XiaoMi-AI文件搜索系统
World File Search SystemMCI
脑血流动力学功能性近红外光谱与正电子发射断层扫描评估轻度认知障碍与阿尔茨海默病的相关性：一项探索性研究
本研究通过对轻度认知障碍 (MCI) 和阿尔茨海默病 (AD) 患者中 fNIRS 与正电子发射断层扫描 (PET) 和磁共振成像 (MRI) 检测到的血流动力学激活进行比较分析，探讨功能性近红外光谱 (fNIRS) 的实用性。参与者被分为四组：主观记忆障碍 (SMI)、遗忘型 MCI (aMCI)、非遗忘型 MCI (naMCI) 和 AD 组。我们使用商用无线连续波 NIRS 系统记录语义言语流畅性任务 (SVFT) 期间的血流动力学反应。分析了各组神经影像学评估参数之间的相关性。基于兴趣区域的比较显示，四组在双侧背外侧前额叶皮质 (DLPFC) 的 SVFT 期间有显著不同的血流动力学反应。线性混合效应模型结果表明，在控制 fNIRS 信号的年龄和组别差异后，双侧 DLPFC 区域的平均 Δ HbO 2 与整体 FDG-PET 呈显著正相关。淀粉样蛋白 PET 信号往往能更好地区分 AD 组与其他组，而 fNIRS 信号往往能更好地区分 SMI 组与其他组。此外，组间比较显示，DLPFC 中的海马体积和血流动力学反应之间存在镜像模式。fNIRS 检测到的血流动力学反应与疾病进展相关的代谢和解剖变化呈显著相关性。因此，fNIRS 可被视为预测 MCI 和 AD 患者大脑血流动力学和代谢状态的筛查工具。
患有二甲双胍与替代口服葡萄糖疗法的2型糖尿病患者的事件痴呆症风险：使用英国初级医疗记录的观察队列研究
摘要引言420万个人患有2型糖尿病，这是痴呆症和轻度认知障碍的已知危险因素（MCI）。糖尿病治疗可能会改变这种关联，但现有证据矛盾。因此，与其他降低口服葡萄糖疗法（GLT）相比，我们旨在评估二甲双胍疗法与发生全因痴呆或MCI的风险之间的关联。研究设计和方法我们在1990年至2019年期间≥40岁的英国成年人中使用临床实践研究数据进行了观察队列研究。我们使用了主动比较器新用户设计来比较最初处方的二甲双胍的个体中的痴呆和MCI风险，而不是使用COX比例危害回归控制社会人口统计学，生活方式和临床混杂因素的替代口服GLT。我们评估了按年龄和性别进行的互动。灵敏度分析包括经过处理的分析，以减轻潜在的暴露分类错误。结果，我们包括211个396个个体（中位年龄63岁；女性42.8％），其中179 333（84.8％）从二甲双胍治疗开始。在中位随访时间为5。4年，使用二甲双胍与痴呆症的风险较低（调整后的HR（AHR）0.86（95％CI 0.79至0.94））和MCI（AHR 0.92（95％CI 0.86至0.99））。年龄在80岁以下的二甲双胍使用者的痴呆症风险较低（AHR 0.77（95％CI 0.68至0.85）），这对年龄≥80岁的人没有观察到这一点（AHR 0.95（95％CI 0.87至1.05））。与性没有互动。与主要分析相比，经过处理的分析显示效应大小降低（AHR 0.90（95％CI 0.83至0.98））。与糖尿病成年人的替代GLT相比，二甲双胍使用的结论与较低的痴呆症和MCI风险有关。尽管我们的发现与二甲双胍对痴呆的神经保护作用是一致的，但需要进一步的研究以减少通过适应和评估因果关系混淆的风险。
根据结构 MRI、临床和遗传数据结合双重注意力 CNN 和 MLP 来诊断阿尔茨海默病
阿尔茨海默病 (AD) 是一种不可逆的中枢神经退行性疾病，而轻度认知障碍 (MCI) 是 AD 的前兆。准确的早期诊断 AD 有利于 AD 的预防和早期干预治疗。尽管已经开发了一些用于 AD 诊断的计算方法，但大多数方法仅采用神经影像学，忽略了可能包含潜在疾病信息的其他数据（例如遗传、临床）。此外，一些方法的结果缺乏可解释性。在这项工作中，我们提出了一种新方法（称为 DANMLP），通过整合结构磁共振成像 (sMRI) 的多模态数据、临床数据（即人口统计学、神经心理学）和 APOE 遗传数据，将双注意卷积神经网络 (CNN) 和多层感知器 (MLP) 结合在一起进行计算机辅助 AD 诊断。我们的 DANMLP 由四个主要组件组成：（1）Patch-CNN，用于从每个局部块中提取图像特征，（2）位置自注意块，用于捕获块内特征之间的依赖关系，（3）通道自注意块，用于捕获块间特征的依赖关系，（4）两个 MLP 网络，分别用于提取临床特征和输出 AD 分类结果。与 5CV 测试中的其他最先进方法相比，DANMLP 在 ADNI 数据库上的 AD vs. MCI 和 MCI vs. NC 任务中实现了 93% 和 82.4% 的分类准确率，分别比其他五种方法高 0.2% ∼ 15.2% 和 3.4% ∼ 26.8%。局部区域的个性化可视化还可以帮助临床医生进行 AD 的早期诊断。这些结果表明，DANMLP 可有效用于诊断 AD 和 MCI 患者。
估计携带精细电流的能力
