XiaoMi-AI文件搜索系统
World File Search SystemFUS
细胞遗传学体固体瘤测试
HER2 Amplification (indicate tumour primary) Breast Gastric Endometrial Brain Cancer: Gliomas 1p/19q CDKN2A FISH (IDH Mut) EGFR + PTEN FISH (IDH WT) Sarcoma and Carcinoma FISH ^EWSR1 - EWS-Family Tumours ^FUS – Low Grade Fibromyxoid Sarcoma ^SS18 - 滑膜肉瘤 ^MAML2 - 粘膜表皮类癌 ^ETV6 - 分泌癌 ^CDKN2A（p16） - 恶性间皮瘤
面向脑机接口的功能超声成像
脑机接口 (BMI) 是开发大规模神经活动记录创新技术的一种高要求应用。在加州理工大学帕萨迪纳分校、巴黎 ESPCI 医学物理研究所和 Iconeus Paris 之间的跨大西洋合作 (NIH 资助) 框架内，我们开发并实施了第一个基于功能性超声 (fUS) 的 BMI，这是一种最近开发的微创神经成像技术，结合了高空间和时间分辨率以及深层脑覆盖 (Macé 等人，2011)。
降低了引起肌萎缩性横向硬化症的基因变异的渗透率
抽象的背景肌萎缩性横向硬化症在病因和遗传学上与额颞痴呆症重叠，并以家族性和明显零星的形式发生。最常见的基因是C9orf72，SOD1，TARDBP和FUS。这些基因中引起疾病的变异的外观是不完整的，但在人群水平上尚未得到很好的研究。 目的我们试图确定通常导致肌萎缩性横向硬化症的基因中病原和可能致病性变异的种群水平的外观。 使用肌萎缩性侧面硬化症和额颞痴呆的流行病学数据用于计算人口水平下每个基因的预期引起疾病的变体的预期频率。 来自GNOMAD和CLINVAR数据库的变体数据用于确定观察到的引起疾病的变体数量，并估计每个基因的种群水平的渗透率。 C9orf72的数据是从已发表的文献中获得的。 发现肌萎缩性外侧硬化症或额颞痴呆的最大种群渗透率为C9ORF72（95％CI（20.9至53.2）），SOD1为54％，SOD1为54％（95％CI（95％CI）（95％CI（32.7至88.6），tardbp（38％），tardbp（95％CI）（95％CI（95％）（21 fo to y（21）。 （95％CI（13.0至28.4））。 结论肌萎缩性侧索硬化病疾病基因的种群水平渗透性降低。 这一发现对受影响个人及其未受影响的亲戚的基因检测和咨询具有影响。这些基因中引起疾病的变异的外观是不完整的，但在人群水平上尚未得到很好的研究。目的我们试图确定通常导致肌萎缩性横向硬化症的基因中病原和可能致病性变异的种群水平的外观。使用肌萎缩性侧面硬化症和额颞痴呆的流行病学数据用于计算人口水平下每个基因的预期引起疾病的变体的预期频率。来自GNOMAD和CLINVAR数据库的变体数据用于确定观察到的引起疾病的变体数量，并估计每个基因的种群水平的渗透率。C9orf72的数据是从已发表的文献中获得的。 发现肌萎缩性外侧硬化症或额颞痴呆的最大种群渗透率为C9ORF72（95％CI（20.9至53.2）），SOD1为54％，SOD1为54％（95％CI（95％CI）（95％CI（32.7至88.6），tardbp（38％），tardbp（95％CI）（95％CI（95％）（21 fo to y（21）。 （95％CI（13.0至28.4））。 结论肌萎缩性侧索硬化病疾病基因的种群水平渗透性降低。 这一发现对受影响个人及其未受影响的亲戚的基因检测和咨询具有影响。C9orf72的数据是从已发表的文献中获得的。发现肌萎缩性外侧硬化症或额颞痴呆的最大种群渗透率为C9ORF72（95％CI（20.9至53.2）），SOD1为54％，SOD1为54％（95％CI（95％CI）（95％CI（32.7至88.6），tardbp（38％），tardbp（95％CI）（95％CI（95％）（21 fo to y（21）。 （95％CI（13.0至28.4））。结论肌萎缩性侧索硬化病疾病基因的种群水平渗透性降低。这一发现对受影响个人及其未受影响的亲戚的基因检测和咨询具有影响。
