XiaoMi-AI文件搜索系统
World File Search System颅内
选择性血管造影平板探测器计算机断层扫描血容量成像在富血管颅内肿瘤术前血管映射和栓塞中的初步临床经验
摘要：可对富血管颅内肿瘤进行术前栓塞以减少切除期间的出血并发症。准确的肿瘤血管映射对于正确设定栓塞指征和评估所进行的栓塞都是必要的。我们前瞻性地研究了全脑和选择性实质血容量 (PBV) 平板探测器计算机断层扫描灌注 (FD CTP) 成像在富血管颅内肿瘤患者术前血管造影和栓塞中的作用。对 5 名转诊进行肿瘤切除的患者进行了全脑 FD CTP 成像，从主动脉根部注射造影剂并在硬脑膜供血动脉中选择性注射造影剂。在栓塞前后获得了区域相对 PBV 值。还确定了具有选择性颈外动脉 (ECA) 供应量的肿瘤总体积和栓塞后断血管的肿瘤体积。所有患者（包括四名女性和一名男性）的平均年龄为 54.2 岁（范围为 44-64 岁），均在进行 PBV 扫描时未发生不良事件。平均 ECA 供应量为 54%（范围为 31.5-91%）。平均栓塞肿瘤体积为 56.5%（范围为 25-94%）。相对 PBV 值从栓塞前的 5.75 ± 1.55 降至栓塞后的 2.43 ± 1.70。在一名患者中，由于认为栓塞不利于切除而未进行栓塞。脑肿瘤的血管造影 FD CTP 成像可以对单个肿瘤供血动脉进行 3D 识别和量化。此外，该技术还可以监测术前血管内肿瘤栓塞的疗效。
颅内B波的生理机制及意义
脑血流 (CBF) 和脑容量的缓慢振荡最近成为一个热门话题，因为这些缓慢振荡与脑内的脑脊液 (CSF) 运动有关，并可能促进血流过脑间质以清除溶质和有毒代谢物，这一过程称为淋巴流动 (1)。颅内 EEG、MRI 血氧水平依赖性 (BOLD) 信号和 CSF 波 (2) 的耦合缓慢同步振荡似乎共同在驱动 CSF 运动方面发挥着关键作用，尤其是在慢波 (delta 波) 睡眠活动期间。此外，这些类型的振荡发生在与颅内 B 波相同的频率范围内，而 B 波也是 CBF 和颅内压 (ICP) 规律同步波动的结果，其来源不明 (3)。这种关联促使我们分析了之前在 B 波期间进行的 MCA 速度和 ICP 的颅内记录中的其他频率参数和波形特征（3），并将它们与已发表的 MRI CBF 慢波测量结果（2、4-9）进行比较，以确定这些实体之间的相似性。颅内压 B 波最初被描述为以每分钟 0.5 到 2 个周期发生的规则重复 ICP 振荡，其来源已证明难以捉摸，其生理作用尚未确定。Lundberg 在他最初的经典论文中评论说，通过检查 B 波的特征及其与其他生理参数的关系，无法就其起源得出明确的结论（10）。一项关于麻醉猫软脑膜动脉的观察性研究描述了同步的 ICP 波和血管直径波动，其发生频率（每分钟 0.5-2 次）与经典 B 波相似，支持周期性血流和血容量波动可能是 ICP B 波原因的观点，但并未给出任何有关其生理功能的迹象（11）。一些早期关于患者和正常受试者的经颅多普勒 (TCD) 超声记录的报告描述了由于 CBF 变化导致的大脑中动脉 (MCA) 速度波动，其频率范围与 Lundberg B 波相同（12、13）。我们报告了 70% 的正常受试者在休息和躺在担架上 1 小时时，MCA 速度波动的频率范围 (0.5-2 次/分钟) 和形式与 Lundberg B 波相似，并且在同一报告中描述了头部受伤患者的同步 MCA 速度和 ICP 振荡，其频率与 B 波相同 (3)。其他研究人员证实了这些结果，并进一步描述了各种环境下 MCA 流速的节律性振荡，包括头部受伤患者、正常休息志愿者以及睡眠期间 (14-18)。一些研究指出，TCD 测得的 B 波发生的频率范围比 Lundberg 在 ICP 记录中指出的更宽，并且频率比我们小组最初描述的更宽（3），因此建议将 B 波频率范围扩大到每分钟 0.33-3 个周期（0.005-0.05 Hz）（18）。其他研究人员报告称，颅内 B 波的频率高达每分钟 4 个周期（0.067 Hz）（19）。最近发表的关于通过功能性（f）MRI 结合 EEG 测量慢周期性 CBF 振荡的描述
人工智能在未破裂颅内动脉瘤中的作用：概述
