b“氧扩散,在整个共培养室中产生氧梯度。含有10%氧气的基底外侧气流通过气体入口进入,并用磁性搅拌器均匀地通过不对称的共培养室扩散。排气通过气体插座排放,完成了系统的气流(Fofanova等,2019)。该图是使用生物者创建的。(b)不对称共培养室的物理图片。(c)在将FITC-DEXTRAN添加到包含Tigk单层的Transwells的顶端室后,在24小时内比较了基底外侧室内FITC-脱骨的荧光强度。在常规氧培养条件下未分化(阴性对照)和分化的Tigks(称为\ XE2 \ X80 \ X9CNORMOXIC \ XE2 \ X80 \ X9D)与在不对称培养条件下的分化Tigk(称为AS AS AS) \ xe2 \ x80 \ x9casymmetric \ xe2 \ x80 \ x9d)。对于每种条件,减去空白培养基的背景荧光强度。未分化的TIGK单层在正常氧状态下培养,然后切换为包含Ca 2+的分化培养基,用作负面对照。(N.S.:p> 0.05,***:p <0.001,n = 2技术重复,n = 3个生物重复序列)。(e)在常氧和不对称培养条件下培养的TIGK单层中细胞活力的比较。热处理细胞是阴性对照(N.S.:p> 0.05,**:p <0.01,n = 3,n = 3)。(d)Transwell插入物中的Tigk单层的形态在正常氧化条件下维持在细胞培养培养基中,或在不对称的共培养室中培养24小时。已知胶原蛋白由于胶原纤维的存在而影响明亮的田间成像,与未涂层的表面相比,该胶原纤维可能会掩盖所观察到的细胞或结构的细节(Hashimoto等,2020)。
摘要。- 目的:这种重新搜索的目的是研究抗胰蛋白酶脱羧酶抗体(GADA),锌转运蛋白8自身抗体(ZNT8A)和与1型糖尿病(T1DM型Thy-the)患者的蛋白-2抗体(IA-2A)的抗体及其相关蛋白-2抗体(IA-2A)的表达 - 自动抗体。患者和方法:研究中包括380例T1DM患者,其中313例T1DM患者仅包括在对照组中。在TD组中,有41例T1DM患者和桥本甲状腺炎(HT)患者被插入,其中26例T1DM坟墓疾病患者被包括在Graves组中。对照组,HT组和Graves组的临床特征是相对的。分析了对照组和TD组中胰岛素自身抗体IE的阳性速率。比较了有或没有胰岛素自身抗体阳性的患者的临床特征。分析了GA-DA,Znt8a,IA-2A和不同数量的胰岛素自身抗体的T1DM患者中甲状腺Au to抗体的阳性速率。结果:HT组中总胆固醇(TC)和甲状腺刺激激素(TSH)的水平明显高于对照组和Graves组中的总胆固醇(TC),以及游离甲状腺激素(FT4)和低粉末性脂肪蛋白胆固醇(LDL-C)的液化水平,而不是那些人含量(ldl-c)。 <0.001)。胰岛素自身抗体阳性患者的C肽,甘油三酸酯(TG)和LDL-C的液体明显低于阴性患者(P <0.05)。GRAVES组中TC和TSH的水平明显低于对照组中的TC和TSH水平,HbA1c,LDL-C和FT4的水平明显高于对照组的HBA1C,LDL-C和FT4的水平,而FT3的Lev-Els显着高于对照组和HT组中的FT3。GADA的正率,
Rishi Bommasani* Drew A. Hudson Ehsan Adeli Russ Altman Simran Arora Sydney von Arx Michael S. Bernstein Jeannette Bohg Antoine Bosselut Emma Brunskill Erik Brynjolfsson Shyamal Buch Dallas Card Rodrigo Castellon Niladri Chatterji Annie Chen Crescent Crescent Daro 和 Chris Doncy Moussa Doumbouya Esin Durmus Stefano Ermon John Etchemendy Kawin Ethayarajh 李飞飞 Chelsea Finn Trevor Gale Lauren Gillespie Karan Goel Noah Goodman Shelby Grossman Neel Guha Tatsunori Hashimoto Peter Henderson John Hewitt Daniel E. Ho Jenny J Hong Hong J. Jag 和 Thomas H. Jaghil I. Pratyusha Kalluri Siddharth Karamcheti Geoff Keeling Fereshte Khani Omar Khattab Pang Wei Koh Mark Krass Ranjay Krishna Rohith Kuditipudi Ananya Kumar Faisal Ladhak Mina Lee Tony Lee Jure Leskovec Isabelle Levent Xiang Lisa Li Xuechen Li Tengyu Ma Ali Malik Dtch Mikwall Manning Mikwall Mikwane Eric Dtch. Suraj Nair Avanika纳拉扬 迪帕克·纳拉亚南 本·纽曼 艾伦·聂 胡安·卡洛斯·尼布尔斯 哈米德·尼勒福罗尚 朱利安·尼亚尔科 吉雷·奥古特 劳雷尔·奥尔 伊莎贝尔·帕帕迪米特里奥 朴俊成 克里斯·皮耶希 伊娃·波特兰斯 克里斯托弗·波茨 阿迪蒂·拉古纳坦 罗布·赖希 任洪宇 弗里达·荣 尤瑟夫·罗哈尼 罗希亚·瑞安 罗希亚·罗 多拉·瑞安 卡梅罗 R. 