XiaoMi-AI文件搜索系统
World File Search SystemMRI
引用朗姆酒，I。A。（2025年1月29日）。多尺度EE-MRIO支持印度尼西亚可持续发展政策的潜力。取自
在可再生能源指令（RED）II下摘要这是欧盟将使用棕榈油用于生物柴油原料的。环境问题是欧盟实施这项倡议的主要原因。这项研究分析了欧盟进口禁令对省级印度尼西亚的经济和环境影响，使用2种情况（一种直接和直接独立的进口禁令）。使用具有环境扩展的全球学习多区域输入输出（MRIO）进行分析。这项研究表明，欧盟对棕榈油的直接进口禁令将使印度尼西亚的GDP从基线降低-0.2％（-0.26％），雇用率为-0.12％（-0.54％）。在省级，RIAU，北苏门答腊，兰蒙，卡利曼丹中部和南卡利曼丹对其国内生产总值的影响最大（超过-0.5％）。在直接进口禁令下，工作损失主要发生在Java以外（96.26％）和油料种子行业（75.21％）。低级和中间的工作工作比高技能工作的工作要多，占总损失的95％。这项研究还表明，直接（合并）的进口禁令将国家温室气体排放量减少-0.19％（-0.24％），土地总利用率降低了-0.48％（-0.6％）。潜在的碳固换可以为34.55（42.27）吨，相当于149.74（182.67）百万吨co 2 e co 2 e，假设降低了油料种子中土地利用的全部恢复。我们的研究表明，欧盟对印尼棕榈油的进口禁令在国家和省级的经济和环境影响相对较小。然而，该政策可以产生潜在的碳固换，从而通过植被和土壤吸收CO 2。
基于fMRI 4D时空数据
使用神经影像数据将精神健康障碍与健康对照的患者区分开来，已采用了广泛的机器学习方法。但是，几乎所有此类方法都基于连接矩阵或从神经成像数据得出的特征应用于输入。最近只有几篇论文根据原始的基于体素的时空数据考虑了这种分类。在本文中，我们报告了基于体素的fMRI数据上一些尖端机器学习算法的性能，以对健康对照和精神分裂症患者进行分类。我们采用的方法包括卷积神经网络，具有较长短期记忆的卷积复发性神经网络以及基于Wasserstein生成的对抗网络的分类的转移学习方法。为了减轻适合可用硬件的计算负担，我们必须将原始的4维数据减少到几乎所有架构的3维输入中。我们的结果表明，基于卷积神经网络的相对简单的体系结构在对健康对照组中的患者分组中表现出合理的不兼容性。相反，我们使用的其他两个复杂架构的性能相对较差。
多参数 MRI 结合机器学习可预测儿童低级别胶质瘤的预后和治疗反应
儿童低级别胶质瘤 (pLGG) 的预后和治疗反应各异，在无法完全切除的情况下会导致肿瘤进展和不良反应。早期预测治疗反应和免疫疗法适用性有可能改善临床管理和结果。在这里，我们展示了 pLGG 的放射基因组学分析，整合了 MRI 和 RNA 测序数据。我们确定了三个免疫学上不同的簇，其中一个簇的特征是免疫活性增强和预后较差，表明免疫疗法可能有益。我们开发了一种放射组学特征，可以以超过 80% 的准确率预测这些免疫特征。此外，我们的临床放射组学模型可以预测无进展生存期并与治疗反应相关。我们还确定了与进展风险相关的遗传变异和转录组通路，强调了与肿瘤生长和免疫反应之间的联系。这项针对 pLGG 的放射基因组学研究为识别可能受益于靶向治疗的高危患者提供了一个框架。
Epirmex新生儿的Epirmex队列中的自动脑MRI指标：与2年的神经发育结果相关
Baptiste Morel，Pierre Bertault，GéraldineFavrais，Elsa Tavernier，Barthelemy Tosello等。诊断和介入成像，2021，102（4），pp.225-232。10.1016/j.diii.2020.10.009。hal-03324508
心脏MRI特征和免疫检查点抑制剂的预后价值诱导心肌炎
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
多中心胎儿脑部 MRI 的稳健质量控制系统
a CIBM – Center for Biomedical Imaging, Switzerland b Department of Diagnostic and Interventional Radiology, Lausanne University Hospital and University of Lausanne, Lausanne, Switzerland c BCNatal Fetal Medicine Research Center (Hospital Clínic and Hospital Sant Joan de Déu), Universitat de Barcelona, Spain d IDIBAPS and CIBERER, Barcelona, Spain e Department Woman-Mother-Child, CHUV, Lausanne, Switzerland f Aix-Marseille