Microsoft Word-IEEE-TMI深度学习可以减少对比增强的血脑屏障开口的gadolinium剂量。docx
摘要 - 聚焦超声（FUS）可用于打开血脑屏障（BBB），而具有对比剂的MRI可以检测到该开口。然而，重复使用基于Gadolinium的对比剂（GBCA）对患者提出了安全问题。这项研究是第一个提出通过深度学习来模拟体积传输常数（KTRAN）以减少造影剂剂量的想法的想法。该研究的目的不仅是重建人工智能（AI）衍生的ktrans图像，而且还可以通过低剂量对比剂T1加权MRI扫描来增强强度。我们通过先前的最新时间网络算法成功验证了这个想法，该算法的重点是在体素级别提取时域特征。然后，我们使用了由时空卷积神经网络（CNN）基于三维CNN编码器组成的时空网络（ST-NET），以提高模型性能。我们在FUS诱导的BBB开口数据集中测试了ST-NET模型，该模型是从小鼠大脑的不同侧面测试的。ST-NET成功检测并增强了BBB开放信号，而无需牺牲空间域信息。st-net被证明是减少对对比剂的需求，用于对对比剂进行对比剂的需求，以模拟从时间序列动态对比增强磁共振成像（DCE-MRI）扫描中对BBB开放的K-Trans图进行建模。
小鼠模型中双侧血脑屏障开口的声学全息图
摘要 - 与循环微泡注射结合的经颅聚焦超声（FUS）是唯一的非侵入性技术，它在时间和局部局部打开了血脑屏障（BBB），使靶向的药物允许进入中枢神经系统（CNS）。但是，单元FUS技术不允许同时靶向具有高分辨率的几个大脑结构，并且需要多元素设备来补偿头骨引入的畸变。在这项工作中，我们介绍了声学全息图在小鼠的两个镜像区域进行双侧BBB开口的第一个临床前应用。该系统由一个以1.68 MHz工作的单元素集中的换能器组成，并与3D打印的声性全息图耦合，旨在在体内在麻醉的小鼠中产生两个对称焦点，同时构成了由骷髅头造成的波段差异。T1赢得的MR图像显示在两个对称的准球面斑点处的gadolinium散发。通过编码时间转换领域，全息图能够在小型临床动物头骨内部多个斑点的衍射极限附近以分辨率的分辨率聚焦的声能。这项工作证明了全息图辅助BBB开放对单独半球对称区域中中枢神经系统中的低成本和高度局部靶向药物递送的可行性。
患者问题：肺癌的创新
ALK (4) NRAS (2) ARID1A (1) NRG1 (2) ATM (2) NTRK (6) ATR (1) P53 (1) BRAF (15) PALB (1) BRCA (2) PDGFR (2) CCND (1) PIK3 (5) CDK4/6 (1) POLD1 (2) CDKN2 (1) POLE (2) ctDNA (3) PRKC (2) CTNNB1 (1) PTCH1 (2) DDR (5) RAF (2) EGFR (10) RAS (2) ERK (2) RET (4) EWSR1 (1) ROS1 (5) EZH2 (1) SMO (1) FBXW7 (1) STK11 (1) FGFR (4) TAF15 (1) GNAQ/11 (2) TMB (4) HRD (7) TP53 （1） IDH （2） TSC （1） KIT （2） UGT1A1 （1） KRAS （24） CCNE1 （1） MDM2 （1） CLDN （3） MEK （3） FET （1） MET （5） FRa （1） MMR （2） FUS （1） MRD （2） HER2 （12） MSI-H （1） MAGE （2） MTAP （4） MUC （1） MYC （1） PD-L1 （12） Nectin-4 （2） PRAME （1） NF1 （6）
T32 NIH研究奖学金 - 图像指导，精度...
