XiaoMi-AI文件搜索系统
World File Search SystemNeuroradiology
脑部MRI进行性核上麻痹，有理查森综合征和变体表型
1德国汉诺威医学院的神经放射学系2瑞士癫痫诊所，瑞士苏黎世Klinik lengg，瑞士苏黎世3号，瑞士3号放射科，慕尼黑大学医院，LMU MUNICH，MUNICH，MUNICH，MUNICH，MUNICH，德国，德国4. 4号，汉诺威医学院，汉诺威医学院，汉诺威医学院5号。汉堡-Eppendorf，汉堡，德国6号神经病学系，大学医院，LMU慕尼黑，慕尼黑，德国7德国神经退行性疾病中心（DZNE），德国慕尼黑，慕尼黑8慕尼黑8慕尼黑8慕尼黑群集团系统神经病学（Synergy），Synergy（Synergy），慕尼黑市，9慕尼黑，慕尼黑，慕尼黑，慕尼黑，9米尼，慕尼黑，9米尼，大学医学中心，汉巴尼，汉巴尔，汉巴尔 - 神经病学，医学和外科科学系，大学“ Magna Graecia”，Catanzaro的大学，意大利Catanzaro，11号核医学系11，汉诺威医学院，汉诺威，德国汉诺威12号核医学系，穆尼奇大学医院，LMU MUNICH，LMU MUNICH，MUNICH，德国，德国13号核医学，核医院，莱比锡，莱比齐格，莱皮齐格，莱皮齐格，德国，
ga-fapi）胰腺腺癌的宠物：
1，德国埃森杜伊斯堡 - 埃森大学埃森大学核医学系； 2德国埃森大学埃森大学医院诊断和介入放射学和神经放射学系； 3德国癌症联盟（DKTK）（伙伴场地大学医院ESSEN）和德国德国德国癌症研究中心（DKFZ）； 4西德癌症中心医学肿瘤学系，德国埃森杜伊斯堡 - 埃森大学； 5德国博丘姆的Ruhr-University Bochum Bochum圣约瑟夫医院一般和内脏手术系； 6血液学和肿瘤学系与姑息治疗，圣约瑟夫医院，鲁尔 - 大学Bochum，Bochum，Bochum，德国； 7德国埃森的阿尔弗里德·克鲁普医院一般和内脏手术系； 8西德癌症中心的实验肿瘤治疗研究所，德国埃森杜伊斯堡 - 埃森大学埃森大学医院；和9实体瘤转化肿瘤学，德国癌症联盟（DKTK）（合作伙伴Site University Hospital Essen）和德国癌症研究中心（DKFZ），德国海德堡，德国1，德国埃森杜伊斯堡 - 埃森大学埃森大学核医学系； 2德国埃森大学埃森大学医院诊断和介入放射学和神经放射学系； 3德国癌症联盟（DKTK）（伙伴场地大学医院ESSEN）和德国德国德国癌症研究中心（DKFZ）； 4西德癌症中心医学肿瘤学系，德国埃森杜伊斯堡 - 埃森大学； 5德国博丘姆的Ruhr-University Bochum Bochum圣约瑟夫医院一般和内脏手术系； 6血液学和肿瘤学系与姑息治疗，圣约瑟夫医院，鲁尔 - 大学Bochum，Bochum，Bochum，德国； 7德国埃森的阿尔弗里德·克鲁普医院一般和内脏手术系； 8西德癌症中心的实验肿瘤治疗研究所，德国埃森杜伊斯堡 - 埃森大学埃森大学医院；和9实体瘤转化肿瘤学，德国癌症联盟（DKTK）（合作伙伴Site University Hospital Essen）和德国癌症研究中心（DKFZ），德国海德堡，德国
影响与深度学习异常检测相关的大脑MRI研究标记准确性的因素
