XiaoMi-AI文件搜索系统
World File Search SystemMedic
代理首席医疗官的讯息
2024 年 3 月 18 日 健康通报 致：美国海关和边境保护局人员 主题：公共卫生更新 - 麻疹意识和预防 目的：本健康通报旨在通知美国海关和边境保护局 (CBP) 人员美国国内外当前的麻疹情况，并提供防护和预防指导。 概述：麻疹，也称为风疹，是一种传染性极强的呼吸道病毒，对公共卫生构成重大威胁。尽管全球努力提高麻疹疫苗接种覆盖率，但许多国家和地区的疫苗接种覆盖率仍不理想。此外，大规模麻疹疫情、病例持续输入以及数千人参加大型活动进一步加剧了麻疹的增加和蔓延。现状：截至 2024 年 3 月 14 日，美国 17 个辖区已报告 58 例确诊麻疹病例：亚利桑那州、加利福尼亚州、佛罗里达州、佐治亚州、伊利诺伊州、印第安纳州、路易斯安那州、马里兰州、密歇根州、明尼苏达州、密苏里州、新泽西州、纽约市、俄亥俄州、宾夕法尼亚州、弗吉尼亚州和华盛顿州。
医疗技术领域的人工智能神话与事实
FDA 和医疗器械行业认识到全球统一的方法来监管支持 AI/ML 的设备的价值。2021 年，FDA、加拿大卫生部和英国药品和保健产品管理局 (MHRA) 联合发布了一份文件，其中确定了 10 项指导原则，这些原则可以为良好机器学习规范 (GMLP) 的制定提供参考。GMLP 支持开发安全、有效和高质量的人工智能/机器学习技术，这些技术可以从实际使用中学习并可能提高设备性能。
Insilico Medicine 摘要 - 深度医药情报
Insilico Medicine 专有功能使各种行业都具备尖端潜力。计算靶标识别正在打破传统方法的范式。数字技术大大拓宽了可能发现的靶标范围，从而可以快速发现新靶标。用于药物或靶标比较的虚拟工具大大提高了各个阶段的药物发现效率，极大地影响了每个分子的资源分配。数字化前人类和人类靶标或药物验证的可能性开辟了广泛的分子分析，并显著降低了药物开发领域的成本并提供了风险管理选项。
使用粗到精视觉变换器进行仿射医学图像配准
仿射配准在全面的医学图像配准流程中不可或缺。然而，只有少数研究关注快速而鲁棒的仿射配准算法。这些研究中大多数利用卷积神经网络（CNN）来学习联合仿射和非参数配准，而对仿射子网络的独立性能探索较少。此外，现有的基于 CNN 的仿射配准方法要么关注局部错位，要么关注输入的全局方向和位置来预测仿射变换矩阵，这些方法对空间初始化很敏感，并且除了训练数据集之外表现出有限的通用性。在本文中，我们提出了一种快速而鲁棒的基于学习的算法，即粗到精视觉变换器（C2FViT），用于 3D 仿射医学图像配准。我们的方法自然地利用了卷积视觉变换器的全局连通性和局部性以及多分辨率策略来学习全局仿射配准。我们对 3D 脑图谱配准和模板匹配归一化方法进行了评估。综合结果表明，我们的方法在配准精度、稳健性和通用性方面优于现有的基于 CNN 的仿射配准方法，同时保留了基于学习的方法的运行时优势。源代码可在 https://github.com/cwmok/C2FViT 上找到。
Scabigard - 兽药管理局
Scabigard 是一种活病毒疫苗，因此必须小心，只将疫苗涂抹在预定的接种部位，不要污染动物的其他部位，如嘴、脚、浅表伤口或擦伤的皮肤。接种疫苗的羔羊可能会将疾病传播给母羊的乳房。在产羔前接种疫苗的母羊不应被转移到预定的产羔地点，直到结痂脱落足够的时间（至少 7 周）。在室内饲养的情况下，定期清洁和消毒场地是控制羊口疮的重要辅助手段。如果不能将羔羊的疫苗接种推迟到放牧时，应寻求兽医建议，以尽量减少感染风险。除非紧急情况，否则，最好将脚上有未接种疫苗的羔羊的母羊的疫苗接种推迟到羔羊断奶后。对这些母羊的疫苗接种方式与怀孕母羊的疫苗接种方式相同。
对个性化癌症医学的联合行动