佐川诗织Keshav Santhanam Andy Shih Krishnan Srinivasan Alex Tamkin Rohan Taori Armin W. Thomas Florian Tramèr Rose E. Wang William Wang Bohan 吴家俊 吴玉怀 吴桑 谢志强 Michihiro Yasunaga Jiaxuan You Matei Zaharia Michael 张天一 张希坤 张宇恒 张鲁恒 周凯蒂 珀西梁*1
1。背包语言模型。在计算语言学协会年会(ACL)年会2023年。接受率:23.5%未偿还纸张奖:39 /3872纸提交。约翰·休伊特(John Hewitt),约翰·加斯敦(John Glongstun),克里斯托弗·D·曼宁(Christopher D. Manning),珀西·梁(Percy Liang)。2。通过生成预训练的旋律转录。在国际音乐信息检索研讨会(ISMIR)2022中。接受率:43.3%的克里斯·多纳休(Chris Donahue),约翰·加斯敦(John Glongstun),珀西·梁(Percy Liang)。3。扩散lm改善可控文本生成。神经信息处理系统的进步(神经)2022。接受率:25.6%的口头呈递。Xiang Lisa Li,John Glongstun,Ishaan Gulrajani,Percy Liang,Tatsunori B. Hashimoto。 4。 淡紫色:使用发散边界来测量神经文本和人类文本之间的差距。 神经信息处理系统的进步(神经)2021。 接受率:25.7%未偿还纸张奖:6 /9122纸质提交。 奎师那·普鲁图拉(Krishna Pillutla),斯瓦巴(Swabha Swayamdipta),罗文·泽勒斯(Rowan Zellers),约翰·盖斯坦(John Gondstun),肖恩·威尔克(Sean Welleck),Yejin Choi,Zaid Harchaoui。 5。 通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。 在机器学习国际会议(ICML)2021中。 接受率:21.5%Vivek Jayaram*,John Glongstun*(*同等贡献)。 6。 使用连续时间梯度更快地学习。 动态与控制学习(L4DC)2021。 7。 8。 9。 10。Xiang Lisa Li,John Glongstun,Ishaan Gulrajani,Percy Liang,Tatsunori B. Hashimoto。4。淡紫色:使用发散边界来测量神经文本和人类文本之间的差距。神经信息处理系统的进步(神经)2021。接受率:25.7%未偿还纸张奖:6 /9122纸质提交。奎师那·普鲁图拉(Krishna Pillutla),斯瓦巴(Swabha Swayamdipta),罗文·泽勒斯(Rowan Zellers),约翰·盖斯坦(John Gondstun),肖恩·威尔克(Sean Welleck),Yejin Choi,Zaid Harchaoui。5。通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。在机器学习国际会议(ICML)2021中。接受率:21.5%Vivek Jayaram*,John Glongstun*(*同等贡献)。6。使用连续时间梯度更快地学习。动态与控制学习(L4DC)2021。7。8。9。10。塞缪尔·阿恩斯沃思(Samuel Ainsworth),肯德尔·洛里(Kendall Lowrey),约翰·康斯敦(John Glongstun),扎伊德·哈科伊(Zaid Harchaoui),悉达多·斯里尼瓦萨(Siddhartha Srinivasa)。一种信息瓶颈方法,用于控制理由提取中的简洁性。自然语言处理中的经验方法(EMNLP)2020。接受率:24.5%Bhargavi Paranjape,Mandar Joshi,John Glongstun,Hannaneh Hajishirzi,Luke Zettlemoyer。