颅内动脉瘤 (IA) 是一个重大的公共卫生问题。在没有合并症且平均年龄为 50 岁的人群中，其患病率高达 3.2%。需要一种有效的方法来识别 IA 高风险受试者，以提供足够的放射学筛查指南并有效分配医疗资源。人工智能 (AI) 因其在基于图像的任务中的出色表现而受到全世界的关注。它可以作为临床环境中医生的辅助手段，提高诊断准确性，同时减少医生的工作量。AI 可以像人类一样执行模式识别、对象识别和问题解决等任务。根据收集的训练数据，AI 可以以半自主的方式协助决策。同样，AI 可以识别可能的诊断，并根据健康记录或影像数据选择合适的治疗方法，而无需任何明确的编程（指令集）。动脉瘤破裂预测是预测建模的圣杯。AI 可以显著改善破裂预测，从而挽救生命和肢体。如今，深度学习 (DL) 在准确检测医学影像中的病变方面显示出巨大潜力，并且已经达到甚至超越了专家级诊断。这是通过增加计算放射组学准确诊断 UIA 的第一步。这不仅可以诊断，还可以建议治疗方案。未来，我们将看到 AI 在 IA 的诊断和管理中发挥越来越大的作用。
破裂和未破裂的颅内动脉瘤的血管内线圈栓塞：回顾巴基斯坦的15年单中心体验
引言在过去的20年中，脑动脉瘤的治疗和管理显着进步。非侵入性高质量神经成像技术，例如计算机断层扫描（CT）血管造影和磁共振（MR）血管造影，使诊断患有颅内脑内动脉瘤（IA）破裂的患者变得更加容易。1已经表明，即使是小小的动脉瘤，也可能会不可预测地扩大和流血。无症状的动脉瘤患者患有蛛网膜下腔出血（SAH）的风险。因此，医生需要彻底评估每个患者的危险因素，并应对可以提供的疾病病程和治疗方式有足够的了解。2即使使用提前诊断和治疗技术，SAH的死亡率也很高，近似为50％。据报道，在SAH治疗后存活的患者中，只有不到60％会恢复正常，功能独立的生活。3例SAH患者有重新出血的风险，在最初的72小时内约为2-28％。 4因此，及时评估和管理IAS是防止进一步加重和复发的最有效待遇。3例SAH患者有重新出血的风险，在最初的72小时内约为2-28％。4因此，及时评估和管理IAS是防止进一步加重和复发的最有效待遇。
基于高阶张量分解的头皮到颅内脑电图投影检测发作间期癫痫样放电
摘要。目的。发作间期癫痫样放电 (IED) 发生在两次癫痫发作之间。IED 主要通过颅内记录捕获，通常在头皮上不可见。本研究提出了一种基于张量分解的模型，将头皮脑电图 (sEEG) 的时频 (TF) 特征映射到颅内脑电图 (iEEG) 的 TF 特征，以便以高灵敏度检测头皮上的 IED。方法。采用连续小波变换提取 TF 特征。将来自 iEEG 记录的 IED 段的时间、频率和通道模式连接成四向张量。采用 Tucker 和 CANDECOMP/PARAFAC 分解技术将张量分解为时间、频谱、空间和节段因子。最后，将来自头皮记录的 IED 和非 IED 段的 TF 特征投影到时间分量上进行分类。主要结果。模型性能通过两种不同的方法获得：受试者内和受试者间分类方法。我们提出的方法与其他四种方法进行了比较，即基于张量的空间分量分析方法、基于 TF 的方法、线性回归映射模型以及非对称对称自动编码器映射模型，然后是卷积神经网络。我们提出的方法在受试者内和受试者间分类方法中均优于所有这些方法，分别实现了 84.2% 和 72.6% 的准确率。意义。研究结果表明，将 sEEG 映射到 iEEG 可提高基于头皮的 IED 检测模型的性能。此外，基于张量的映射模型优于基于自动编码器和回归的映射模型。
主管地塞米松对颅内肿瘤患者神经肿瘤量表神经系统评估的影响
基于研究对象的人口统计学特征，发现年龄的平均值为53.29±8.5岁。大多数研究受试者是男性，总计20受试者（54.1％），而女性为17名受试者（45.9％）。大多数类型的颅内肿瘤是次要肿瘤，总肿瘤总计22名受试者（59.5％），而原发性肿瘤总计15名受试者（40.5％）表1。本研究中受试者的平均年龄与Mariska等人先前进行的研究有关。[12]。报告说，颅内肿瘤患者的平均年龄为51.36±2。85年。这也与Rambe等人的研究一致。[5]发现颅内肿瘤患者的平均年龄为51.45（11-87）年。与上述研究的结果相比，可以看出大多数肿瘤病例发生在40岁> 40岁的年龄组中，因此，该结果与其他研究的结果一致，因为年龄因素确实会影响