…。此行动应涵盖欧洲殴打癌症计划的第六个旗舰计划：“所有人的癌症诊断和治疗”计划，并将基于其他EU4Health计划资助的项目的结果：所有工会公民的个性化癌症医学（PCM4EU）（PCM4EU）50，欧盟癌症和公共卫生基因组计划的项目，以及诊断的项目，以及Ac.heal and aC.Heal and acive for acive for acive the Inairotiel and acive for acive for acive for acive the acive and。在Nopho-DBShip联盟中治疗的白血病，这是跨欧洲的合作（CHIP-AML22）。个性化医学的项目和主要计划，例如国际个性化医学联盟（ICPERMED），1+百万个基因组倡议，欧洲范围内加速数据驱动的癌症研究（EOSC4CASCER）的基础（EOSC4CASCER）以及欧洲个性化医学伙伴关系（欧洲的抗击癌症计划行动）。
01038/2024 第 1 页，共 9 页 - 兽药管理局
或者，用注射器和针头从小瓶中取出约 5 毫升 Unisolve，注入疫苗瓶中并轻轻旋转直至疫苗塞完全溶解。从小瓶中取出疫苗悬浮液，重新注入溶剂小瓶并轻轻混合。应特别注意不要产生气溶胶。配制后，疫苗应保持低温并尽快使用（2 小时内）。给药母羔羊（如果打算由其繁殖）可从 5 个月大开始接种疫苗。剪羊毛羊和较老的母羊应在交配前 4 个月内接种疫苗。疫苗接种必须在交配前至少 4 周进行。重新接种疫苗政策攻击研究表明，在接种 Enzovax 疫苗后至少三年内，对地方性流产和攻击后流产衣原体的保护作用不会减弱。
Perimeter Medical Imaging AI, Inc. Cindy Domecus 监管...
我们已审查了您根据第 510(k) 条提交的上述器械上市前意向通知，并确定该器械与 1976 年 5 月 28 日（即《医疗器械修正案》颁布日期）之前在州际贸易中合法销售的同类器械或已根据《联邦食品、药品和化妆品法案》（法案）的规定重新分类且无需获得上市前批准申请 (PMA) 批准的器械基本相同（就附件中所述的使用指征而言）。因此，您可以根据法案的一般控制规定销售该器械。虽然这封信将您的产品称为器械，但请注意，一些已获准的产品可能是组合产品。位于 https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm 的 510(k) 上市前通知数据库可识别组合产品提交。该法案的一般控制条款包括年度注册、设备清单、良好生产规范、标签以及禁止贴错标签和掺假的要求。请注意：CDRH 不评估与合同责任担保相关的信息。但是，我们提醒您，设备标签必须真实，不得误导。
调整视觉语言模型以实现医学图像中的通用异常检测
大规模视觉语言预训练模型的最新进展已在自然图像领域中的零样本/少样本异常检测方面取得了重大进展。然而，自然图像和医学图像之间巨大的领域差异限制了这些方法在医学异常检测中的有效性。本文介绍了一种新颖的轻量级多级自适应和比较框架，以重新利用 CLIP 模型进行医学异常检测。我们的方法将多个残差适配器集成到预训练的视觉编码器中，从而实现不同级别视觉特征的逐步增强。这种多级自适应由多级、逐像素的视觉语言特征对齐损失函数引导，将模型的重点从自然图像中的对象语义重新校准到医学图像中的异常识别。调整后的特征在各种医学数据类型中表现出更好的泛化能力，即使在模型在训练期间遇到看不见的医学模态和解剖区域的零样本场景中也是如此。我们在医学异常检测基准上进行的实验表明，我们的方法明显优于当前最先进的模型，在零样本和少样本设置下，异常分类的平均 AUC 改进分别为 6.24% 和 7.33%，异常分割的平均 AUC 改进分别为 2.03% 和 2.37%。源代码可从以下网址获取：https://github.com/MediaBrain-SJTU/MVFA-AD