估计携带精细电流的微波零件公司（MCI）使用几种不同的电线类型（金，铜，金镀铜，银，铝和镍合金）来制造微型空气线圈。每种电线类型都提供不同的优势或缺点。例如，许多客户使用了金属丝，因为其高氧化电阻，高电导率和与电路垫键合的相对易于性。金线的主要缺点是每线性英尺的成本。铜比黄金更实惠，并提供了优质的电气和热性能，同时提供了较低的金属间生长和机械稳定性的增加。镀金铜提供了一种解决方案，该解决方案将黄金和铜的优势以比纯金更低的价格结合在一起。许多MCI的电线供应商没有通过电线类型和量规（AWG）指定最大电流。供应商担心的是变量太多（电线长度，垫子大小，债券类型等）提供可靠的最大电流。许多电线供应商为每种电线类型提供电阻和介电，并建议客户计算电流。一个供应商提供了一个非常保守的方程式，用于计算细铜线的最大电流为（电线直径）2 * 4869.48。供应商建议也可以将相同的方程式用于金线。MCI认识到，最大电流是我们许多客户设计的重要参数。MCI使用修改后的Preece方程来确定最大电流。修改后的preece方程是：i = k * d 1.5其中：i =电流[amps] d =电线直径[英寸] k = MIL-M-M-38510J提供的常数
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日](/simg/g:\will\search\icon\source\1\179a87c6f83be0ee92585383a262d85d2db19fa0.webp)
arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日
摘要：轻度认知障碍（MCI）是阿尔茨海默病（AD）的前兆，MCI的检测具有重要的临床意义。分析患者的结构脑网络对于识别MCI至关重要。然而，目前对结构脑网络的研究完全依赖于特定的工具箱，耗时且主观，很少有工具可以从脑扩散张量图像中获取结构脑网络。在本文中，提出了一种基于对抗学习的结构脑网络生成模型（SBGM），直接从脑扩散张量图像中学习结构连接。通过分析不同受试者结构脑网络的差异，我们发现从老年正常对照（NC）到早期轻度认知障碍（EMCI）再到晚期轻度认知障碍（LMCI），受试者的结构脑网络呈现出一致的趋势：随着病情的恶化，结构连接朝着逐渐变弱的方向发展。此外，我们提出的模型对 EMCI、LMCI 和 NC 受试者进行了三分类，在阿尔茨海默病神经影像计划 (ADNI) 数据库上实现了 83.33% 的分类准确率。
建筑物的体现碳排放
许多研究检查了认知健康的老年人以及患有轻度认知障碍（MCI）和阿尔茨海默氏病（AD）的执行功能（EF）的能力。当前，没有用于测试特定EFS的标准接受协议；因此，研究人员使用了他们的首选工具，这导致了整个研究特定能力的下降评估的差异。因此，对于评估EF下降的最敏感测试，需要指导。对2000年至2022年之间发表的最新文献进行了评估评估健康健康的老年人和MCI和AD的个人的EF研究。重点放在EF的双重任务，抑制，转移或切换以及工作内存更新。审查了许多任务及其结果。特别重要的是，适用于同一参与者的任务的结果存在差异。这些各种EF评估工具表明，由于衰老过程和神经退行性条件（例如MCI和AD），有效地识别EF能力下降的差异。本综述在使用特定人群中的特定EF任务（包括任务需求和刺激因素）以及比较整个研究中的分支结果时都需要考虑各种因素。
机器学习方法改善了从轻度认知障碍到阿尔茨海默氏病的纵向预测
摘要：轻度认知障碍（MCI）是认知能力下降，可以表明阿尔茨海默氏病（AD）的未来风险。我们根据梯度增强的树集合方法开发并验证了机器学习算法（MLA），以分析55-88岁（n = 493）诊断为MCI的个体的表型数据。数据，并取平均值以预测24-48个月内的AD进展。MLA在大多数指标上的所有预测窗口上都超过了小型状态检查（MMSE）和三个比较模型。例外包括18个月时的灵敏度（MLA和MMSE分别达到0.600）；和30和42个月的灵敏度（MMSE略微更好）。对于所有预测窗口，MLA均达到AUROC≥0.857和NPV≥0.800。带有24-48个月lookahead时间范围的平均数据，MLA在所有指标上的表现都优于MMSE。这项研究表明，机器学习可能比护理标准提供更准确的风险评估。这可能有助于促进护理协调，减少医疗支出，并维持从MCI到AD的风险的患者的生活质量。
基于机器学习的预测具有正常认知功能的个体中的轻度认知障碍
在过去的十年中，多项研究报告了可能促进或预测痴呆症发展的主要危险因素，包括年龄，教育，性别，精神障碍，糖尿病等（3，4）。很少有人关注MCI正常认知功能的风险或原因。此外，随着成像的发展，磁共振成像（MRI）可以提供不同脑损伤的可视化，例如缺血性中风，白质超强度（WMH）和脑萎缩，越来越多地用于诊断和病因学区分认知功能障碍（5，6）。很少有研究集中于临床和图像因素的组合，以确定MCI的未来风险。与科学家手动完成的数据分析相比，人工模型在检测不同变量的重要性并平衡每个变量和周期之间的重量方面可能更强大且准确。
tcrf-round-recipients.pdf
原住民雷安·苏（Rhiann Sue）博士参见在托雷斯海峡和北半岛北部地区，对患有轻度认知障碍（MCI）的原住民进行开发，实施和评估护理模型（MOC）。