XiaoMi-AI文件搜索系统
World File Search System视神经
2型糖尿病在患者症状归因中的作用...
摘要 - 电子显微镜图像中轴突和髓磷脂的分割使神经科医生可以突出轴突的密度和周围髓磷脂的厚度。这些特性对于预防和预测白质疾病具有极大的兴趣。通常手动执行此任务，这是一个漫长而乏味的过程。我们提出了用于通过机器学习计算该细分的方法的更新。我们的模型基于U-NET网络的体系结构。我们的主要贡献包括在u-Net网络的编码器部分中使用转移学习，以及分割时测试时间增加。我们使用在Imagenet 2012数据集中预先训练的Se-Resnet50骨干重量。我们使用了23张图像的数据集，其中包括相应的分段掩模，这也是由于其极小的尺寸而具有挑战性的。结果表明，与最先进的表演相比，测试图像的平均精度为92％。也必须注意，可用样品是从call体的老年人中取的。与从脊髓或健康个体的视神经中采集的样品相比，这是一种额外的困难，具有更好的轮廓和碎屑较少。索引术语 - 深度学习，分割，髓磷脂，轴突，G比，卷积神经网络（CNN），电子显微镜
Microlens空心核纤维探针用于操作Raman光谱
摘要：我们引入了一个灵活的显微镜全纤维 - 光学拉曼探针，该探针可以嵌入设备中以启用Operando的原位光谱。便捷的探针由嵌套的反无核核纤维与集成的高折射率钛酸稀盐Microlens组成。泵激光785 nm激发和近红外收集是独立表征的，表明了全宽度最大最大1.1μm的激发点。由于这比有效的收集区小得多，因此对收集的拉曼散射的影响最大。我们的表征方案提供了适合使用纤维类型和微球的各种组合来测试这些纤维探针功效的合适方案。在表面增强的拉曼光谱样品和铜电池电极上进行的拉曼测量结果证明了纤维探针的生存能力，可以替代散装视神经拉曼显微镜，从而与10个目标相当地收集，从而为在诸如岩石电池监控等应用中的Operando Raman研究铺平了道路。关键字：空心核纤维，拉曼，Microlens，原位，纤维探针，光子纳米夹■简介
青光眼的炎症和神经退行性变化
简介：青光眼是全球最常见的视神经神经病，也是不可逆转的失明的主要原因，它影响了40-80岁的人口的3.54％。尽管有许多发表的研究，但青光眼发病机理，血清生物标志物及其与其他疾病的潜在联系的某些方面尚不清楚。最近的文章提出自身免疫性，氧化应激和炎症可能与青光眼的发病机理有关。方法：我们研究了青光眼患者中92个炎症和神经营养因子的血清表达。研究组由26名基于数字基金会的青光眼患者和192名健康受试者组成。结果：青光眼患者的血清表达显着降低IL-2Rβ，TWEAK，CX3CL1，CD6，CD5，LAP TGF-BETA1，LIF-R，LIF-R，TRAIL，TRAIL，NT-3和CCL23，并且IL-22Rα1的表达明显更高。结论：我们的结果表明，青光眼患者倾向于具有较低的神经保护蛋白和较高水平的神经炎性蛋白质，类似于在精神病，神经退行性和自身免疫性疾病中观察到的蛋白质，表明这些疾病和glaucoma的病原体之间存在潜在的联系。关键字：青光眼，炎症，神经退行性，蛋白质组学，Olink
微重力中的眼脑轴及其对太空相关的神经 - 眼综合征的影响
