XiaoMi-AI文件搜索系统
World File Search System震颤
一项针对长期植入基本震颤患者的数据驱动自适应深脑刺激的试点研究
深脑刺激（DBS）是帕金森氏病（PD）和Essential-Tremor（ET）的已建立疗法。在自适应DBS（ADB）系统中，刺激参数随着神经信号的函数的在线调整可能会改善治疗效率并减少副作用。最新的ADBS系统使用源自神经信号的症状替代物（NMS如此称呼的神经标记（NMS）），并在患者组水平上确定，并假设症状和NMS的平稳性控制策略。我们旨在通过（1）一种数据驱动的方法来改进这些ADBS系统，用于识别患者和会议的NMS以及（2）使用短期非平稳动态的控制策略应对。两个构建块的实现如下：（1）数据驱动的NM基于机器学习模型，该模型估计了电视学信号的震颤强度。（2）控制策略解释了震颤统计的局部变异性。我们对三名长期植入ET患者进行的研究等于五个在线课程。从加速度计数据中量化的震颤表明，症状抑制至少等效于在4种在线测试中的3个在3个在线测试中的连续DBS策略，同时大大降低了净刺激（至少24％）。在剩余的在线测试中，症状抑制与连续策略或无治疗条件的抑制作用没有显着差异。我们引入了ET的新型ADB系统。是基于（1）机器学习模型的第一个ADBS系统，用于识别会话特定的NMS，以及（2）具有短期非平稳动力学的控制策略应对。我们展示了ADB对ET的适用性，这为其在较大的患者人群中进一步研究打开了大门。
引用Buonocore J，Vescio B，De Maria M，CrasàM，NisticòR，Arcuri PP，Cascini GL，Latorre A，Quattrone A和Quattrone A和Quattrone A（2025）RT-RING：一个小型
先前的研究表明，通过表面肌电图（SEMG）进行RT肌肉收缩模式评估可以将帕金森震颤（交替模式）与其他RT综合症区分开而不会损害多巴胺能系统（通常显示同步模式）（7-15）。与姿势震颤不同，通常会随着时间的流逝显示震颤特征的可变性，并且在交替和同步模式之间自发移动（13，16），休息震动显示出非常稳定的图案，并且在多个记录中也显示出非常稳定的模式（10-13）。我们最近开发了一种小型，用户友好的环形可穿戴设备，称为“ RT环”，通过将其戴在颤抖的手指上，可以估计RT模式，这是一种震颤特征，已证明可以准确预测Datscan结果（10）。RT环基于震颤惯性数据采用了健壮的机器学习技术（17），克服了SEMG的主要局限性（专业知识和主观评估）。目前的研究的目的是研究RT环的性能在区分有或没有纹状体多巴胺能缺陷的RT患者（以Datscan作为地面真理）中，确立了该便携式和用户友好的设备作为RT患者在常规临床实践中的多巴胺成像的替代生物标志物的作用。
diamicicron®60mg MR片剂，修改版本
低血糖的可能症状是：头痛，饥饿，恶心，呕吐，矮小，睡眠障碍，躁动，躁动，侵略，侵略不足，意识降低，反应缓慢，抑郁，混乱，视觉和言语和言语和言语和言语，震颤，震颤，震颤，障碍，感觉障碍，感觉，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力，无能为力。呼吸，心动过缓，嗜睡和意识丧失，可能导致昏迷和/或死亡。此外，可以观察到肾上腺素能反调节的迹象：出汗，张开的皮肤，焦虑，心动过速，高血压，呼吸症，心绞痛和心律失常。
丘脑腹中间核的深部脑刺激可治疗特发性震颤，改善运动序列学习
Asanuma, C.、Thach, WT 和 Jones, EG (1983)。猴子丘脑腹侧区小脑末梢分布及其与其他传入末梢的关系。《脑研究评论》，5 (3)，237 – 265。https://doi.org/10.1016/0165-0173(83)90015-2 Behrens, TEJ、Johansen-Berg, H.、Woolrich, MW、Smith, SM、Wheeler-Kingshott, C.、Boulby, PA、Barker, GJ、Sillery, EL、Sheehan, K.、Ciccarelli, O.、Thompson, AJ、Brady, JM 和 Matthews, PM (2003)。使用扩散成像对人类丘脑和皮质之间的连接进行非侵入性映射。 Nature Neuroscience，6 (7)，750 – 757。https://doi.org/10.1038/nn1075 Benabid, AL, Pollak, P., Hoffmann, D., Gervason, C., Hommel, M., Perret, JE, de Rougemont, J., & Gao, DM (1991)。通过长期刺激丘脑腹侧中间核长期抑制震颤。The Lancet，337 (8738)，403 – 406。https://doi.org/10. 1016/0140-6736(91)91175-T Chen, H., Hua, SE, Smith, MA, & Lenz, FA (2006)。人类小脑丘脑破坏对伸手适应性控制的影响。大脑皮层，16 (10)，1462 – 1473。Chopra, A.、Klassen, BT 和 Stead, M. (2013)。深部脑刺激在治疗特发性震颤方面的当前临床应用。神经精神疾病和治疗，9，1859 – 1865。https://doi.org/10.2147/NDT.S32342 Crowell, AL、Ryapolova-Webb, ES、Ostrem, JL、Galifianakis, NB、Shimamoto, S.、Lim, DA 和 Starr, PA (2012)。运动障碍中感觉运动皮层振荡：皮层电图研究。 Brain , 135 (2), 615 – 630. https://doi.org/10.1093/brain/awr332 Cury, RG, Fraix, V., Castrioto, A., Perez Fernandez, M., Krack, P., Chabardes, S., Seigneuret, E., Benabid, A.-L., & Moro, E. (2017). 丘脑深部脑刺激治疗帕金森病震颤，基本