我们正在接受MDS和PHD的申请，以进行“图像指导，精度诊断和治疗”（IGPDT）培训计划，即哈佛医学院（BWH/HMS），立即生效。学员将在尼克·托德（Nick Todd）博士的主要指导下在重点的超声实验室工作。该项目将将重点的超声介导的血脑屏障破坏与AAV CAPSID发育相结合。我们旨在利用这两种免费技术来开发一种新型的FUS特异性AAV CAPSID，并克服将基因疗法传递给大脑的关键挑战。主要职责和职责：
脑血流动力学的四维计算超声成像
引言超声超声（每秒> 5000帧）在过去20年中的出现，通过增加的计算能力和平行接收电子设备来实现，刺激了生物医学超声的multiple成像模式的发展（1，2）。在短（<1 ms）的时间窗口内的完整图像的形成可以准确地量化组织，血液和对比度运动。这促进了组织弹性和动脉刚度的测量（3，4），通过定位和跟踪单个微泡（5，6）的序列分辨率（5，6），并在广泛的视野（7）上大大增强了血液的成像。后者导致功能性超声成像（FUS或FUSI）的出现，一种神经影像学技术，能够检测到神经血管偶联引起的脑血容量的小变化（8，9）。与其他神经影像模式（例如功能磁共振成像）相比，FUS在较低的成本下提供了更大的易用性，同时提供了更高的时空重置，并且最近的演示与对比度相结合，可与6.5- spatial spatialssolution（10）相结合，以检测其能力。超声超声成像主要仍然是二维（2D）技术。此成像过程需要以高框架速率（≥5kHz）的一系列平面或分化波传输，同时记录以nyquist速率在空间和时间上采样的反向散射信号（1）。在3D成像的情况下，通常需要数千个元素（2D成像为64至256）和具有相关射频数字数字的相应数量的独立数据通道。最近的工作报告了3/4D心脏想象的1024个通道系统（11，12），超分辨率（13，14）和大鼠的功能成像（15）。但是，这些需要使用和同步
在异质碳酸盐储层中通过机器学习改善渗透率预测：中新世无效的中新世，Ras Fanar Field，Suez of Suez of Suez，埃及
抽象预测和插值井之间获得3D分布的渗透性是用于保护模拟的具有挑战性的任务。无碳酸盐储层中的高度异质性和成岩作用为准确预测提供了重要的障碍。此外，储层中存在核心和井记录数据之间的复杂关系。本研究提出了一种基于机器学习（ML）的新方法，以克服此类困难并建立强大的渗透性预测模型。这项研究的主要目的是开发一种基于ML的渗透性预测方法，以预测渗透率日志并填充预测的对数以获得储层的3D渗透率分布。该方法涉及将储层的间隔分组为流量单位（FUS），每个储层单位都有不同的岩石物理特性。概率密度函数用于研究井日志和FUS之间的关系，以选择可靠的模型预测的高加权输入特征。已实施了五种ML算法，包括线性回归（LR），多项式回归（PR），支持矢量回归（SVR），决策树（DET）和随机森林（RF），以将核心渗透性与有影响力的孔集成与有影响力的孔原木以预测渗透率。数据集随机分为训练和测试集，以评估开发模型的性能。对模型的超参数进行了调整，以提高模型的预测性能。为了预测渗透率日志，使用了两个包含整个重点毒的关键井来训练最准确的ML模型，以及其他井来测试性能。的结果表明，RF模型优于所有其他ML模型，并提供最准确的结果，其中调整后的确定系数（R 2 ADJ）在预测的渗透率和核心渗透率之间的训练集为0.87，对于测试集，平均绝对误差和平均正式误差（MSSE）的平均误差和0.32和0.19和0.19和0.19和0.19，均为0.82。据观察，当在包含整个储层FUS的井上训练RF模型时，它表现出较高的预测性能。这种方法有助于检测井的孔原木和渗透率之间的模式，并捕获储层的广泛渗透率分布。最终，通过高斯随机函数模拟地统计学方法填充了预测的渗透率日志，以构建储层的3D渗透率分布。研究成果将帮助ML的用户对适当的ML算法做出明智的选择，以在碳酸盐储层表征中使用，以进行更准确的通透性预测，并使用有限的可用数据进行更好的决策。
转录因子凝结物的工程材料特性控制哺乳动物细胞和小鼠中的基因表达
和进一步经历了同性恋，导致多价相互作用和LLP的诱导。VP16被募集到CMV最小启动子提供的转录起始位点，并诱导报告基因表达。（b）调整转化因子冷凝物的材料特性。要修改凝结物材料特性，采用了两种策略：首先，通过将CRY2换成Cry2 Olig，从而增加了相互作用的价值，而Cry2 Olig构成了高阶寡聚物；其次，通过共转染编码融合到麦克里（可视化）和fus n和nLS的cry2 olig的结构来提高价值和浓度。与CRY2-EYFP-FUS N -VP16或CREY2 OLIG -EYFP-FUS N -VP16构建体（黄色和绿色数据点）共转染了编码CIBN-TER和基于TETO 4的SEAP报告基因。可选地，添加了编码Cry2 Olig -MCH -MCH -FUS n -nls的构造（以2：1的质粒量比为2：1相对于含VP16的构建体，红色和黑色数据点）。在进行FRAP分析之前，将细胞在黑暗中培养32小时。蓝光照明10分钟后（2.5 µmol m -²S-1）开始。 图像在液滴漂白之前直接显示出反应性核。比例尺= 5 µm。 图显示了根据n≥7凝结物回收曲线的非线性拟合计算出的移动部分的平均值和单个值（请参见右图）。 使用学生的t.test（*=p≤0.05; **** =p≤0.0001）进行成对比较。。图像在液滴漂白之前直接显示出反应性核。比例尺= 5 µm。图显示了根据n≥7凝结物回收曲线的非线性拟合计算出的移动部分的平均值和单个值（请参见右图）。使用学生的t.test（*=p≤0.05; **** =p≤0.0001）进行成对比较。