长期的人类空间传播会导致眼睛和大脑的变化，这些空间被称为空间 - 空间相关的神经眼综合征（SANS）。这些变化可能表现为症状的星座，其中可能包括视盘水肿，视神经鞘延伸，脉络膜褶皱，地球量，触角偏移，远视和棉质羊毛斑点。尽管尚不清楚SAN的基础机制，但在微重力诱导的头部液体移位后，贡献者可能包括颅内间质流体积累。对SAN的对策的开发和验证有助于我们对病因的理解，并加速了新技术，包括运动方式，下半身负压套件，静脉大腿袖口和阻抗阈值设备。然而，仍然存在显着的知识差距，包括生物标志物，一组完整的对策和/或治疗方案以及最终可靠的基于地面的类似物，以加速研究。欧洲航天局SANS专家小组的这项审查总结了过去的研究和当前有关SAN，潜在对策和关键知识差距的知识，以进一步我们在人类太空中对SAN的理解，预防和治疗，既可以进行人类空间和未来的外地地面探索。
Wolfram（DIDMOAD）综合征的光学萎缩
尽管进行了广泛的文献综述，但2-4综合征对此很了解。尤其是视觉萎缩的自然史，其病理学位和发病机理尚不清楚。在Wolfram的最初描述中，两个长老分别在6和8年时表现不佳，10年后进行检查时，敏锐度减少到手指的计数。该综合征的病例报告所包含的患者太少，无法进行概括。文献综述尚未阐明视际萎缩是否是正常视力时期或始终是渐进的，如果是的，则在什么时间段内。在视觉途径中的病理部位上存在混乱：在一系列7例患者中，发现1例患有色素性视网膜营养不良。5后来对19例患者的电图（ERG）发现的综述得出结论，视觉障碍主要是由于神经节细胞和神经纤维层的病变。6例进一步的患者患有正常的ERG，但视觉异常引起的电位，表明视网膜不参与发病机理？对一名患者的一项验尸研究表明，视神经，chiasm，chiasm，束和辐射的萎缩，严重的轴突破坏和脱髓鞘，以及上丘的数量减少的神经细胞和横向遗传体的数量减少。8
演讲会 下午 12:00
Sonia BOUZIDI “通过深度学习和图像识别增强可持续时尚决策支持。” Sonia BOUZIDI “通过深度学习和图像识别增强可持续时尚决策支持。” Siwar SLIMI “开发情商模型以优化车辆驾驶。” Sirine AMMAR “用于个人服务、智能移动和高级家庭自动化的智能脑机接口方法。” Rahma MAALEJ “从不同的脑活动获取方式自动识别癫痫发作。” Basma JALLOULI “用于老年人心理运动功能的认知评估的多模式方法。” Ibtissem BOUSHILA “探索脑部 MRI 在青少年肌阵挛性癫痫诊断中的应用。” Tayssir BOUSHILA “通过 MRI 图像研究与测量颈髓萎缩：Devic 视神经脊髓炎病例。” Aicha NOUISSER “基于从面部表情、声音甚至身体活动中识别情绪的多模态识别系统。” Dalila OTHMEN “在线阿拉伯语手写识别。” Chawki BARHOUMI “使用深度学习和多模态数据进行情绪识别。” Hend KAROUI “使用深度学习识别心脏病。” Nabil BENHAMED “糖尿病视网膜病变疾病检测的先进技术。” Mahmoud LIMAM “用于文档图像处理的生成深度学习模型。”
使用深度学习的视网膜眼底图像早期检测青光眼的框架” 2279
摘要：青光眼是一种高度危险的眼部疾病，可显着影响人类视力。这是一种视网膜状况，会损害视神经头（ONH），如果在后期发现，可能会导致永久失明。预防永久性失明取决于青光眼在其初始阶段的及时识别和干预。本文介绍了卷积神经网络（CNN）模型，该模型利用特定的建筑设计来通过分析底面图像来识别早期青光眼。这项研究利用了公开访问的数据集，包括用于青光眼分析和研究的在线视网膜底面图像数据库（ORIGA），视网膜的结构化分析（凝视）和视网膜眼底青光眼挑战（避难所）。为了对青光眼进行分类，视网膜底面图像被送入Alexnet，VGG16，Resnet50和InceptionV3模型中。RESNET50和InceptionV3模型都证明了出色的性能，以创建混合模型。ORIGA数据集以97.4％的F1得分达到了高精度，而凝视数据集则获得了更高的精度，而F1分数为99.1％。避难数据集也表现出色，F1得分为99.2％。所提出的方法已经建立了可靠的青光眼诊断系统，帮助眼科医生和医生进行准确的质量筛查和诊断青光眼。
