XiaoMi-AI文件搜索系统
World File Search SystemONFH
相关免疫细胞浸润的生物信息学分析...
方法：用于对ONFH患者和健康对照组中的mRNA表达训练进行仔细检查，其数据整合来自GEO数据库。de mRNA。通过基因和基因组（KEGG）途径富集分析，基因本体论（GO）功能分析以及基因集富集分析（GSEA）的基因和基因组（KEGG）途径富集分析，基因和基因组百科全书（GSEA）探索了DE mRNA的生物学功能。此外，支持向量机 - 递归特征消除（SVM-RFE）和最低绝对收缩和选择操作员（Lasso）（Lasso）被用来辨别与该疾病相关的诊断生物标志物。接收器操作特征（ROC）分析用于评估特征基因的统计性能。使用QRT-PCR在从ONFH患者和健康对照组中获得的骨组织中进行关键基因的验证。成骨分化，以验证关键基因与成骨分化之间的相关性。最后，执行免疫细胞进行锻炼分析以评估ONFH中的免疫细胞失调，同时探索免疫细胞内效率与关键基因之间的相关性。
o r i g i g i n a l r e s e a r c h检测HIV-1 DNA/RNA在外周血，骨髓和骨肌肉症患者的股骨头头部的股骨头头
背景：随着抗逆转录病毒疗法（ART）患者（PLWH）患者的预期寿命日益增加，慢性疾病的患病率越来越普遍，例如股骨头的抑制症（ONFH）。与更容易获得的血液相比，骨髓中的病毒感染谱和PLWH中坏死的股骨头保持不足。方法：股骨头和骨髓是从15个PLWH的髋关节置换术中收集的。对于每个股骨头，从软骨下，坏死，硬化和正常区域获得样品。HIV DNA和HIV RNA分析来评估骨髓和血液之间病毒载量和储层的差异，并在坏死性股骨头的不同区域中量化病毒感染。结果：8例患者（低于20份/ml），血液HIV RNA降至可检测的水平以下。骨髓HIV RNA的中位数为255.89份/ml。血液和骨髓中的HIV DNA为296.35和454.31拷贝/10 6细胞。坏死区域中的HIV DNA约为在硬化区域，HIV RNA约为正常区域的两倍，差异在统计学上是显着的。结论：尽管使用了ART，但骨髓中仍有大量活跃的HIV和潜在的储层。病毒转录在股骨头的坏死区域中最活跃，这可能表明HIV本身直接参与ONFH。关键字：艾滋病毒，艾滋病，骨髓，股头，水库
一种量化股头的深度学习方法
简介：股骨头（ONFH）的骨坏死会产生畸形和残疾，尤其是在年轻患者中。传统上，临床医生在灌注MRI扫描中视觉上估计灌注不足的百分比，为患者预后和疾病阶段提供了重要信息。先前的一项研究开发了hipvasc（髋关节血管）软件，该软件是客观地量化低血管性百分比，但需要通过训练有素的观察者进行无效的手动分割，并设定了通常将人工体鉴定为血管组织的灰色值阈值。在这里，我们提出了CVHIPHASC（计算机视觉髋关节血管），它利用开源MaskRCNN计算机视觉（CV）模型来自动化灌注MRIS分析。这项研究的目的是评估股骨骨epiphysis分割和灌注MRI上的股骨骨physise和非血管组织中的MaskRCNN CV模型的准确性。我们假设使用填充模型的自动定量分析将以高效率提供准确的股骨头和低血压组织的分割。方法：在国际珀斯研究小组（IPSG）中进行了525例灌注MRI扫描患者，并将MRI扫描作为BMP文件出口。鉴定出预防对比，后对比和减法系列，并将运动伪像，缺失序列或质量不佳的图像的患者排除在研究之外，剩下505例患者。该数据集分为351名患者的培训数据集，50名患者的验证数据集和104名患者的测试数据集。三名受过训练的观察者手动将股骨外骨分解在预对比图像上。1）。然后将股骨外侧分析区域（ROI）映射到减法图像中，以充当边界，观察者在股骨外周期ROI中的减法图像上注释了低血管区域。联合（IOU）的交集用于量化每个2D切片上的掩模精度。类内相关性（ICC）与HIPVASC软件的专家临床医生的视觉估计和测量值相比，评估了CV模型低血压测量百分比的准确性。结果部分：将股骨骨分析分割为81％IOU，为不血管性测量提供了准确的边界（图在带有股骨骨外侧边界覆盖的减法图像中，用78％的IOU分割了低血压组织（图2）。当比较训练有素的观察者的测量值与CVHIPHASC的ICC不血管性百分比为0.79（95％CI：0.70，0.86）。CV模型提供了高效的分析，在10秒内处理每个患者的灌注MRI扫描。尽管股骨头边界经常存在，在各种位点进行扫描之间的对比度和成像技术的变化，以及对减法图像的对比度的挑战，但该模型还是能够准确地识别出subtractiation图像中的前对结构图像和非血管造影图像中的外周边界。讨论：CVHIPSVASC以很高的精度和效率分割了股骨外侧分析和低血压区域，提供了与专家临床医生的视觉估计以及先前的HIPVASC软件一致的低血压测量百分比。图像和表：cVhipVASC不需要耗时的手动分割，也不需要使用灰色值阈值，这导致hipvasc将伪像将伪像误认为是血管区域。此外，虽然训练有素的临床医生在HIVPASC或视觉估计中的测量值有时会有所不同，但CVHIPHASC在每次扫描中都采用标准的客观模型。显着性/临床相关性：CVHIPHASC提供了一种有希望的深度学习方法，用于高效，准确地定量灌注MRIS，加速了股骨头骨质症的临床研究速度，并为临床医生提供了快速的预后工具。