比较颅骨密度比与其他颅骨指标对磁共振引导聚焦超声丘脑切开术治疗震颤的影响
目的 用于预测 MRgFUS 丘脑切开术成功可能性的关键指标之一是整体颅骨密度比 (SDR)。然而，这一指标并不能完全预测所需的超声处理参数或技术成功率。作者旨在评估其他可能有助于技术成功的颅骨特征。方法作者回顾性研究了 2017 年至 2021 年期间在其中心接受 MRgFUS 治疗的连续特发性震颤患者。他们评估了不同治疗参数（特别是最大功率和输送能量）与一系列患者颅骨指标和人口统计数据之间的相关性。机器学习算法被用于研究是否可以仅从颅骨密度指标预测超声处理参数，以及将局部换能器 SDR 与整体颅骨 SDR 相结合是否会提高模型准确性。结果 共纳入 62 名患者。平均年龄为 77.1（SD 9.2）岁，78% 的治疗（49/63）发生在男性身上。平均 SDR 为 0.51（SD 0.10）。在评估的指标中，SDR 与治疗中使用的最大功率（ρ = −0.626，p < 0.001；局部 SDR 值 ≤ 0.8 组的比例也有 ρ = +0.626，p < 0.001）和最大能量传输（ρ = −0.680，p < 0.001）的相关性最高。机器学习算法对预测局部和整体 SDR 所需的最大功率和能量具有中等能力（最大功率的准确度约为 80%，最大能量的准确度约为 55%），对预测局部和整体 SDR 达到的平均最高温度具有很高的能力（准确度约为 95%）。结论 作者将一系列颅骨指标与 SDR 进行了比较，结果表明，SDR 单独使用时是治疗参数的最佳指标之一。此外，还提出了许多其他机器学习算法，可在获得更多数据时进行探索以提高其准确性。还应确定和探索与最终超声处理参数相关的其他指标。
根据丘脑底核和皮层活动，帕金森病静止性震颤可与自愿手部运动相区分
目的：通过分析脑活动来区分帕金森病静止性震颤和不同的自主手部运动。方法：我们重新分析了 6 名帕金森病患者的丘脑底核的脑磁图和局部场电位记录。数据是在停用多巴胺药物（Med Off）和服用左旋多巴（Med On）后获得的。使用梯度提升树学习，我们将时间段分类为震颤、握拳、前臂伸展或无震颤静止。结果：单独的丘脑底核活动不足以区分四种不同的运动状态（平衡准确度平均值：38%，标准差：7%）。相比之下，皮质和丘脑底核特征的组合可以实现更准确的分类（平衡准确度平均值：75%，标准差：17%）。与仅基于丘脑底活动的分类相比，添加单个皮质区域平均可将平衡准确度提高 17%。在大多数患者中，信息量最大的皮质区域是感觉运动皮质区域。Med On 和 Med Off 下的解码性能相似。结论：只要除了丘脑底活动外还监测皮质信号，电生理记录就可以区分几种运动状态。意义：通过结合皮质记录、皮质下记录和机器学习，自适应深部脑刺激系统可能能够特异性地检测震颤并对几种运动状态做出充分反应。2023 年国际临床神经生理学联合会。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
propranolol：来自Essential1-实践药物的发现
来源：1。Ghosh（2016）（p.231，c.1，ph.1，L.1-2），2。 弹RJ。 Curr Neurol NeurosciRep。2013; 13（6）：353。 3。 Putzke JD等。 J Neurol Neurosurg精神病学。 2006年11月； 77（11）：1235-7。 4。 Vetterick，C.，Lyons，K.E。，Matthews，L.G。 等。 基本震颤患者的疾病和治疗经历的隐藏负担：回顾性索赔数据分析。 adv ther（2022）。 https://doi.org/10.1007/s12325-022-02318-8Ghosh（2016）（p.231，c.1，ph.1，L.1-2），2。弹RJ。Curr Neurol NeurosciRep。2013; 13（6）：353。3。Putzke JD等。J Neurol Neurosurg精神病学。2006年11月； 77（11）：1235-7。4。Vetterick，C.，Lyons，K.E。，Matthews，L.G。 等。 基本震颤患者的疾病和治疗经历的隐藏负担：回顾性索赔数据分析。 adv ther（2022）。 https://doi.org/10.1007/s12325-022-02318-8Vetterick，C.，Lyons，K.E。，Matthews，L.G。等。基本震颤患者的疾病和治疗经历的隐藏负担：回顾性索赔数据分析。adv ther（2022）。https://doi.org/10.1007/s12325-022-02318-8https://doi.org/10.1007/s12325-022-02318-8