯西储大学 Seth F. Oliveria 医学博士 | 普罗维登斯波特兰 Kiran Patel 医学博士 | 圣克莱尔健康中心 Erika Petersen 医学博士 | 阿肯色大学医学院 Julie Pilitsis 医学博士，哲学博士 | 奥尔巴尼医学院 Adolfo Ramirez - Zamora 医学博士 | 佛罗里达大学 Jeffrey Raskin 医学博士 |印第安纳大学 Joshua Rosenow 医学博士 | 西北大学 Jason Schwalb 医学博士 | 亨利福特医疗系统 Sameer Sheth 医学博士、哲学博士 | 贝勒医学院 Konstantin Slavin 医学博士 | 伊利诺伊大学 Ashwin Viswanathan 医学博士 | 贝勒医学院 Jon Willie 医学博士、哲学博士 | 埃默里大学 Zeiad Yousry 医学博士、哲学博士 | 艾恩夏姆斯大学俄勒冈州立大学教职员工
人工智能在神经外科教育中的应用：A
•分析手术模拟期间的性能指标。•学习构成外科专业知识的特定过程的指标集。•使用神经网络和其他算法对参与者分类。•根据模拟中获得的指标提供个性化和定量的反馈。•提供实时视听和度量评估。•评估各种反馈方式（数字，视觉，视觉空间）对绩效提高的影响。•制定个性化培训计划。•确定学习模式。
神经外科成像技术的演变与革命
我们只了解大脑中发生的一小部分事件；因此，尽管迄今为止取得了所有进展，但仍存在一系列问题。尽管如此，神经外科医生发明了新工具来规避困扰其前辈的挑战。随着 20 世纪制造业的蓬勃发展，技术创新蓬勃发展，使神经科学界能够更详细、更精确地研究和操作活体大脑，同时避免对神经系统造成伤害。这篇按时间顺序回顾的目的是 1) 提高未来神经外科医生对该领域最新进展的认识，2) 熟悉增强现实 (AR) 等创新技术，鉴于它们在外科培训中的现成应用，这些技术应纳入教育，3) 能够轻松地将这些技术定制为现实案例，例如混合现实的情况。
神经导航、立体定向神经外科
光学 ................................................................................................................................................ 9 AxiEM ...................................................................................................................................... 9 规划 ................................................................................................................................................ 9 S TEALTH V IZ ...................................................................................................................................... 9 F RAME L INK ...................................................................................................................................... 9 S TRYKER ............................................................................................................................................. 9
计算神经外科 (CNS) 实验室展示