用深的生成先验的源分离。在国际机器学习会议(ICML)2020中。接受率:21.8%Vivek Jayaram*,John Glongstun*(*同等贡献)。卷积作曲家分类。在国际音乐信息检索研讨会(ISMIR)2019中。接受率:45.1%苛刻的Verma,John Glongstun。耦合复发模型,用于复音音乐组成。在国际音乐信息检索研讨会(ISMIR)2019中。接受率:45.1%John Glongstun,Zaid Harchaoui,Dean P. Foster,Sham M. Kakade。11。监督音乐转录的不断增长和数据增强。在国际声学,言语和信号处理(ICASSP)2018中。接受率:49.7%的口头介绍。John Gongstun,Zaid Harchaoui,Dean P. Foster,Sham M. Kakade。12。用于多个F0估计的频域卷积。Mirex摘要(技术报告)2017。John Gongstun,Zaid Harchaoui,Dean P. Foster,Sham M. Kakade。13。音乐网:从头开始学习音乐的功能。在2017年国际学习表征会议(ICLR)。接受率:39.1%John Glongstun,Zaid Harchaoui,Sham M. Kakade。
摘要 自身免疫性疾病是一类以免疫介导攻击人体自身组织和器官为特征的多样化疾病。本综述全面概述了自身免疫性疾病,包括其定义、分类、流行病学、病因、发病机制、临床表现、当前治疗方法和未来研究方向。自身免疫性疾病可分为器官特异性(例如 1 型糖尿病、桥本甲状腺炎)和系统性(例如系统性红斑狼疮、类风湿性关节炎)疾病,每种疾病都有不同的临床表现和潜在机制。遗传易感性、环境触发因素和免疫失调在疾病发展中起着关键作用。常见症状包括疲劳、关节痛、皮肤表现和器官特异性功能障碍,导致严重发病率和生活质量下降。目前的治疗策略包括免疫抑制疗法、疾病改良药物和针对特定免疫途径的新兴生物制剂。基因组学、免疫学和精准医学的进步为个性化诊断和治疗优化提供了有希望的途径。未来的研究方向包括进一步阐明疾病异质性、识别新的生物标志物以及开发有针对性的免疫疗法以实现长期缓解并改善患者预后。了解遗传、环境和免疫因素的复杂相互作用对于推进治疗方法和减轻全球自身免疫性疾病负担至关重要。加强跨学科合作和持续投入研究对于将这些见解转化为临床实践并造福全球患者至关重要。引用此文章。Albarbar B, Aga H. 自身免疫性疾病综述:最新进展和未来展望。Alq J Med App Sci。2024;7(3):718-726。https://doi.org/10.54361/ajmas.247337 引言 在过去的一个世纪里,自身免疫性疾病的研究有了很大的发展。自身免疫性疾病的概念开始形成于 19 世纪末和 20 世纪初,当时人们对类风湿性关节炎和系统性红斑狼疮 (SLE) 等疾病进行了观察,这些疾病被怀疑是免疫系统在攻击人体自身组织。20 世纪中叶,诸如在狼疮患者中发现抗核抗体 (ANA) 等里程碑式的发现为了解某些疾病的自身免疫性质提供了关键见解。这一时期还出现了检测这些抗体的诊断测试 [1,2] 。20 世纪下半叶,免疫学技术迅速发展
介绍物理已成为一个成熟的领域。其理论基础和主要模型是在过去一个世纪的最后二十年中建立的[1,2]。从那以后,量子传输技术一直是了解纳米级导体中电荷载体引人入胜的特性的绝佳工具[3,4]。但是,在过去的几年中,申请的数量已经迅速增加,以至于甚至专家发现,很难随着最近的进步提供更新。本期特刊的目的是通过一系列评论论文和研究工作来提供最新的遗迹快照,以讨论最热门的理论问题和实验结果。虽然平均电流是早期研究的重点,但兴趣逐渐转移到了时间分辨的运输中。动机部分是由于新设备,例如单电子发射器,它们能够将电流脉冲注射到费米海上,以研究对电子碰撞的非弹性和相互作用的研究。这是Filippone等人的评论论文的主题。[5],其中使用费米液体理论来分析介质电容器过平衡动力学中的强相关性(库仑相互作用),这是一种纯粹的响应,其纯粹是动态的。在这里,动力学是通过应用于附近门的时间相关电位来实施的。在某些情况下,这种潜力和库仑相互作用的相互作用会导致单电子转移(量化泵)中的分数效应。一个例子是Pandey等人的工作。Chen和Zhu [6]在绝热限制中为双屏障系统找到量子泵。新颖性在于他们考虑了狄拉克 - 韦尔元素。Tokura [7]也考虑了缓慢的电位,但是该系统现在是一个干涉仪,不仅允许Aharanov – Bohm相,而且允许由于Rashba和Dresselhaus旋转轨道耦合,而且还允许自旋依赖性偏移。与此同时,Hashimoto和Uchiyama [8]处理了非绝热状态,并对附着的储层中温度调制引起的泵电荷,自旋和能量进行了完整分析。一种解决此类问题的特别有用的方法是基于广义的主利率方程。Moldoveanu,Manolescu和Gumundsson [9]说明了这种方法对具有电子自由度和玻色子自由度的混合量子点系统的功能。除其他外,它们还解决了主方程,包括对在接触区域应用的时间相关信号的瞬态响应中的多体效应。动态驱动的量子设备也是用于测试替代理论配方的合适系统。[10],其中Bohmian量子理论被用来阐明在非常高频率下探测的非马克维亚条件在石墨烯中的作用。在热力学和量子物理学之间最近的交叉施肥中,介质系统起着关键的贡献。在他们的评论文章中,Ansari,Van Steensel和Nazarov [11]将信息理论概念与量子系统中的熵进行评估。他们说明
