XiaoMi-AI文件搜索系统
World File Search SystemAUPR
机器学习辅助术中利用 HRMAS NMR 光谱评估脑肿瘤边缘
完全切除肿瘤对于胶质瘤患者的生存至关重要。即使实现了完全切除，切除腔内残留的微尺度组织也有复发的风险。高分辨率魔角旋转核磁共振 (HRMAS NMR) 技术可以利用生物标志物代谢物的峰值强度有效区分健康和恶性组织。该方法快速、灵敏，可以处理小样本和未处理的样本，非常适合在手术期间进行实时分析。然而，只能对已知肿瘤生物标志物的存在进行有针对性的分析，这需要在手术过程中有具有化学背景的技术人员和了解肿瘤代谢的病理学家在场。在这里，我们展示了我们可以准确地实时执行此分析，并且可以使用机器学习以非目标方式分析全光谱。我们研究了一个新的大型胶质瘤和对照样本 (n = 565) 的 HRMAS NMR 数据集，这些样本也标有定量病理分析。我们的结果表明，基于随机森林的方法可以准确有效地区分肿瘤细胞和对照样本，中位 AUC 为 85.6%，AUPR 为 93.4%。我们还表明，我们可以进一步区分良性和恶性样本，中位 AUC 为 87.1%，AUPR 为 96.1%。我们分析特征（峰值）对分类的重要性，以解释分类器的结果。我们验证了已知的恶性肿瘤生物标志物（如肌酸和 2-羟基戊二酸）在区分肿瘤和正常细胞方面发挥重要作用，并提出了新的生物标志物区域。代码发布在 http://github.com/ciceklab/ HRMAS_NC 。
使用HRMAS的机器学习协助对脑肿瘤边缘的术中评估
对肿瘤的完整切除对于神经胶质瘤患者的生存很重要。即使达到了总切除术，在切除腔风险中剩下的微尺度组织复发。高分辨率魔术角旋转核磁共振（HRMAS NMR）技术可以使用生物标志物代谢物的峰强度来区分健康和机构组织。该方法是快速，敏感的，并且可以与小型和未经处理的样品一起使用，这使其成为手术期间实时分析的良好功能。然而，只能制作出有针对性的肛门，可以制造出已知肿瘤生物标志物的存在，这需要具有化学背景的技术人员，并且在手术期间就具有有关肿瘤代谢的知识的病理学家。在这里，我们表明我们可以实时执行此分析，并可以使用机器学习以不定目标的方式分析完整的频谱。我们在神经胶质瘤和对照样品的新型和大型HRMA NMR数据集（n = 565）上工作，该数据集也标有定量病理分析。我们的结果表明，基于森林的随机方法可以用肿瘤细胞的样品准确和对照区分，以中位AUC为85.6％，AUPR为93.4％。我们还表明，我们可以进一步区分良性和恶性样本，中位AUC为87.1％，AUPR为96.1％。我们分析了分类的特征（峰值）重要性，以解释分类器的结果并验证已知的恶性生物标志物（如肌酸和2-羟基氯丁烷）在区分肿瘤和正常细胞方面起着重要作用，并提出了新的生物标志物区域。
负责退伍军人和纪念事务的武装部队部长国务卿 Patricia Miralles 将于周四访问奥恩 (61)
负责退伍军人和纪念事务的武装部队部长国务秘书 Patricia Miralles 将于 18 日星期四访问奥恩 (61)
法国国务秘书帕特里夏·米拉莱斯 (Patricia Miralles) 拜访了法国武装部队部长，负责罗讷河口省退伍军人和纪念事务 (13)
CDHA 成立于 1974 年，旨在响应各类人士（其中大部分是从阿尔及利亚归国）的愿望，确保他们所持有的有关阿尔及利亚 1962 年前历史的文件得到保存。
