XiaoMi-AI文件搜索系统
World File Search System脑组织
人脑组织切片中细胞内神经素颗粒的标准化自动定量
AI artificial intelligence ROI region of interest eNM extracellular neuromelanin SND substantia nigra pars compacta, dorsal tier H&E Hematoxylin and Eosin SNL substantia nigra pars compacta, lateral part iNM intracellular neuromelanin SNpc substantia nigra pars compacta PD Parkinson's disease SNV substantia nigra pars compacta,腹侧
脑组织氧气监测创伤性脑损伤
斯德哥尔摩大学，斯德哥尔摩，瑞典B外科科学系，功能药理学和神经科学系，乌普萨拉大学，乌普萨拉，乌普萨拉，瑞典C佛罗里达大学心理学系，美国盖恩斯维尔，盖恩斯维尔，盖恩斯维尔，美国哥伦比亚郡的临床转换课程，麦克维尔·科特斯·科特斯·科特斯，科学杂志。佛罗里达州，美国盖恩斯维尔的佛罗里达州社会心理学研究所，人文与社会科学学院，西安·贾腾大学，夏安克斯，中国sahlgrenska Academy神经科学与生理学研究所，哥特登堡大学，哥特登堡，哥特登堡，乔治·赫德尔姆·斯托克（Gothenburg）瑞典斯德哥尔摩的Karolinska Institutet和斯德哥尔摩大学中心斯德哥尔摩大学，斯德哥尔摩，瑞典B外科科学系，功能药理学和神经科学系，乌普萨拉大学，乌普萨拉，乌普萨拉，瑞典C佛罗里达大学心理学系，美国盖恩斯维尔，盖恩斯维尔，盖恩斯维尔，美国哥伦比亚郡的临床转换课程，麦克维尔·科特斯·科特斯·科特斯，科学杂志。佛罗里达州，美国盖恩斯维尔的佛罗里达州社会心理学研究所，人文与社会科学学院，西安·贾腾大学，夏安克斯，中国sahlgrenska Academy神经科学与生理学研究所，哥特登堡大学，哥特登堡，哥特登堡，乔治·赫德尔姆·斯托克（Gothenburg）瑞典斯德哥尔摩的Karolinska Institutet和斯德哥尔摩大学中心
下一代人类大脑组织学图谱及其在自动脑部 MRI 分割中的应用
图 1：组织学图谱中的 NextBrain，具有优点（）、缺点（）和中立点。（）。（A）打印的图谱 [1]，其中包含一组稀疏的手动追踪切片 [1]。（BG）覆盖范围有限的特定 ROI 的组织学图谱：（B）手动追踪的基底神经节切片 [8]；（C）确定性丘脑图谱的 3D 渲染 [11]；（DF）追踪的 MRI 切片、组织学切片和海马图谱的 3D 渲染 [12]；（G）我们的丘脑概率图谱切片 [14]。（HN）整个人脑的组织学图谱：（H）BigBrain 的 3D 重建切片 [13]；（I）MNI 模板上的 Julich-Brain 标签切片； (J) 标记的 Allen 参考脑组织学切片 [7]；(K) 使用受 (J) 启发的协议标记 MNI 模板；(LN) AHEAD 脑的 MRI、组织学和 3D 渲染 [22]。(OS) 我们的新图谱 NextBrain 包括五个标本的密集 3D 组织学 (OP) 和全面的手动标记 (Q)，从而可以构建概率图谱 (R)，该图谱可与贝叶斯技术相结合，自动标记体内 MRI 扫描中的 333 个 ROI (S)。
HER2阳性乳腺癌：临床和分子方面 基于多壁碳纳米管和纤维素纳米晶体的混合泡沫，用于各向异性电磁屏蔽和热传输 年轻学生对中细菌和病毒的理解 社论：风险和保护因素，家庭环境和（a）典型的神经发育结果 评估电池租赁和销售电动车队的经济和环境影响：一项有关客户和公司含义的研究 clec11a改善胰岛素分泌并促进人β细胞中的细胞增殖 回收锂电池 深海海绵Geodia Barretti（Metazoa，Porifera，demospongiae）的整个基因组序列 北部北欧国家的电动汽车电池 脑组织氧气监测创伤性脑损伤 英国生物银行的见解 决策分析期刊