这两种类型发生在相同位置,可能伴有相同症状,并且在体格检查中通常具有相似的外观。但是,通过显微镜检查很容易区分它们。许多 NHL 亚型看起来相似,但它们的功能却截然不同,对不同的疗法有不同反应,治愈的可能性也不同。HL 亚型在显微镜下是不同的,分型基于微观差异以及疾病程度。非霍奇金淋巴瘤非霍奇金淋巴瘤是淋巴组织癌症,包括淋巴结、脾脏和免疫系统的其他器官。非霍奇金淋巴瘤 (NHL) 有很多种类型,因此对其进行分类可能会相当混乱(即使对于医生来说也是如此)。已经使用了几种不同的系统,但最新的系统是世界卫生组织 (WHO) 分类。世界卫生组织 (WHO) 系统根据以下标准对淋巴瘤进行分组:• 淋巴瘤起始的淋巴细胞类型• 淋巴瘤在显微镜下的外观• 淋巴瘤细胞的染色体特征• 癌细胞表面存在某些蛋白质 Thandra, KC, Barsouk, A., Saginala, K., Padala, SA, Barsouk, A.& Rawla, P. 2021.“非霍奇金淋巴瘤 (NHL) 是全世界最常见的血液系统恶性肿瘤,占癌症诊断和死亡的近 3%。NHL 是美国第七大常见癌症,死亡率位居第六。NHL 占美国癌症诊断的 4%,自 1975 年以来发病率增加了 168%(同时生存率提高了 158%)。NHL 在男性、65 岁以上人群以及患有自身免疫性疾病或有血液系统恶性肿瘤家族史的人群中更为常见。 NHL 是一种异质性疾病,每种亚型都与不同的风险因素相关。边缘区淋巴瘤 (MZL) 与干燥综合征 (SS) 和桥本甲状腺炎密切相关,而外周 T 细胞淋巴瘤 (PTCL) 与乳糜泻最相关。农场工人或画家的职业暴露会增加大多数常见亚型的风险。既往放射治疗、肥胖和吸烟与弥漫性大 B 细胞淋巴瘤 (DLBCL) 最相关,而乳房植入物很少与间变性大细胞淋巴瘤 (ALCL) 相关。感染爱泼斯坦-巴尔病毒 (EBV) 与地方性伯基特淋巴瘤密切相关。HIV 和人类疱疹病毒 8 (HHV-8) 易患几种 DLBCL 亚型,而人类 T 细胞淋巴瘤病毒 (HTLV-1) 是 T 细胞淋巴瘤的病原体。肥胖和维生素 D 缺乏会使 NHL 生存率降低。过敏性疾病和饮酒似乎可以预防非霍奇金淋巴瘤。” 非霍奇金淋巴瘤的病因、发病率和风险因素 淋巴组织中存在称为淋巴细胞的白细胞。它们有助于预防感染。大多数非霍奇金淋巴瘤 (NHL) 始于一种称为 B 淋巴细胞或 B 细胞的白细胞。非霍奇金淋巴瘤的一些已知风险因素包括:
在 1956 年首次创造人工智能 (AI) 一词之前( Russell and Norvig,2016 ),艾伦·M·图灵 (Alan M. Turing) 构思了他著名的“图灵测试”。图灵通过测试试图探索计算机生成的反应是否能够在不知情的观察者看来与人类的反应区分开来( Kleppen,2023 )。如果计算机的回答与真实人类回答者的回答无法区分,则计算机“通过”了图灵测试。 2014 年,名为 Eugene Goostman 的聊天机器人( Warwick and Shah,2015 )成为第一台通过图灵测试的机器,代表了人工智能和机器学习的一个重要里程碑,为后续程序树立了标杆。按照目前的定义,人工智能是指设计用于执行原本需要人工干预的任务的计算机系统( Sutton and Barto,2018 )。早期的人工智能研究侧重于使用符号逻辑和基于规则的系统解决一般问题(Jordan and Mitchell,2015)。最初,人工智能研究受到了乐观的评价(Russell and Norvig,2016);然而,由于资金和计算能力不足等因素,研究工作停滞不前。在 20 世纪 90 年代和 21 世纪,由于神经网络、强化学习、计算机视觉和自然语言处理的出现(Jordan and Mitchell,2015),以及大数据、更便宜的计算和先进的计算算法的兴起,机器学习取得了重大进展。最近,深度学习人工智能模型(一种机器学习算法的分层网络,可以通过处理大量数据来提取越来越复杂的信息)已导致基于人工智能的研究取得重大突破(LeCun 等人,2015)。关于人工智能是否通过了图灵测试,仍然存在激烈的争论。如今,无论是在文本还是语音中,都有大量论断声称深度学习程序(例如 Chat GPT)和文本转语音程序能够生成与人类难以区分的输出,从而通过图灵测试(Biever,2023 年;Mai 等人,2023 年)。