Université, CNRS, Institut de Neurosciences de La Timone, Marseilles, France g Center for MR Research, University Children's Hospital Zurich, University of Zurich, Zurich, Switzerland h Neuroscience Center Zurich, University of Zurich, Zurich, Switzerland i Research Priority Project Adaptive Brain Circuits in Development and Learning (AdaBD), University of Zürich, Zurich, Switzerland j Service de Neuroradiologie Diagnostique et Interventionnelle, Hôpital Timone, AP-HM, Marseilles, France
便携式 MRI 研究的伦理监督和社会许可
简介 便携式低场 MRI 为在家庭、学校、零售店、法庭、体育场和学术医疗中心以外的其他地点等野外环境中进行脑研究提供了可能性。将脑研究带给民众，而不需要研究参与者前往学术医院的固定 MRI 扫描仪，可以使数据库多样化并减少神经科学的偏见。1 便携式 MRI 可以让非医学研究人员（包括公民科学家）探索终极黑匣子——大脑——如何影响人类在现实世界中的表现，而这些情况在传统的医院研究环境中很难复制。潜在的研究用途包括教育研究和陪审员决策研究、经济决策和消费者选择、投票行为和艺术创作研究，其中许多仍处于推测阶段。2 学者们表示，新兴领域“神经法、神经经济学、教育神经科学、神经政治学、神经营销学、神经哲学和神经社会学可能会越来越多地将扫描融入到他们的研究中。” 3 与此同时，学者们警告称，当前的伦理和监管框架存在漏洞，可能会导致对未来 pMRI 研究参与者的保护不全面或无效。4
离家很远：使用便携式MRI
1：美国明尼苏达州明尼苏达州明尼苏达州，美国明尼苏达州。2：不列颠哥伦比亚大学，加拿大不列颠哥伦比亚省温哥华。简介在遥远野外设置中进行神经成像研究的便携式磁共振成像（PMRI）具有巨大的潜力，可以吸引以前从研究中排除的人群，包括在术神经科学数据库中代表性不足的少数和服务不足的社区。1然而，研究远离医疗机构和可能没有足够健康覆盖范围或已建立的初级保健关系的人口，这引发了如何管理偶然发现（IFS）的问题。这些发现可能会急切地保证临床检查。许多先前关于IFS返回研究参与者的指南（ROR）和IFS临床可行性的返回。2然而，在获得临床护理不良的人群中，一些评论员质疑IF是否可以作为实际问题可行，并建议减少IF或没有回报研究参与者。3其他评论员认为，历史上有优势的参与者社区具有其结果和IF的同等或更大的权利。4与
用于 fMRI 分析的功能模式细粒度图谱
群体成像显著增加了功能成像数据集的大小，为个体间差异的神经基础提供了新的见解。分析这些大数据带来了新的可扩展性挑战，包括计算和统计方面的挑战。因此，大脑图像通常总结为几个信号，例如使用大脑图谱或功能模式减少体素级测量值。选择相应的大脑网络非常重要，因为大多数数据分析都是从这些减少的信号开始的。我们贡献了精细解析的功能模式图谱，包含 64 到 1024 个网络。这些功能模式词典 (DiFuMo) 是在数百万个 fMRI 功能性大脑体积上训练的，总大小为 2.4TB，涵盖了 27 项研究和许多研究小组。我们展示了在我们的细粒度图谱中提取精简信号对许多经典功能数据分析流程的好处：从 12,334 个大脑反应中解码刺激、跨会话和个体的 fMRI 标准 GLM 分析、提取 2,500 个个体的静息状态功能连接组生物标志物、对超过 15,000 个统计图进行数据压缩和荟萃分析。在每一个分析场景中，我们都将我们的功能图谱与其他流行参考资料的性能进行比较，并与简单的体素级分析进行比较。结果强调了使用高维“软”功能图谱来表示和分析大脑活动同时捕捉其功能梯度的重要性。高维模式的分析实现了与体素级类似的统计性能，但计算成本大大降低，可解释性更高。除了提供它们之外，我们还根据这些模式的解剖位置为其提供有意义的名称。这将有助于报告结果。
镇静临床成像和麻醉方案中的静息状态 fMRI 优化
材料和方法：在这项横断面研究中，我们分析了 2009 年至 2023 年在麻省总医院麻醉下获得的临床 rs-fMRI 数据。对每位患者的独立成分分析驱动的静息状态网络 (RSN) 进行定性和定量评估，并将其分为强或弱两组。使用定性方法评估整体网络，使用定量方法评估运动和语言网络。在 4 个结果类别中分析了 RSN 稳健性：整体、组合运动语言、单个运动和语言网络。预测变量包括 rs-fMRI 采集参数、麻醉药物、潜在的大脑结构异常、年龄和性别。使用逻辑回归来检验研究变量对 RSN 稳健性的影响。