XiaoMi-AI文件搜索系统
World File Search SystemMRIS
用于脑肿瘤分割的扩张初始 U-Net (DIU-Net)
摘要 — 磁共振成像 (MRI) 常用于脑肿瘤诊断、治疗计划和治疗后监测。最近，已经提出了各种基于深度神经网络的模型来对脑 MRI 中的肿瘤进行像素级分割。然而，MRI 中的结构变化、空间差异和强度不均匀性使分割成为一项具有挑战性的任务。我们提出了一种基于 U-Net 的新型端到端脑肿瘤分割架构，该架构将 Inception 模块和扩张卷积集成到其收缩和扩展路径中。这使我们能够提取局部结构和全局上下文信息。我们使用脑肿瘤分割 (BraTS) 2018 数据集对胶质瘤亚区域（包括肿瘤核心、增强肿瘤和整个肿瘤）进行了分割。在肿瘤核心和整个肿瘤分割方面，我们提出的模型的表现明显优于最先进的基于 U-Net 的模型（p < 0.05）。
市场模拟计划 2026 年春季发布
2026 年春季发布计划的市场模拟将在 MAP 阶段环境中进行。如果参与者尚未获得此环境的访问权限，则需要获取访问权限。ISO 设想参与者可能希望访问主文件 (MF)、市场参与者门户 (MPP)、停电管理系统 (WebOMS)、需求响应登记系统 (DRRS)、资源充足性客户界面 (CIRA)、调度基础设施和业务规则 (SIBR)、基本计划聚合门户 (BSAP)、平衡授权区域运营门户 (BAAOP)、CAISO 市场结果界面 (CMRI)、自动调度系统 (ADS) 和市场结果界面结算 (MRIS)。对于尚未获得 MAP 阶段系统访问权限的用户，可以通过填写应用程序访问请求表 (AARF) 或通过访问身份管理 (AIM) 应用程序修改现有证书来请求访问权限。有关填写 AIM 和 AARF 表格的信息可在 ISO 门户的应用程序访问请求表和应用程序安装说明标题下找到。有关访问面向外部的 ISO 环境的信息可在 ISO 公共网站的“应用程序访问”页面 ( 链接 ) 上找到。接口信息可在 ISO 开发人员网站上找到 – ( 链接 )
2024年1月17日 - 佐治亚州社区卫生部
o研究试验排除了患者，如果任何出血风险o监测淀粉样蛋白相关的成像异常（ARIA）所需的至少三个MRI（ARIA）； PET扫描和MRI在治疗之前需要o分层以确定轻度与晚期疾病，主要查看患者或护理人员报告的系统，扫描。o期IV期试验开放标签的扩展研究正在进行的o头研究，研究早期疾病（没有阿尔茨海默症症状的淀粉样蛋白升高）o如果考虑针对某些生物标志物o难以分层哪些患者将这些药物送给制造商；许多未知的o临界认知能力下降，但如果患者没有认知症状o在男性与女性中使用药物的担忧，则疾病进展的延迟4-5个月；大多用于因认知下降而影响的女性，少数族裔人口中的人数不足，在sunlenca
新的表型发现方法通过无监督的深度表示学习使脑成像的遗传关联研究
了解大脑结构的遗传结构是具有挑战性的，部分原因是在设计牢固的，无偏见的脑形态描述符时遇到了困难。直到最近，全基因组关联研究（GWAS）的大脑测量由传统的专家定义或软件衍生的图像衍生的表型（IDP）组成，这些表型（IDP）通常基于理论先入为主或根据有限数据计算。在这里，我们提出了一种使用无监督的深度表示学习来得出大脑成像表型的方法。我们在6,130英国生物库（UKBB）参与者的T1或T2-Flair（T2）脑MRIS上训练3D卷积自动编码器模型，以重建损失，以创建一个128维表示，称为内类型（Endos）。gwas在UKBB受试者中（n = 22,962发现和n = 12,848/11,717的T1/T2的复制队列）确定了658个涉及43个独立位点的显着复制变体 - 内对。在以前的T1和T2 IDP Biobank GWAS中没有报道13个基因座。我们开发了一种基于扰动的解释方法，以表明这些基因座与映射到多个相关大脑区域的胚胎相关。我们的结果确定了无监督的深度学习可以从成像数据中得出鲁棒，无偏，可解释的和可解释的内表型。
钌（II）菲咯啉配合物与分离的 DNA 的结合研究
金属配合物因其在生物领域的用途而被认为在治疗中起着至关重要的作用 [1,2]。由于过渡金属配合物在生物技术和癌症治疗中的广泛用途，对过渡金属配合物与 DNA 之间相互作用的研究引起了广泛的兴趣 [3-8]。金属配合物是具有生物学意义的一类重要化学物质。这类物质在医学上经常用作 MRI 中的造影剂、放射性药物、溃疡和关节炎的治疗以及癌症的化疗。通常使用许多实验方法来追踪中性 pH 水溶液中 DNA 与金属配合物之间的相互作用，作为金属配合物-DNA 摩尔比的函数，这可能为这种联系提供间接证据 [9]-。铂和钌离子是迄今为止研究最多的金属离子，被认为是可能的抗癌药物的配位中心。许多抗癌药物以 DNA 作为关键靶分子。为了了解药物分子如何与 DNA 相互作用，研究了与 DNA 结合的金属配合物。
健康大脑计划 (HBI)：一项前瞻性队列研究方案