Abbreviations ADC: Antibody-drug conjugate ADCP: Antibody-dependent cell phagocytosis ADCC: Antibody-dependent cellular cytotoxicity AI: Aromatase inhibitor AKT: Protein kinase B ASCO-CAP: American Society of Clinical Oncology/College of American Pathologists CAR-T cells: Chimeric antigen receptor T cells cTNM: Clinical肿瘤淋巴结 - 纳斯症CDK：依赖细胞周期蛋白的激酶CCL5：趋化因子（C-C基序）配体5 CHI3L1：几丁质酶-3样蛋白1 CHRM1：毒蕈碱乙酰胆碱受体受体M1 DCIS M1 DCIS M1 DCIS M1 DCIS M1 DCIS：DDPCR：DDDPCR：DDDPCR：ddplet DIDIDER DIMDASE CRASSENT CONSE RIDENCASE COSSERVER DILDATE CRASSISS COMENCASS COMASE DRFFS： Early Breast Cancer Trialists' Collaborative Group EC: Epirubicin and cyclophosphamide EGFR: Epidermal growth factor receptor ER: Estrogen receptor ERBB2: Human epidermal growth factor receptor 2 (HER2) ERK: Extracellular signal-regulated kinase FDR: False discovery rate FZD: Frizzled receptors GNRH: Gonadotropin-releasing hormone GPCR: G蛋白偶联受体GPRC5D：G蛋白偶联受体C类C组5成员D HER1：人表皮生长因子受体1（EGFR）HER2：人类表皮生长因子受体2
固定和石蜡包埋的新鲜脑组织染色......
术中组织学对于手术指导和决策至关重要。然而，冷冻切片苏木精和伊红 (H&E) 染色的准确性较低，而金标准福尔马林固定石蜡包埋 (FFPE) H&E 染色时间过长，不适合术中使用。受激拉曼散射 (SRS) 显微镜已显示出具有脂质/蛋白质对比的脑组织学快速组织学，但很难产生与病理学家可解释的基于核酸/蛋白质的 FFPE 染色相同的图像。在这里，我们报告了一种半监督受激拉曼 CycleGAN 模型的开发，该模型使用未配对的训练数据将新鲜组织 SRS 图像转换为 H&E 染色。在 3 分钟内，可以生成与真实 H&E 完美匹配的受激拉曼虚拟组织学 (SRVH) 结果。盲检结果表明，经认证的神经病理学家能够在 SRVH 上区分人类神经胶质瘤的组织学亚型，但在常规 SRS 图像上却很难区分。SRVH 可提供比冷冻 H&E 更好的术中诊断，速度和准确性都更高，可扩展至其他类型的实体肿瘤。
基于微型微镜的哺乳动物脑组织的密集连接组重建
摘要：大脑细胞网络的信息处理能力取决于神经元及其分子和功能特征之间的物理布线模式。映射神经元并解决其单个突触连接可以通过在纳米级分辨率下以密集的细胞标记在纳米级分辨率下实现。光学显微镜独特地定位于可视化特定的分子，但是由于分辨率，对比度和体积成像能力的限制，光学显微镜的密集，突触级的电路重建已经无法触及。在这里，我们开发了基于光微镜的连接组学（LICONN）。我们将专门设计的水凝胶嵌入和扩展与基于深度学习的分割和连通性分析进行了整合，从而将分子信息直接纳入突触级脑组织重建中。liconn将允许以易于采用的方式在生物学实验中进行突触级的脑组织表型。
大脑组织的梯度：方法顺畅