近年来,人工智能技术对医疗保健系统产生了尤为重要的变革性(Yu 等人,2018 年)。例如,在医学成像领域,深度学习算法已被用来以比放射科医生更高的准确度检测潜在异常(Liu 等人,2019 年)。自然语言处理使人工智能能够分析和提取患者病历中的相关健康数据,以协助准确诊断和辅助治疗计划(Kreimeyer 等人,2017 年)。可穿戴人工智能辅助监测系统已被用来追踪重要的患者健康指标,并可以提醒护理人员注意潜在的健康风险(Senders 等人,2018 年)。人工智能还被用于机器人辅助手术,以实现常规任务的自动化并提高手术的精准度(Hashimoto 等人,2018 年)。在制药行业,深度学习在药物开发中非常有用,甚至可以用来帮助医疗服务提供者根据患者的生物/遗传特征和个人需求确定对患者最有效的药物(Mak 等人,2023 年)。在临床实践中,聊天机器人和虚拟助手已被证明对患者教育、药物提醒和心理健康支持有益(Miner 等人,2016 年)。在精神保健领域,人工智能技术的应用同样具有影响力。具体来说,人工智能和机器学习工具已经
植物工厂可以定义为园艺温室或自动化系统设施,通过控制环境条件,例如光,温度,湿度,CO 2和养分溶液。最近,在工厂工厂中,先进的技术已被用来自动调整和控制增长环境。现代工厂工厂技术的主要好处是安全,保障和稳定的食品供应。他们可以解决减少农业员工减少的问题,由于全球变暖的异常天气以及由于人口过多而导致的粮食短缺。因此,可以预期农业业务的进步。植物工厂可以将基于人造照明的完全封闭的系统和基于天然阳光的系统广泛归类。封闭的植物工厂中使用的主要培养方法是水培法,而天然阳光系统可以同时使用土壤和水培技术。基于阳光的植物工厂可以独自使用自然阳光,或者可以使用自然的阳光和人造光的组合。在一个封闭式工厂工厂中,运营成本很高。这种方法不适合种植大量水果和蔬菜,但叶蔬菜适用。小空间,建筑物内部或以前的工业工厂,是植物生长系统的足够关联。如果环境控制是最佳的,则可以增加植物的营养价值。这种用于重新搜索的温室称为phytotron。另一方面,与封闭系统相比,基于阳光的植物工厂的运行成本较低。它们更适合种植更大的水果和蔬菜,但是由于气候变化不可预测,环境控制很困难。植物工厂的历史和典型的过渡如下:1949年,帕萨迪纳加利福尼亚理工学院的Earhart植物研究实验室开发了第一个温室,控制着照明,温度,湿度,湿度,CO 2,风,雨,雨水和雾气。在1950年代在日本,植物体安装在大学,生物学和农业研究机构中。1952年,国家遗传学研究所的环境监管温室成为该国的第一个植物。在1957年,东京大学的农业教师安装了能够控制温度,湿度和人工照明的生物环境控制设施(Biotron)。它不仅是植物植物,而且是生物学研究目的的动物和昆虫环境控制实验室。在1950年代和60年代,BIOS-3 CELSS(受控生态生命支持系统)始于其他国家的太空发展计划。1967年,威斯康星大学还建立了一个名为Biotron的设施。在1970年代初期,日本有限公司(目前是该协会的名誉会员(日本农业,生物学和环境工程师和科学家学会),Takatsuji Masaki)是世界上第一个开始使用工厂工厂技术进行测试的人。在1980年代在美国,使用自然阳光的大型自动化植物工厂变得广泛。同时,在荷兰,使用人造光作为种植花,观赏植物和幼苗的植物生产工厂也变得突出。在日本,水疗中心(语言植物方法)生物特征培养技术是由Ehime University教授Hashimoto Yasushi提出的。1990年,提出了国际空间站内的一家工厂工厂,对零重力与植物生长之间关系的研究始于NASA开发的沙拉机。在日本,目的是提高生产效率。由于这种重点,已经开发了基于荧光照明的多层培养系统,有效地利用面积较密集的植物布局以及漂浮在洪水床上的栽培面板。机器人还被引入植物工厂,在该工厂中,开始并继续进行播种,收获和包装的测试。2008年,启动了一项日本国家政策,称为“广泛工厂工厂使用的经济增长战略”,以促进完全控制的环境和太阳能植物工厂企业的传播。 在2009年第三次繁荣时期,三菱研究所公司2012年3月的调查显示,建立了各种工厂工厂,并且已经开始运营。 106个工厂仅使用人造光,21使用人工和自然光的组合,而84个独有的自然阳光。2008年,启动了一项日本国家政策,称为“广泛工厂工厂使用的经济增长战略”,以促进完全控制的环境和太阳能植物工厂企业的传播。在2009年第三次繁荣时期,三菱研究所公司2012年3月的调查显示,建立了各种工厂工厂,并且已经开始运营。106个工厂仅使用人造光,21使用人工和自然光的组合,而84个独有的自然阳光。从那时起,从耕种到收获的自动化技术管理元素的快速发展就一直在环境控制开始。到目前为止,据推测,只有机器才在植物工厂内部移动。但是,最近还分析了植物移动系统的土壤培养物。例如,大阪县大学的多阶段生菜培养系统机器人或国家农业和食品研究组织的草莓收获机器人。