比较机器学习算法和小儿创伤性脑损伤的术中颅内损伤的可预测性
目的是讨论了头部CT检查的过度使用，尤其是那些因脑部造成轻微创伤的脑损伤（TBI）。在破坏性时代，机器学习（ML）是在神经外科各个领域使用和应用的预测工具之一。这项研究的目的是比较ML和nom图之间的预测性能，这是TBI儿童颅CT后颅内损伤的另一种预测工具。将来自964名TBI儿科患者的方法数据随机分为训练数据集（75％），以进行超疗法调整和来自14个临床参数的监督学习，而其余数据（25％）用于销售目的。此外，从具有相似参数的训练数据集开发了一个nom图。因此，通过基于Web的应用程序构建和部署了来自各种ML算法的模型。结果，随机森林分类器（RFC）算法确立了预测大脑颅内颅内损伤的最佳性能。RFC算法性能的接收器操作特性曲线下的面积为0.80，灵敏度为0.34，特异性为0.95，0.73正预测值，0.80负值预测值和0.79的精度。结论ML算法，尤其是RFC，表明相对出色的预测性能，可以支持医生在过度使用头部CT扫描并降低一般实践中小儿TBI的治疗费用。
颅内脑膜瘤有好发部位吗？基于人群的图谱
摘要 脑膜瘤是最常见的颅内良性肿瘤，被认为起源于蛛网膜颗粒的蛛网膜帽细胞。我们试图根据治疗前的 MRI 开发基于人群的图谱，以探索颅内脑膜瘤的分布，并探索不同位置颅内脑膜瘤发展的风险因素。2006 年至 2015 年期间，所有被诊断为颅内脑膜瘤并转诊至神经外科的来自特定收集区域的成年人（≥ 18 岁）均有资格纳入。治疗前 T1 增强 MRI 加权脑部扫描用于半自动肿瘤分割，以开发脑膜瘤图谱。统计分析中使用的患者变量包括年龄、性别、肿瘤位置、WHO 分级和肿瘤体积。共确定了 602 名颅内脑膜瘤患者，以从广泛而明确的收集区域开发脑肿瘤图谱。脑膜瘤在脑内的空间分布并不均匀，额区肿瘤较多，尤其是旁矢状面、大脑镰前部、额叶底和中颅窝。超过 2/3 的脑膜瘤患者为女性（p < 0.001），她们患多发性脑膜瘤的可能性也更大（p < 0.01），而男性患幕上脑膜瘤的可能性更大（p < 0.01）。肿瘤位置与年龄或 WHO 分级无关。脑膜瘤的分布在脑内呈现从前到后的梯度变化。脑膜瘤在普通人群中的分布并不依赖于组织病理学 WHO 分级，但可能与性别有关。
6-OHDA 半侧帕金森病大鼠模型中强迫和自发运动期间双侧颅内 β 活动
皮质基底神经节 β 振荡 (13-30 Hz) 被认为与帕金森病 (PD) 的运动障碍有关，尤其是运动迟缓和僵硬。多项研究已利用单侧 6-羟基多巴胺 (6-OHDA) 大鼠 PD 模型进一步研究 PD 和测试新疗法。然而，文献中尚未记录该模型的详细行为和电生理学表征，包括对 DBS 等流行 PD 疗法的分析。因此，我们通过一系列实验 (即圆柱体测试、旷场测试和转棒测试) 对 6-OHDA 大鼠半 PD 模型进行挑战，旨在评估运动障碍、分析深部脑刺激 (DBS) 的影响以及确定在哪些条件下会发生过度 β 振荡。我们发现，与假手术组相比，6-OHDA 半 PD 大鼠在所有实验中的表现均有所下降，而 DBS 可以提高它们的整体表现。在所有实验和行为中，高β波段的功率被观察到是 PD 的重要生物标志物，因为它显示了健康半球和受损半球之间以及 6-OHDA 受损大鼠和假手术大鼠之间的差异。这一切都表明，6-OHDA 半 PD 模型准确地代表了 PD 的许多运动和电生理症状，并且在分别考虑低β（13-21 Hz）和高β（21-30 Hz）频带时，使其成为新疗法临床前测试的有用工具。
fMRI和颅内电物质摄影记录...
通过功能性磁共振成像（fMRI）测量的抽象阳性血液氧合水平依赖性（BOLD）反应（PBR）是大脑中无创映射活性的测量最多的测量。最近的研究一直表明，大胆的反应并非仅是正面的。负粗体反应（NBR）是针对特定的感觉刺激和任务报告的。但是，NBR与潜在的代谢和神经元需求之间的确切关系仍在争论中。在这项研究中，我们使用fMRI和颅内电生理学（电皮质摄影，ECOG）测量了来自同一人类参与者的神经生理基础。我们表明，对于那些对视觉刺激做出反应的电极，PBR与高频带（HFB）响应相关。至关重要的是，NBR与缺乏HFB功率响应和α功率响应的不预测降低有关。