儿童脑肿瘤的自发消退
简介：它们被定义为具有肿瘤放射学特征并在放射学随访期间自行消退的占位性病变。自发性肿瘤消退是一种罕见现象，恶性肿瘤的消退率为1/6万至10万。材料和方法：11 岁女性，多饮、多尿、体重减轻 5 公斤、共济失调、头痛、视力丧失和尿崩症。 CT 检查发现，依赖视交叉的肿瘤占据了丘脑悬池，导致下丘脑向腹侧移位。结果：采用翼点入路和显微手术切除进行切除活检。在手术过程中，发现视交叉和视神经增厚。已报道世界卫生组织 I 级毛细胞星形细胞瘤。在两年的脑部 MRI 跟踪随访中，我们观察到肿瘤完全消退。讨论：肿瘤的部分细胞减灭术、活检、放疗或化疗在肿瘤细胞凋亡的启动中起作用。手术创伤有利于改变肿瘤的生物活性和宿主的免疫状态。结论：手术后残留肿瘤自然消退和自然退化的机制尚不清楚。细胞凋亡可能是共同点，可能的机制包括免疫、遗传和生物因素。
可植入的神经信号的电极获取
潜在市场估计到2025年，全球主动植入医疗设备市场估计将达到267.5亿美元。美国控制着全球市场约40％，其次是欧洲（25％），日本（15％）和世界其他地区（20％）。欧洲最大的市场份额属于德国，意大利，法国和英国。医疗应用•刺激和记录周围神经系统中的神经活动； •获取用于控制运动假体的神经电信号； •刺激视觉假体的视神经； •神经的电刺激，以恢复运动功能；我们的经验设计和制造可植入电极，以获取神经信号。我们的传感器的新颖性在于独特的技术流，该技术流通过使用廉价，柔性，生物相容性材料具有强大的优势，并且成本明显低于现有方法。我们的可植入电极具有生物相容性，并在体内进行了测试。设计和制造具有感觉反馈和双向通信与截肢者树桩外周神经系统的双向交流的神经群体：•假体移动元素的动作由从截肢者的树桩中获取的运动神经信号无线控制； •来自神经假体的手掌和手指的触觉反馈信息无线传输到截肢者树桩中的感官神经分支，从而使截肢者的触觉感觉。寻找合作伙伴：
使用机器学习和深度学习诊断多发性硬化症：挑战与机遇
摘要：多发性硬化症 (MS) 是一种影响中枢神经系统 (CNS) 的疾病，可导致大脑、脊髓和视神经问题。估计共有 280 万人患有 MS。全球每五分钟就会报告一例新的 MS 病例。在这篇综述中，我们讨论了 2011 年至 2022 年期间发表的使用机器学习 (ML) 诊断 MS 的提议方法。已经使用不同类型的数据开发了许多模型，包括磁共振成像 (MRI) 和临床数据。我们确定了在诊断 MS 方面取得最佳效果的方法。最常用的方法是 SVM、RF 和 CNN。此外，我们讨论了 MS 诊断中的挑战和机遇，以改进 AI 系统，使研究人员和从业者能够增强他们的方法并改善 MS 的自动诊断。自动 MS 诊断面临的挑战包括难以将该疾病与具有类似症状的其他疾病区分开来、保护患者数据的机密性、实现可靠的 ML 模型（非专家也可以轻松理解）以及难以收集大量可靠的数据集。此外，我们讨论了该领域的几个机会，例如实施安全平台、采用更好的 AI 解决方案、开发更好的疾病预后系统、结合多种数据类型以更好地预测 MS 并使用 OCT 数据进行诊断、利用更大的多中心数据集来提高所开发模型的可靠性以及商业化。