XiaoMi-AI文件搜索系统
World File Search System颅内
在酒精使用障碍患者中进行的“稳赢还是赌一把”决策任务中，颅内亚秒多巴胺测量结果表明
目的 据作者所知，尚无关于酒精使用障碍 (AUD) 患者亚秒时间尺度上多巴胺波动的数据报道。在本研究中，在“稳操胜券” (SBORG) 决策任务中监测了 2 名有 AUD 病史和 2 名无 AUD 病史的患者的多巴胺释放，以开始描述 AUD 对反事实信息（与后悔和解脱的心理概念相关）的亚秒级多巴胺反应如何改变。 方法 使用人体伏安法每 100 毫秒测量一次细胞外多巴胺水平。在有 AUD，n = 2）或无 AUD，n = 2 病史的患者中，在深部脑刺激电极植入手术（用于治疗运动障碍）期间对其尾状核进行测量。参与者执行了 SBORG 决策任务，他们在稳操胜券的结果和有 50% 机会的金钱赌博结果之间做出选择。结果发现，多巴胺水平快速变化，似乎受“本可能发生的事情”和患者的 AUD 状态调节。积极的反事实预测误差（与缓解相关）将有无 AUD 病史的患者区分开来。结论有无 AUD 病史的患者对反事实信息的多巴胺能编码似乎有所不同。本研究的主要局限性是样本量有限，但这些数据为成瘾患者在实时决策过程中的多巴胺能生理学提供了难得的见解。作者希望未来的工作能够扩大样本量并确定当前结果的普遍性。
非侵入性颅内压的方法：
目的：从最新的医学文献的角度来分析颅内压的非侵入性监测技术。书目审查：持续的颅内高血压（HIC）的正确管理与发病率和死亡率的显着降低有关。在这个意义上，颅内压监测（PIC）至关重要。从历史上看，PIC监测的金标准方法涉及颅内导管的手术安装。此方法可以产生并发症，并需要专业的专业人员安装。鉴于此，与可用的HIC和可用技术设备的生理学更好地了解了这一点，因此将非不可创作的PIC监测方法引入了临床实践中。这项工作分析了当今目前使用的五种非无创的监测技术：计算机断层扫描（TC），Transcranian Doppler（DTC），光神经供应直径（DBNO），成员和脑4CARE。最终考虑：仰卧和Brain4Care在某些医院环境中已经成为有希望的方法，尤其是在数据可靠性和临床实用性方面。多中心和较高样本研究仍然是定义这些方法的适用性的必要条件。
人类颅内脑电图研究进展、指南和良好实践
a 法国马赛艾克斯—马赛大学 INSERM、INS、系统神经科学研究所 b 法国普罗旺斯地区艾克斯—马赛大学、CNRS、LPL c 美国加利福尼亚州洛杉矶南加州大学信号与图像处理研究所 d 意大利国家研究委员会神经科学研究所，意大利帕尔马 e 德国波鸿鲁尔大学心理学系、认知神经科学研究所、Universitätsstraße 150 号，波鸿 44801 f 北京师范大学认知神经科学与学习国家重点实验室和 IDG/麦戈文脑研究中心，北京市海淀区新街口外大街 19 号，100875，中国 g 美国圣地亚哥加利福尼亚大学拉霍亚分校认知科学系 h 美国德克萨斯大学戴尔医学院神经病学系奥斯汀，美国德克萨斯州奥斯汀 i 德克萨斯大学奥斯汀分校神经科学研究所，美国德克萨斯州奥斯汀 j 德克萨斯大学奥斯汀分校穆迪传播学院言语、语言和听力科学系，美国德克萨斯州奥斯汀 k 梅奥诊所生理学和生物医学工程系，美国明尼苏达州罗彻斯特 l 宾夕法尼亚大学心理学系，美国宾夕法尼亚州费城 m 加利福尼亚大学伯克利分校心理学系和海伦·威尔斯神经科学研究所，美国加利福尼亚州 94720 n 加利福尼亚大学伯克利分校海伦·威尔斯神经科学研究所，美国 o 日内瓦大学医学院临床神经科学系，瑞士日内瓦 p 马克斯·普朗克经验美学研究所神经科学系，德国法兰克福 Grüneburgweg 14，邮编 60322 q 纽约大学神经病学系格罗斯曼医学院，纽约东 32 街 145 号 828 室，邮编 10016，美国 r 梅奥诊所神经外科系，罗彻斯特，MN 55905，美国 