多模式神经成像使强大的体内窗口融入了人脑的结构和功能。最新的方法论和概念进步已能够研究大脑结构和功能中大型空间趋势（或梯度）之间的相互作用，从而提供了一个框架，以跨多个尺度统一大脑组织的原理。对这些技术的强烈社区热情在广泛的采用和实施中发挥了作用，以回答神经科学中的关键问题。在对该框架的当前文献进行了简要回顾之后，该观点论文将突出务实的步骤如何使社区更容易访问梯度方法，从而将这些技术推向了神经科学查询的最前沿。更具体地说，我们将强调如何通过数据共享，开源软件开发以及由一组早期职业研究人员团队领导的专门研讨会的组织来催化对梯度方法的兴趣。为此，我们认为，对大脑梯度的日益激励是建立包容性社区的协调和一致努力的结果，可以作为一个为未来创新和神经信息方面的概念进步的典范。我们通过讨论挑战神经科学理论，方法论创新和现实世界翻译的挑战来结束这篇观点论文，以维持我们朝着大脑组织综合模型的集体进步。
深度学习模型揭示了人类功能大脑组织中可复制、可推广和行为相关的性别差异
性别在人类大脑发育、衰老以及精神和神经系统疾病的表现中起着至关重要的作用。然而，由于发现不一致和缺乏复制，我们对人类功能性大脑组织的性别差异及其行为后果的理解受到了阻碍。在这里，我们使用时空深度神经网络 (stDNN) 模型来应对这些挑战，以揭示区分男性和女性大脑的潜在功能性大脑动态。我们的 stDNN 模型准确区分了男性和女性的大脑，在来自同一个人和三个独立队列（N ~ 1,500 名 20 至 35 岁的年轻人）的多会话数据中表现出始终如一的高交叉验证准确率（> 90%）、可复制性和可推广性。可解释人工智能 (XAI) 分析显示，与默认模式网络、纹状体和边缘网络相关的大脑特征在会话和独立队列中始终表现出显着的性别差异（效应大小 > 1.5）。此外，XAI 得出的大脑特征准确预测了性别特定的认知特征，这一发现也得到了独立复制。我们的结果表明，功能性大脑动力学中的性别差异不仅具有高度可复制性和可推广性，而且与行为相关，挑战了男性-女性大脑组织连续性的概念。我们的研究结果强调了性别作为人类大脑组织中的生物决定因素的关键作用，对于开发精神和神经系统疾病的个性化性别特定生物标志物具有重要意义，并为未来的研究提供了创新的基于 AI 的计算工具。
多中心胎儿脑组织注释 (FeTA) ...
摘要 — 分割是分析发育中的人类胎儿大脑的关键步骤。过去几年，自动分割方法有了很大的改进，胎儿脑组织注释 (FeTA) 挑战赛 2021 帮助建立了胎儿脑分割的优秀标准。然而，FeTA 2021 是一项单中心研究，算法在不同成像中心之间的通用性仍未解决，限制了现实世界的临床应用。多中心 FeTA 挑战赛 2022 专注于提高磁共振成像 (MRI) 胎儿脑分割算法的通用性。在 FeTA 2022 中，训练数据集包含来自两个成像中心的图像和相应的手动注释多类标签，测试数据包含来自这两个成像中心以及另外两个未见过的中心的图像。来自不同中心的数据在许多方面有所不同，包括使用的扫描仪、成像参数和应用的胎儿脑超分辨率算法。16 支队伍参加了挑战赛，评估了 17 种算法。这里提供了挑战赛结果的详细概述和分析，重点关注提交内容的普遍性。无论是在领域内还是领域外，白质和脑室的分割准确度都最高，而最具挑战性的结构仍然是大脑皮层，因为解剖学复杂性。FeTA Challenge 2022 能够成功评估和提高 MRI 多类胎儿脑组织分割算法的普遍性，并继续对新算法进行基准测试。由此产生的新方法有助于改善对子宫内大脑发育的分析。1
在人脑组织的逆粘弹性参数识别中使用基于 dropout 的主动学习和替代模型
逆向力学参数识别可以表征难以实现均匀变形状态的超软材料。但是，这通常需要很高的计算成本，而这主要取决于正向模型的复杂性。虽然有限元模型等模拟方法可以捕捉几乎任意的几何形状并实现相关的本构方程，但它们的计算成本也很高。机器学习模型（例如神经网络）在用作替代复杂高保真模型的替代模型时可以帮助缓解此问题。因此，在初始训练阶段之后，它们充当降阶模型，在此阶段它们学习高保真模型的输入和输出关系。由于需要进行模拟运行，因此生成所需的训练数据需要很高的计算成本。在这里，主动学习技术可以根据训练模型的估计获得准确度来选择“最有价值”的训练点。在这项工作中，我们提出了一个循环神经网络，它可以很好地近似粘弹性有限元模拟的输出，同时显著加快评估时间。此外，我们使用基于蒙特卡洛辍学的主动学习来识别信息量很大的训练数据。最后，我们通过识别人类脑组织的粘弹性材料参数来展示开发的管道的潜力。