16。Hirano S,Kishimoto Y,Suehiro A,Kanemaru S,Ito J.老年人声折叠的再生:第一个用成纤维细胞生长factor处理的人类病例。喉镜。2009; 119:197-202。 17。 Mattei A,Magalon J,Bertrand B等。 自体脂肪衍生的基质血管分数和人声折叠:第一个临床病例报告。 干细胞res ther。 2018; 9:202。 18。 Ohno S,Hirano S,Yasumoto A,Ikeda H,Takebayashi S,Miura M.与年龄相关的声带萎缩的再生疗法的结果,具有碱性成纤维细胞生长因子。 喉镜。 2016; 126:1844-1848。 19。 Hirano S,Sugiyama Y,Kaneko M,Mukudai S,Fuse S,HashimotoK。在100例人声褶皱萎缩和疤痕的情况下,在底膜内注射碱性成纤维细胞生长因子。 喉镜。 2021; 131:2059-2064。 20。 Andia I,Maffulli N.血液衍生的组织修复/再生产物。 int J Mol Sci。 2019; 20:45-81。 21。 Masoudi E,Ribas J,Kaushik G,Leijten J,Khademhosseini A.血小板 - 基于干细胞的组织工程和再生的血小板富含血细胞。 Curr干细胞代表。 2016; 2:33-42。 22。 Bhatt NK,Gao WZ,Timmons Sund L,Castro ME,O'Dell K,Johns MM 3rd。 富含血小板的血浆,用于声带疤痕:概念的初步报告。 j声音。 2023; 37(2)302:e17-302.e20。 23。 j声音。 2023; 37(4):621-628。 24。Vander Woerd B,O'Dell K,Castellanos CX等。 25。2009; 119:197-202。17。Mattei A,Magalon J,Bertrand B等。自体脂肪衍生的基质血管分数和人声折叠:第一个临床病例报告。干细胞res ther。2018; 9:202。 18。 Ohno S,Hirano S,Yasumoto A,Ikeda H,Takebayashi S,Miura M.与年龄相关的声带萎缩的再生疗法的结果,具有碱性成纤维细胞生长因子。 喉镜。 2016; 126:1844-1848。 19。 Hirano S,Sugiyama Y,Kaneko M,Mukudai S,Fuse S,HashimotoK。在100例人声褶皱萎缩和疤痕的情况下,在底膜内注射碱性成纤维细胞生长因子。 喉镜。 2021; 131:2059-2064。 20。 Andia I,Maffulli N.血液衍生的组织修复/再生产物。 int J Mol Sci。 2019; 20:45-81。 21。 Masoudi E,Ribas J,Kaushik G,Leijten J,Khademhosseini A.血小板 - 基于干细胞的组织工程和再生的血小板富含血细胞。 Curr干细胞代表。 2016; 2:33-42。 22。 Bhatt NK,Gao WZ,Timmons Sund L,Castro ME,O'Dell K,Johns MM 3rd。 富含血小板的血浆,用于声带疤痕:概念的初步报告。 j声音。 2023; 37(2)302:e17-302.e20。 23。 j声音。 2023; 37(4):621-628。 24。Vander Woerd B,O'Dell K,Castellanos CX等。 25。2018; 9:202。18。Ohno S,Hirano S,Yasumoto A,Ikeda H,Takebayashi S,Miura M.与年龄相关的声带萎缩的再生疗法的结果,具有碱性成纤维细胞生长因子。喉镜。2016; 126:1844-1848。19。Hirano S,Sugiyama Y,Kaneko M,Mukudai S,Fuse S,HashimotoK。在100例人声褶皱萎缩和疤痕的情况下,在底膜内注射碱性成纤维细胞生长因子。喉镜。2021; 131:2059-2064。20。Andia I,Maffulli N.血液衍生的组织修复/再生产物。int J Mol Sci。2019; 20:45-81。 21。 Masoudi E,Ribas J,Kaushik G,Leijten J,Khademhosseini A.血小板 - 基于干细胞的组织工程和再生的血小板富含血细胞。 Curr干细胞代表。 2016; 2:33-42。 22。 Bhatt NK,Gao WZ,Timmons Sund L,Castro ME,O'Dell K,Johns MM 3rd。 