释放基于深度学习的计算机视觉分类系统的巨大潜力，需要大量的数据集用于模型培训。自然语言处理（NLP）（涉及数据集标签的自动化）代表了实现这一目标的潜在途径。但是，用于数据集标记的NLP的许多方面仍然没有验证。专家放射科医师手动标记了5,000多个MRI头部报告，以开发基于深度学习的神经放射学NLP报告分类器。我们的结果表明，即使仅采用了两个MRI序列（T2加权和基于扩散加权成像的T2加权和基于扩散加权成像的二元标记（正常与异常）显示出很高的准确率，而与所有检查中的所有序列相对。同时，多种疾病类别的更多特定标记的准确性是可变的，并且取决于该类别。最后，结果模型的性能依赖于原始标记器的专业知识，并且在非专家和专家标记的情况下，性能较差。
Corticometrics 重新提交了完整申请
正常人类神经解剖结构变化极大，并且会随着年龄增长而变化。这阻碍了神经成像检测阿尔茨海默病 (AD)、亨廷顿病 (HD)、多发性硬化症 (MS) 和精神分裂症等神经系统疾病的影响的能力。大多数最近推出的最先进的定量成像工具仍然使用横断面方法来分析重复扫描。这些工具缺乏监测细微渐进性变化的灵敏度，因为这种方法没有考虑到正常神经解剖结构的巨大内在变异性。该项目的目标是将纵向神经形态测量图像处理管道商业化，用于放射学、神经病学和相关临床领域。该项目的成功完成将产生一个临床上有用的神经形态测量纵向分析流，其统计能力比目前市面上可用的更强。这种能力的提高将直接转化为增强在个体和群体层面检测和评估进展的能力。它还将缓解当前纵向神经放射学阅读工作流程中的一个主要痛点，缩短放射学报告周转时间 (RTAT)。
211术中神经生理监测
o高风险血管手术时有脑缺血的风险（例如，主动脉弓，胸腔主动脉的手术，颈动脉内部切除术，颅内动脉内部畸形，支气管动脉畸形或乳化液或灌木囊肿的过程） with high risk of cord injury (e.g., spinal cord tumor, spinal fracture with cord compression, mechanical spinal distraction, correction of scoliosis surgery) o Other procedures with a high risk of potential injury to essential nervous system structures (e.g., Interventional neuroradiology, neuroma of peripheral nerve, leg lengthening procedure when there is traction on the sciatic nerve).术中神经生理学监测对脊柱的手术不符合上述标准，这在医学上不需要（例如标准的前宫颈椎间盘切除术和融合，宫颈椎间盘置换术）。腰部手术期间术中神经生理学监测不符合上述标准是不需要的（例如腰椎融合，椎板切除术，椎间盘切除术）。术中神经生理学监测在任何其他迹象上都不是医学上必需的，包括以下任何迹象：•监测硬膜外注射•在放射线消融/神经膜上监测•在放置脊髓刺激剂或肠内疼痛泵期间监测•监测。术中神经生理学监测在未达到上述标准时被视为研究。在前宫颈脊柱手术期间对复发性喉神经的术中神经生理监测不符合食管外科手术的标准，被认为是研究的。由于缺乏美国食品和药物管理局的批准，术中对视觉诱发电位的术中监测被认为是研究的，因此使用经颅磁刺激对运动诱发电位进行了术中监测被认为是研究的。
基于神经图像网络的 fMRI 神经反馈训练...
