XiaoMi-AI文件搜索系统
World File Search SystemHelse
继续奖学金和2025年项目 - 公开宣布的资金
dopoktorStipend Kirsten Braatveit Helse Fonna HF针对适用的物质使用障碍治疗，用于轻度至边界智力残疾的住院患者 - 新干预套餐的发展和可行性/驾驶。
DNA - 拭子测试迷你美国牧羊犬
我宣布已介绍并检查了正确的狗。违反此规定将导致该窝小狗无法登记/注销登记，挪威养犬俱乐部对此不承担任何责任。如果与主人和狗有关的所有身份都保密，样本将能够被自由用于研究，以改善该品种的健康状况。
很快来到实验室
在2012年秋季开始，一个庞大的项目的开始标志着LAN最大的卫生区域的实验室：用LabVantage Medical Suite（LVMS）替换所有现有的医学生物化学，微生物学，病理学和血液库中的现有系统。卡尔恩斯（Kalnes）的新Østfold医院被赋予“试验兔子”的作用，在八年之内，重组将在整个地区完全进入。那不是这样。在卫生委员会的东南部摘要中，它说，Østfold的领先优势变得“长期且要求”，并以“供应商的杠杆作用不令人满意”和“广泛使用资源”，然后才逐渐开始改善。（在第12-13页上详细介绍了Østfold的经验中的生物工程师）。现在已经发出了明确的信号，以推出整个卫生卫生的新实验室数据系统的病理部分。它将在2018年和2019年期间发生。
CD24 靶向术中荧光图像引导手术可在临床前原位手术模型中改善卵巢癌细胞减灭术
背景：切除的完整性是卵巢癌患者的关键预后指标，而肿瘤靶向荧光图像引导手术 (FIGS) 的应用提高了细胞减灭术中腹膜转移的检测率。CD24 在卵巢癌中高表达，已被证明是肿瘤靶向成像的合适生物标志物。方法：研究了高级别浆液性卵巢癌 (HGSOC) 的细胞系和异质患者来源的异种移植 (PDX) 肿瘤样本中的 CD24 表达。将单克隆抗体 CD24 与 NIR 染料 Alexa Fluor 750 结合并评估最佳药理参数 (OV-90，n = 21) 后，对原位 HGSOC 转移性异种移植 (OV-90，n = 16) 进行了实时反馈的细胞减灭术。将术中 CD24 靶向荧光引导的影响与单独的白光和触诊进行了比较，并在术后监测疾病复发（OV-90，n = 12）。在四种临床注释的转移性 HGSOC 原位 PDX 模型中进一步评估了 CD24-AF750，以验证术中引导的转化潜力。结果：与原位 HGSOC 异种移植中的标准白光手术相比，CD24 靶向术中 NIR FIG 显着（47.3%）改善了肿瘤检测和切除，并减轻了术后肿瘤负担。CD24-AF750 允许识别四种 HGSOC PDX 中肉眼无法检测到的微小肿瘤病变。解读：CD24 靶向 FIG 具有转化潜力，可作为改善卵巢癌减瘤手术的辅助手段。资金：本研究由 H2020 计划 MSCA-ITN [675743]、Helse Vest RHF 和 Helse Bergen HF [911809、911852、912171、240222、911974、HV1269] 以及挪威癌症协会 [182735] 和挪威研究理事会通过其卓越中心资助计划 [223250、262652] 资助。© 2020 作者。由 Elsevier BV 出版 这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章。（http://creativecommons.org/licenses/by-nc-nd/4.0/）
量化衰老过程中的大脑和认知维持
资金信息芬兰科学院，资助/奖励编号：311492；阿尔茨海默氏症协会，资助/奖励编号：441；H2020 欧洲研究委员会，资助/奖励编号：732592、802998；HDH Wills 1965 慈善信托，资助/奖励编号：1117747；Helse Sør- Øst RHF，资助/奖励编号：2015073、2019107；英国医学研究委员会，资助/奖励编号：G1001354、R024227、S011676；MRC 英国痴呆症平台，资助/奖励编号：MR/L023784/2；NIHR 牛津健康生物医学研究中心：HQR00984；挪威研究局，拨款/奖励编号：223273、249795、273345、276082、286838；英国帕金森协会，拨款/奖励编号：J-1403；英国研究与创新局，拨款/奖励编号：MR/R024790/1；美国国家老龄研究所，拨款/奖励编号：R01AG062553；威康基金会，拨款/奖励编号：203139/Z/16/Z
工作流集成的脑肿瘤分割系统...
人工智能 (AI) 在医学成像任务中取得了巨大成果，并有可能在未来改善临床医生和患者的体验，但在将 AI 融入医学的道路上，存在许多实际、技术和社会挑战。在本文中，我们为 Helse Vest 的 AI 集成开发做出了贡献，并提出了一种与其现有研究 PACS 解决方案集成的脑肿瘤分割系统。我们调查了目前机器学习模型集成的可能性程度，以及是否需要额外的软件开发工作。所使用的机器学习模型是使用结合两个基于 Python 的深度学习库 fastai 和 MONAI 的库开发的。该库目前由 Mohn 医学成像和可视化中心 (MMIV) 的研究人员开发，我们将它与另一个最先进的框架进行比较，以量化其潜在的实用性。此外，我们将其部署在一个简单的交互式 Web 应用程序中。本论文包含三项研究，旨在讨论和回答我们的研究目标。所有研究均使用了 BraTS 2021 分割挑战赛数据集中的医疗数据，我们的项目是 MMIV 的 WIML 项目 [1] 的一部分。我们取得的成果为未来的开发人员在研究 PACS 中继续进行工作流集成机器学习开辟了道路，我们看到了未来研究的许多可能方向。
Sensorbaserteglukosemålereved糖尿病I
基于传感器的葡萄糖测量，包括连续和闪光葡萄糖器（RTCCM/FGM），这意味着患者可以比传统的手指替代（SMBG）更容易地更容易地监测血糖水平和剂量胰岛素。在此简化的方法评估中，我们总结了2023年DIA Betes 1型的基于传感器的葡萄糖计的报告结果。治疗委员会得出的结论是，基于传感器的葡萄糖仪可以降低非认真的降血糖事件的风险，并使患者在一天中的较大部分中处于正确的血糖间隔。在一项调查中，有92％的患者反应说，他们更喜欢基于传感器的葡萄糖测量，而不是SMBG，但有8％的患者对他们更喜欢SMBG的反应。从有限的社会角度来看，采用生命周期方法的健康经济分析表明，基于传感器的葡萄糖计的成本较低，效用比SMBG更高。结果对基于传感器的葡萄糖计的成本变化敏感。在阈值分析中，治疗委员会表明，可以假定向所有1型糖尿病患者的基于传感器的葡萄糖仪引入，以每台传感器12 305的价格为DKK的成本中性。公共卫生研究所认为，治疗委员会报告中的结果可以在很大程度上转移到挪威事务。适应挪威条件的简单预算消费分析表明，专业卫生服务的介绍费用在第一年将达到4350万诺克，而五年内的总成本将达到3.45亿诺克。