富含血小板的血浆,用于声带疤痕:概念的初步报告。 j声音。 2023; 37(2)302:e17-302.e20。 23。 j声音。 2023; 37(4):621-628。 24。Vander Woerd B,O'Dell K,Castellanos CX等。 25。2019; 20:45-81。21。Masoudi E,Ribas J,Kaushik G,Leijten J,Khademhosseini A.血小板 - 基于干细胞的组织工程和再生的血小板富含血细胞。Curr干细胞代表。2016; 2:33-42。 22。 Bhatt NK,Gao WZ,Timmons Sund L,Castro ME,O'Dell K,Johns MM 3rd。 富含血小板的血浆,用于声带疤痕:概念的初步报告。 j声音。 2023; 37(2)302:e17-302.e20。 23。 j声音。 2023; 37(4):621-628。 24。Vander Woerd B,O'Dell K,Castellanos CX等。 25。2016; 2:33-42。22。Bhatt NK,Gao WZ,Timmons Sund L,Castro ME,O'Dell K,Johns MM 3rd。富含血小板的血浆,用于声带疤痕:概念的初步报告。j声音。2023; 37(2)302:e17-302.e20。23。j声音。2023; 37(4):621-628。24。Vander Woerd B,O'Dell K,Castellanos CX等。25。WOO P,Murry T.反复基于办公室的血小板PRP注射后的短期语音改进,患有声带疤痕,肺和萎缩的患者。血小板富血浆上皮下输注的安全性,用于声带疤痕,沟和动物。喉镜。2023; 133:647-653。Gaafar A,Eldeghiedy A,Elmaghraby R,Nouh I,DoniaM。富含血小板的血浆在微喉科手术中的作用:一项随机,连接的试验。j laryngol耳醇。2022; 136:737-741。26。Cobden SB,OztürkK,Duman S等。用富含血小板的等离子体治疗急性发声损伤。j声音。2016; 30:731-735。 27。 tsou ya,Tien VH,Chen SH等。 自体脂肪加上富含血小板的血浆与单独的自体脂肪在Vocalis上。 J Clin Med。 2022; 11:725。 28。 Lana JF,Vicente EF,Lana Absd等。 MOR Institute的PRP经验:巴西(IMOR研究所运动医学研究所,骨科和再生)。 in:Duarte Lana JFS,Andrade Santana MH,Dias Belangero W,Malheiros Luzo AC编辑。 血小板 - 富血浆再生医学:运动医学,骨科和肌肉骨骼损伤的恢复。 纽约Springer-Verlag; 2014:360。 29。 Dhurat R,Sukesh M.血小板富血浆制备的原理和方法:评论和作者的观点。 J Cutan Aesth外科手术。 2014; 7:189-197。 30。 DeJonckere ph。 ceptral语音分析:与感知和构图联系。 31。2016; 30:731-735。27。tsou ya,Tien VH,Chen SH等。自体脂肪加上富含血小板的血浆与单独的自体脂肪在Vocalis上。J Clin Med。 2022; 11:725。 28。 Lana JF,Vicente EF,Lana Absd等。 MOR Institute的PRP经验:巴西(IMOR研究所运动医学研究所,骨科和再生)。 in:Duarte Lana JFS,Andrade Santana MH,Dias Belangero W,Malheiros Luzo AC编辑。 血小板 - 富血浆再生医学:运动医学,骨科和肌肉骨骼损伤的恢复。 纽约Springer-Verlag; 2014:360。 29。 Dhurat R,Sukesh M.血小板富血浆制备的原理和方法:评论和作者的观点。 J Cutan Aesth外科手术。 2014; 7:189-197。 30。 DeJonckere ph。 ceptral语音分析:与感知和构图联系。 31。J Clin Med。2022; 11:725。28。Lana JF,Vicente EF,Lana Absd等。MOR Institute的PRP经验:巴西(IMOR研究所运动医学研究所,骨科和再生)。in:Duarte Lana JFS,Andrade Santana MH,Dias Belangero W,Malheiros Luzo AC编辑。血小板 - 富血浆再生医学:运动医学,骨科和肌肉骨骼损伤的恢复。