s 荷兰奈梅亨拉德堡德大学 Donders 大脑、认知和行为研究所 t 荷兰奈梅亨拉德堡德大学医学心理学系，Donders 医学神经科学中心 u 美国印第安纳州布卢明顿印第安纳大学心理与脑科学系、神经科学和认知科学项目 v 荷兰乌得勒支大学脑中心神经病学和神经外科系 w 神经回路和认知实验室，欧洲神经科学研究所哥廷根 - 由德国哥廷根大学医学中心和马克斯·普朗克学会联合发起 x 德国灵长类动物中心感知与可塑性小组，莱布尼茨灵长类动物研究所，德国哥廷根 y 加州大学拉霍亚分校神经科学研究生项目，美国新罕布什尔州汉诺威市 z 达特茅斯学院心理与脑科学系，美国新罕布什尔州 aa 俄勒冈大学人体生理学系，美国 ab Hal ı c ı o ğlu 加州大学拉霍亚分校数据科学研究所，美国圣地亚哥 ac 加州大学拉霍亚分校卡弗里大脑与思维研究所，美国圣地亚哥 ad 中国科学院心理健康重点实验室，北京 ae 中国科学院大学心理学系，北京 af 里昂神经科学研究中心，EDUWELL 团队，INSERM UMRS 1028, CNRS UMR 5292, Université Claude Bernard Lyon 1, Université de Lyon, Lyon F-69000, France ag NatMEG, 卡罗林斯卡学院, 斯德哥尔摩, 瑞典
通过 3D 超声扫描自动测量胎儿颅内容积
三维胎儿超声通常用于研究大脑结构的体积发育。迄今为止，只有有限数量的自动程序可用于描绘颅内容积。因此，三维超声图像中的颅内容积测量主要通过手动完成。在这里，我们介绍并验证了一种从三维胎儿超声扫描中提取颅内容积的自动化工具。该程序基于将大脑模型与受试者大脑进行配准。受试者的颅内容积是通过将最终变换的逆应用于大脑模型的颅内掩模来测量的。自动测量结果与同一受试者在两个孕周（即大约 20 和 30 周）的手动描绘结果显示出高度相关性（线性拟合 R 2（20 周）= 0.88，R 2（30 周）= 0.77；组内相关系数：20 周 = 0.94，30 周 = 0.84）。总体而言，自动颅腔容积大于手动划定的颅腔容积（84 ± 16 cm 3 vs. 76 ± 15 cm 3 ；274 ± 35 cm 3 vs. 237 ± 28 cm 3 ），这可能是由于小脑划定的差异所致。值得注意的是，自动测量结果既复制了胎儿大脑生长的非线性模式，也复制了年龄较大胎儿的个体间差异性增加。相比之下，在性别二态性差异的大小方面，手动和自动划定之间存在一些分歧。本文介绍的方法提供了一种相对有效的自动划定胎儿大脑结构（如颅腔容积）体积的方法。它可以用作研究工具，在大型队列中研究这些结构，最终有助于了解胎儿结构性人脑发育。
使用扩展的块项张量回归根据颅内脑活动预测手指运动和共同激活
每年，全球有多达 50 万患者因脊髓损伤、脑干中风和肌萎缩侧索硬化症 (ALS) 而陷入瘫痪 [1]。脑机接口 (BCI) 能够绕过断开的神经通路来取代丢失或受损的身体部位的功能，这使得它们被推广为这些患者的解决方案。通常，BCI 系统由几个组件组成：从记录的大脑活动中提取信号特征，并将结果翻译（“解码”）为控制外部设备（如机械臂或手）的命令。BCI 控制手部肌肉的功能性电刺激 (FES) [2, 3] 和假手、外骨骼或其他效应器 [4, 5, 6, 7] 已经取得了非凡的成果。
颅内脑膜瘤的体积测量
虽然误差百分比与线性体积估计无关，但较小的肿瘤在平面测量中表现出较大的误差指数。这部分是由于手动勾勒肿瘤边缘时包括了周围的体素，使得小病变在比例上受到附近组织的包含的影响更大。这种影响在多参数分割中得到了校正。在 T1CE 图像中，由于 DICOM 查看器软件上的信号插值，肿瘤与周围结构之间的界面在肉眼下可能变得略宽。因此，信号强度在肿瘤-实质界面处减弱，使得难以精确定义界限。多参数 VBM 不是
利用机器学习解码颅内脑电图