计算神经外科 (CNS) 实验室展示 亲爱的同事们， 在当前的疫情环境中，我们已经学会了如何应对社交距离、任何形式的限制和不确定的时期。尽管如此，我们仍努力向前迈进，在可能和可行的情况下继续我们的外科和临床活动，挑战自己进行远程工作，并在虚拟环境中相互交流（这很可能随着时间的推移变得越来越正常，即使在疫情危机结束时也是如此）。 一些研究已经停止，主要是基于面对面或湿实验室实验的研究，而其他研究并没有中断，例如涉及统计分析、荟萃分析和计算分析的研究。 从这个角度来看，我想借此机会分享一些在计算神经外科实验室完成和/或正在进行的研究，尽管受到校园访问限制的限制，但仍继续远程工作（使用可用数据集、通过远程访问我们的实验室工作站进行计算、与参与研究的学者建立联系等）。计算神经外科是一个新领域，新到在科学界甚至没有自己的位置。尽管过去几年中，许多神经外科医生都参与了计算建模在神经外科和临床神经科学中的应用，但在我们的领域中，“计算”这个形容词始终与“神经科学”联系在一起，被解释为“使用数学工具和理论研究大脑功能的研究领域。它还可以结合电气工程、计算机科学和物理学的各种方法来了解神经系统如何处理信息”（《自然》杂志的定义）。在过去几年中，计算建模、高级数学分析、分形几何、人工智能等在理解、诊断和治疗受神经外科疾病影响的患者方面的应用已经以零星和非系统的方式进行了（并发表了）。计算神经外科 (CNS) 实验室成立于 2019 年，得益于资金和
神经外科住院医师计划 - 华盛顿大学
从华盛顿大学全球阶层研究环境中的实验室中的广泛研究主题中进行选择。为了帮助开发其研究项目，居民向著名的医师科学家委员会介绍了他们的研究计划，称为神经科学研究指导小组。这些指导会议是按季度举行的，并由为研究年份和正在研究计划中的研究年份做准备的居民参加。在这一专门研究期间，临床责任极为有限，以使居民能够专注于他们的学术生产力。
人工智能在神经外科领域的作用不断演变
参考文献 [1] Litjens, G., Et Al. (2017)。“医学图像分析中的深度学习调查。”医学图像分析，42，60-88。 [2] Esteva, A., Et Al. (2021)。“深度学习支持的医学计算机视觉。”自然生物医学工程，5(6)，541-551。 [3] Haidegger, T. (2021)。“人工智能驱动的机器人手术：趋势、进步和挑战。”IEEE 生物医学工程评论，14，27-45。 [4] Ferguson, S., Et Al. (2019)。“用于预测神经外科术后并发症的机器学习模型。”神经外科评论，43(4)，891-900。 [5] Bricault, I., Et Al. (2021)。 “人工智能驱动的机器人神经外科手术：技术和临床结果。”《神经外科杂志》，135(2)，543-553。[6] Shen, D. 等人（2019 年）。“医疗保健中的人工智能：个性化和精准医疗。”《自然医学》，25(1)，44-56。[7] Senders, JT 等人（2018 年）。“神经外科中的机器学习：一项全球调查。”《神经外科评论》，41(3)，585-594。[8] Senders, JT 等人（2020 年）。“用于神经外科结果预测的人工智能。”《柳叶刀数字健康》，2(7)，E352-E361。[9] Topol, EJ（2019 年）。“高性能医疗：人类与人工智能的融合。” Nature Medicine，25(1)，44-56。[10] Rudin，C.（2019）。“停止解释高风险决策的黑箱机器学习模型，并使用可解释的
数据驱动的帕金森病神经外科基因治疗进展
摘要 黑质纹状体多巴胺投射神经元的缺失是帕金森病的一个关键病理，导致基底神经节运动回路功能异常和伴随的特征性运动症状。许多旨在改变潜在疾病和/或改善临床症状的脑实质内递送基因疗法在临床前研究中显示出良好的前景，随后在临床试验中进行了评估。在这里，我们回顾了手术递送基因治疗载体的挑战，这些挑战限制了这些试验的治疗结果，特别是缺乏对载体给药的实时监测。这些挑战最近在包括使用术中 MRI 在内的新型载体递送技术的发展过程中得到了解决。这些技术的临床前开发与腺相关病毒血清型 2 介导的人类芳香族 L-氨基酸脱羧酶基因治疗开发计划中的最新临床转化相关。这种新模式可以直观地看到病毒载体在目标结构内输送的准确性和充分性，从而能够在试验间修改手术方法、套管设计、载体体积和剂量。这些程序的快速、数据驱动的演变是独一无二的，并已导致载体输送的改进。
评论文章神经外科中的脑图谱
背景和目的：脑映射是研究中枢神经系统 (CNS) 的解剖和功能。脑映射有许多技术，这些技术在不断变化和更新。从一开始，脑映射就是侵入性的，并且脑映射需要对暴露的大脑进行电刺激。然而，如今的脑映射不需要电刺激，而且通常不需要患者的任何复杂参与。为了进行脑映射，功能性和结构性神经成像起着至关重要的作用。脑映射技术包括非侵入性技术（结构和功能性磁共振成像 [fMRI]、扩散 MRI [dMRI]、脑磁图 [MEG]、脑电图 [EEG]、正电子发射断层扫描 [PET]、近红外光谱 [NIRS] 和其他非侵入性扫描技术）和侵入性技术（直接皮质刺激 [DCS] 和颈动脉内阿米他测试 [IAT] 或 wada 测试）。