HBI 是一项纵向观察性队列研究，将每年跟踪 500 名深度表型参与者，以收集、分析和存储临床、认知、行为、功能、遗传和神经影像数据和生物样本。参与者年龄为 50 岁；没有主观或轻度认知障碍；有研究伙伴；并且有资格接受磁共振成像 (MRI)。招募以社区为基础，包括广告、口口相传、社区活动和医生推荐。在基线，在知情同意后，参与者完成详细的基于网络的调查（例如，人口统计、健康史、风险和恢复力因素），然后进行两次半天的访问，其中包括神经系统检查、认知和功能评估、隔夜睡眠研究和生物样本收集。所有参与者都完成了结构和功能 MRI，并且一部分人还同意进行淀粉样蛋白 PET 成像。每年的随访都会重复与基线相同的数据和生物样本收集，但在基线之后每隔一年进行 MRI 检查。
![arxiv：2012.15294v1 [eess.iv] 2020年12月30日](/simg/g:\will\search\icon\source\4\440d22a9e2e4d8344dbfe06477ccfb76b9f91828.webp)
arxiv：2012.15294v1 [eess.iv] 2020年12月30日
摘要。3D磁共振图像（MRI）中脑肿瘤分割的自动化是评估疾病的诊断和治疗的关键。近年来，卷积神经网络（CNN）在任务中显示出改善的结果。但是，在3D-CNN中，高内存消耗仍然是一个问题。此外，大多数方法不包含不确定性信息，这在医学诊断中尤其重要。这项工作研究3D编码器培训架构，该体系结构接受了基于贴片的技术，以减少记忆消耗并降低不平衡数据的效果。然后使用不同的训练模型来创建一个集合，以利用每个模型的属性，从而增加性能。我们还分别使用测试时间辍学（TTD）和数据启动（TTA）引入了Voxel的不确定性信息。另外，提出了一种混合方法，有助于提高分割的准确性。这项工作中提出的模型和不确定性估计测量已在Brats'20挑战中针对肿瘤分割和不确定性估计。
Rho激酶（岩石）抑制剂诱导BRCA2缺陷细胞中多种有丝分裂缺陷和合成致死性
抽象的静息状态功能性MRI（RS-FMRI）被广泛用于检查婴儿的动态大脑功能发育，但是这些研究通常需要精确的皮质细胞层析图，由于婴儿和成人之间功能性大脑的实质性差异，无法直接从基于成人的功能性分层图中借用。创建婴儿特异性皮层拟层图是高度期望的，但由于在获取和加工婴儿脑MRIS上的困难，因此仍然具有挑战性。在这项研究中，我们利用了1064个高分辨率的纵向RS-FMRIS，从197个通常从出生到24个月的婴儿和幼儿开始，他们参加了Baby Connectome项目，以开发第一组婴儿，表面性的，表面基于表面的皮质功能型映射。为了建立跨个体的有意义的皮质功能对应关系，我们使用皮质折叠几何特征和功能连接性（FC）进行了皮质共同注册。然后，我们根据年龄相关和与年龄无关的皮质划线图产生了基于跨个体的局部FC的局部梯度图，在婴儿期间具有超过800个细粒度的包裹。这些分析图揭示了复杂的功能发育模式，例如局部梯度，网络规模和局部效率的变化，尤其是在产后的前9个月。我们的生成细粒婴儿皮层功能分析图可在https：// www上公开获得。nitrc.org/projects/infanturfatlas/用于前进儿科神经影像学领域。
脑年龄残留生物标志物（barb）
使用脑成像（例如MRIS）的年龄预测已取得了令人鼓舞的结果，其中一些研究将模型的残留视为慢性疾病状态的潜在生物标志物。在这项研究中，我们使用1,220名美国退伍军人（18-80年）和卷积神经网络（CNN）的数据集开发了大脑年龄预测模型，该模型对轴向T2加权快速旋转echo和T2加权流体的二维切片进行了培训，该模型训练了二维切片。模型融合了三级多项式集合，在测试集中达到了0.816的R 2。图像是在前侧孔和外侧心室的额角处获取的。进行剩余分析以评估其作为五种ICD编码疾病的生物标志物的潜力：高血压（HTN），糖尿病（DM），轻度创伤性脑损伤（MTBI），非法药物滥用/依赖/依赖（SAD）和酒精滥用/依赖（AAD）。由ICD编码条件数量分组的残差表明具有统计学意义的不同趋势（p =0。002），表明疾病状态与预测的脑年龄之间存在关系。在49年内患者中，这种关联尤其明显，其中负残留（表明晚期脑老化）与存在多个ICD代码相关。这些发现支持残留物作为检测潜在健康状况的生物标志物的潜力。
改进了...
摘要 - 这项研究引入了一个专门为医疗物联网设备设计的轻量级图像加密框架，并利用了6D混沌图与XOR扩散，像素置换量和可选替换层结合使用。该方法利用了高维混沌系统的固有随机性，刻薄性和敏感性来实现敏感的医学图像的强大加密和安全传播，包括X射线，MRIS和ECGS。全面的评估表明，该框架有效地破坏了空间连贯性，达到了几乎零像素相关性和高熵（〜8），同时保持适合资源受限物联网环境的计算效率。加密方案表现出对输入变化的显着敏感性，平均NPCR为99.6％，UACI超过33％，突出了其对差异和统计攻击的鲁棒性。对传统和低维混沌加密方法的比较分析表明，该算法在加密安全性和性能之间提供了卓越的平衡。调查结果表明，所提出的系统是在医学物联网应用程序中实时，安全图像处理的可行解决方案。未来的研究将研究自适应参数调整以及机器学习的整合以提高加密效率和鲁棒性。。关键字 - 6D混沌图，轻质加密，XOR扩散，医学物联网安全性，像素排列。