a 感觉运动实验室（SeMoLa），Jules-Gonin 眼科医院/Asile des Aveugles 基金会，洛桑大学眼科系，瑞士洛桑 b 巴西里贝朗普雷图圣保罗大学物理系 InBrain 实验室 c 瑞士苏黎世大学精神病医院精神病学、心理治疗和心身医学系 d 德国杜塞尔多夫海因里希海涅大学系统神经科学研究所 e 德国于利希研究中心神经科学与医学、大脑与行为研究所（INM-7） f 美国康涅狄格州纽黑文耶鲁大学医学院放射学和生物医学成像系 g 瑞士苏黎世苏黎世大学医院神经放射学系 h 瑞士苏黎世大学和瑞士联邦理工学院苏黎世神经科学中心 i 苏黎世神经科学中心瑞士苏黎世大学综合人体生理学 (ZIHP) j 奥地利维也纳大学心理学学院认知、情感和心理学方法系
比例数据共享和人工智能
所有作者的隶属信息：1。阿姆斯特丹中心女士，阿姆斯特丹神经科学，荷兰阿姆斯特丹阿姆斯特丹UMC放射与核医学系； 2。纳菲尔德临床神经科学系（NDCN）的FMRIB综合神经影像中心（WIN），牛津大学； 3。人类成像和图像处理核心，神经科学和再生医学中心，美国马里兰州贝塞斯达的亨利·杰克逊基金会； 4。美国波士顿杨树和妇女医院放射学系神经成像中心； 5。神经放射学科（放射学系），巴塞罗那自治大学（西班牙）Vall D希伯伦大学医院和研究所（VHIR）； 6。阿姆斯特丹UMC，阿姆斯特丹，荷兰； 7。IRCCS San Raffaele Scientitute，意大利米兰IRCCS神经科学部实验神经病学研究所神经影像学研究院； 8。Amigo，生物医学工程与成像科学学院，英国伦敦国王学院； 9。神经与医疗工程学院，英国UCL伦敦。
![arxiv：2305.17033v7 [eess.iv] 2024年5月23日](/simg/a\aefc7f2a4d762f208545fde75765fd6994c9bc44.webp)
arxiv：2305.17033v7 [eess.iv] 2024年5月23日
（ORCID：0000-0002-5366-5351）38美国加利福尼亚州加利福尼亚大学，美国加利福尼亚大学39 Beth Israel Deacones Medical Center，美国马萨诸塞州哈佛大学，美国马萨诸塞州（ORCID：0000-0002-5994-997）
使用神经网络对 3D 脑部扫描进行多模态分割
脑部扫描的解剖分割与诊断和神经放射学研究高度相关。由于软组织对比度强，传统上分割是在 T 1 加权 MRI 扫描上进行的。在这项工作中，我们报告了一项基于学习的自动化脑部分割的比较研究，该研究针对 MRI 和计算机断层扫描 (CT) 扫描的各种其他对比度进行，并研究了这些成像模式中包含的解剖软组织信息。总共包含 853 个 MRI/CT 脑部扫描的大型数据库使我们能够训练卷积神经网络 (CNN) 进行分割。我们在四种不同的成像模式和 27 个解剖子结构上对 CNN 性能进行了基准测试。对于每种模式，我们基于一个通用架构训练一个单独的 CNN。我们发现平均 Dice 得分分别为 86.7 ± 4.1 %（T 1 加权 MRI）、81.9 ± 6.7 %（液体衰减反转恢复 MRI）、80.8 ± 6.6 %（扩散加权 MRI）和 80.7 ± 8.2%（CT）。性能是相对于使用广泛采用的 FreeSurfer 软件包获得的标签进行评估的。分割管道使用 dropout 采样来识别损坏的输入扫描或低质量分割。在图形处理单元上，对超过 200 万人素的 3D 体积进行完整分割需要不到 1 秒的处理时间。
神经肿瘤学进步
临床合作部门神经科学，德国癌症联盟（DKTK），德国癌症研究中心（DKFZ），德国海德堡（T.K.，A.B.，K.D.，F.W.，F.W.，W.W.，W.W.）;德国海德堡海德堡医院国家肿瘤疾病中心神经病学和神经肿瘤学计划（T.K.，A.B.，K.D.，H.O.，A.D.，A.D.德国海德堡大学海德堡大学医院病理学研究所神经病理学系（卑诗省，A.V.D.，F.S.）;德国癌症研究中心（DKFZ）的德国转化癌研究中心（DKFZ）的临床合作部门神经病理学，德国海德堡（B.C.，A.V.D.）;德国海德堡的德国癌症研究中心（DKFZ）的初级研究小组生物信息学和OMICS数据分析（L.H.，M.S。）;德国海德堡海德堡大学医院神经外科系（C.H.-M.，C.J.，A.U。）;德国海德堡大学海德堡大学医院神经放射学系（M.B.）;临床合作部门神经免疫学和脑肿瘤免疫学，德国癌症联盟（DKTK），德国癌症研究中心（DKFZ），海德堡，德国（K.S.，M.P。）;德国海德堡大学医学院曼海姆大学曼海姆大学神经病学系，德国曼海姆（K.S.，M.P。）