颅内脑电图 (iEEG) 和神经生理学的进步使得人们能够以高保真时间和空间分辨率研究以前无法接近的大脑区域。对 iEEG 的研究揭示了丰富的神经代码，这些代码服务于健康的大脑功能，但在疾病状态下会失效。机器学习 (ML) 是一种人工智能，是一种现代工具，可以更好地解码复杂的神经信号并增强对这些数据的解释。迄今为止，许多出版物已将 ML 应用于 iEEG，但临床医生对这些技术及其与神经外科的相关性的认识有限。本研究回顾了 ML 技术在 iEEG 数据中的现有应用，讨论了各种方法的相对优点和局限性，并研究了神经外科临床转化的潜在途径。从 3 个数据库中确定了 107 篇研究人工智能在 iEEG 中的应用的文章。这些文章中的 ML 临床应用分为 4 个领域：i) 癫痫发作分析、ii) 运动任务、iii) 认知评估和 iv) 睡眠分期。审查显示，监督算法在研究中最常用，并且经常利用公开可用的时间序列数据集。我们最后提出了未来工作和潜在临床应用的建议。
用于分割和计算大脑体积和颅内体积的实用方法：指南和比较
准确的分割和计算总脑体积（BV）和颅内体积（ICV）（进一步 - 量化）可以提供神经科学的研究。由于这些体积测量值可用于预测诸如中风或肿瘤之类的太空病理学的临床结果，因此这些数据也对临床医生来说也是无价的。例如，在患有恶性中大脑动脉梗塞的患者中（一种空间占据的病理学），适应颅骨肿胀的能力具有预后的影响。随着时间的流逝，脑浮肿的增加会导致较高的死亡率（1）导致转移的疝气和脑干压缩。通常，幸存者严重残疾（2）。从理论上讲，大脑较小的患者比具有相同大小的梗塞和颅内空间但大脑较大的患者有更多的空间来适应水肿的质量效应（3）。因此，了解BV和ICV在与病理量相关的空间补偿储备的研究中很重要。
使用机器学习检测紧急创伤环境中的颅内血肿的早期预警系统
由算法确定标签。根据决策树，在从 Haralick 特征（30）和图像矩（即中心矩、原始矩、归一化中心矩和 Hu 矩）中评估的 50 个因素中，来自 Haralick 特征的熵和方差以及图像中的中心矩特征是决定标签的最有效因素。在图像处理中，图像矩是图像像素强度的加权平均值（矩），或此类矩的函数，通常选择具有某些有吸引力的特性或解释。通过图像矩找到的图像的简单属性包括面积（或总强度）、其质心以及有关其方向的信息。另一方面，熵测量图像直方图的强度，它显示图像中不同灰度级的概率。
心动周期中人体颅内脉动
背景：当今医学成像和计算资源的可用性为脑生物力学的高保真计算建模奠定了基础。脑及其环境的特点是组织、血液、脑脊液 (CSF) 和间质液 (ISF) 之间存在动态而复杂的相互作用。在这里，我们设计了一个用于颅内动力学建模和模拟的计算平台，并根据脑脉动的临床相关指标评估模型的有效性。方法：我们开发了人类脑环境中完全耦合的心脏诱发的脉动性脑脊液流和组织运动的有限元模型。三维模型几何形状源自磁共振图像 (MRI)，具有高水平的细节，包括脑组织、脑室系统和颅蛛网膜下腔 (SAS)。我们将器官尺度的脑实质建模为一种由细胞外液网络渗透的弹性介质，并将 SAS 和脑室中的脑脊液流动描述为粘性流体运动。分布在脑实质中的脉动净血流代表心动周期中的血管扩张，是运动的驱动因素。此外，我们还研究了模型变化对一组临床相关感兴趣量的影响。结果：我们的模型预测了脑脊液填充空间和多孔弹性实质在 ICP、脑脊液流量和实质位移方面的复杂相互作用。ICP 的变化主要由其时间幅度决定，但脑脊液填充空间和实质的空间变化都很小。受 ICP 差异的影响，我们发现脑室和颅脊脑脊液流量较大，颅 SAS 中有一些流量，脑实质中存在小的脉动 ISF 速度。此外，该模型预测在心动周期开始时，实质组织在背部方向会呈漏斗状变形。结论：我们的模型准确描述了颅内压、脑脊液流动和脑组织运动之间的复杂相互作用，与临床观察结果相符。它为详细研究生理和病理生理条件下颅内耦合动力学和相互作用提供了一个定性和定量平台。