纽约Springer-Verlag; 2014:360。29。Dhurat R,Sukesh M.血小板富血浆制备的原理和方法:评论和作者的观点。J Cutan Aesth外科手术。2014; 7:189-197。 30。 DeJonckere ph。 ceptral语音分析:与感知和构图联系。 31。2014; 7:189-197。30。DeJonckere ph。ceptral语音分析:与感知和构图联系。31。Rev Laryngol Otol Rhinol(Bord)。1998; 119:245-246。 Awan SN,Roy N,DromeyC。在连续语音中估计吞咽困难的严重程度:多参数光谱/Cepstral模型的应用。 临床语言学家电话。 2009; 23:825-841。 32。 Peterson EA,Roy N,Awan SN,Merrill RM,Banks R,TannerK。验证吞咽困难(CSID)的Cepstral Spectral Spectral指数(CSID)作为客观治疗结果。 j声音。 2013; 27:401-410。 33。 Sato K,Umeno H,Nakashima T.人声折叠中的声带干细胞及其小众。 Ann Otol Rhinol喉。 2012; 121:798-803。 34。 长JL。 纸巾工程用于治疗声带疤痕。 Curr Out Opineraryngol头颈外侧。 2010; 18:521-525。 35。 Morisaki T,Kishimoto Y,Tateya I等。 脂肪衍生的介质 - 基质细胞阻止了大鼠声折叠疤痕。 喉镜。 2018; 128:E33-E40。1998; 119:245-246。Awan SN,Roy N,DromeyC。在连续语音中估计吞咽困难的严重程度:多参数光谱/Cepstral模型的应用。临床语言学家电话。2009; 23:825-841。 32。 Peterson EA,Roy N,Awan SN,Merrill RM,Banks R,TannerK。验证吞咽困难(CSID)的Cepstral Spectral Spectral指数(CSID)作为客观治疗结果。 j声音。 2013; 27:401-410。 33。 Sato K,Umeno H,Nakashima T.人声折叠中的声带干细胞及其小众。 Ann Otol Rhinol喉。 2012; 121:798-803。 34。 长JL。 纸巾工程用于治疗声带疤痕。 Curr Out Opineraryngol头颈外侧。 2010; 18:521-525。 35。 Morisaki T,Kishimoto Y,Tateya I等。 脂肪衍生的介质 - 基质细胞阻止了大鼠声折叠疤痕。 喉镜。 2018; 128:E33-E40。2009; 23:825-841。32。Peterson EA,Roy N,Awan SN,Merrill RM,Banks R,TannerK。验证吞咽困难(CSID)的Cepstral Spectral Spectral指数(CSID)作为客观治疗结果。j声音。2013; 27:401-410。 33。 Sato K,Umeno H,Nakashima T.人声折叠中的声带干细胞及其小众。 Ann Otol Rhinol喉。 2012; 121:798-803。 34。 长JL。 纸巾工程用于治疗声带疤痕。 Curr Out Opineraryngol头颈外侧。 2010; 18:521-525。 35。 Morisaki T,Kishimoto Y,Tateya I等。 脂肪衍生的介质 - 基质细胞阻止了大鼠声折叠疤痕。 喉镜。 2018; 128:E33-E40。2013; 27:401-410。33。Sato K,Umeno H,Nakashima T.人声折叠中的声带干细胞及其小众。 Ann Otol Rhinol喉。 2012; 121:798-803。 34。 长JL。 纸巾工程用于治疗声带疤痕。 Curr Out Opineraryngol头颈外侧。 2010; 18:521-525。 35。 Morisaki T,Kishimoto Y,Tateya I等。 脂肪衍生的介质 - 基质细胞阻止了大鼠声折叠疤痕。 喉镜。 2018; 128:E33-E40。Sato K,Umeno H,Nakashima T.人声折叠中的声带干细胞及其小众。Ann Otol Rhinol喉。2012; 121:798-803。34。长JL。纸巾工程用于治疗声带疤痕。Curr Out Opineraryngol头颈外侧。2010; 18:521-525。35。Morisaki T,Kishimoto Y,Tateya I等。脂肪衍生的介质 - 基质细胞阻止了大鼠声折叠疤痕。喉镜。2018; 128:E33-E40。2018; 128:E33-E40。