XiaoMi-AI文件搜索系统
World File Search SystemT1W
儿童期T1W/T2W比率发展的个体差异
宾夕法尼亚大学，宾夕法尼亚州宾夕法尼亚大学的心理学系，美国宾夕法尼亚大学神经科学系，美国宾夕法尼亚州费城，美国宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州华盛顿大学，美国圣路易斯的华盛顿大学。美国宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州生物工程系，宾夕法尼亚州费城宾夕法尼亚大学工程与应用科学学院，美国宾夕法尼亚州宾夕法尼亚大学，宾夕法尼亚州费城大学，美国宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚大学宾夕法尼亚大学宾夕法尼亚大学宾夕法尼亚大学宾夕法尼亚大学宾夕法尼亚州电气与系统工程系，美国宾夕法尼亚州宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院，美国宾夕法尼亚州费城，宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚大学医学院的神经病学系
使用经过最低限度预处理的 T1w 图像作为输入的用于预测大脑年龄的深度学习模型
近年来，个体生物年龄（可能与实际年龄不同）的概念引起了医学研究界的极大兴趣，因为衰老是多种与年龄相关的健康状况和死亡的重要风险因素。同一实际年龄的个体之间的健康结果也存在很大的异质性（Jylhävä et al., 2017）。在过去的几十年中，研究强调，由于遗传和环境因素（如生活方式行为）之间复杂的相互作用，人与人之间的生物衰老过程存在差异（Cole et al., 2017, 2019; Fratiglioni et al., 2020）。鉴于整个衰老过程中身体和大脑的持续变化，实际年龄是死亡、慢性疾病和功能障碍的一个关键风险因素（Jylhävä et al., 2017）。大脑中各种与年龄相关的变化与多种神经退行性疾病的发展密切相关，包括阿尔茨海默病 (AD) 和血管性痴呆 (Hou et al., 2019)。与其他与年龄相关的健康状况以及痴呆症领域一样，相同实际年龄的人在症状表现和潜在脑病理方面存在显著的异质性 (Ferreira et al., 2020)。因此，量化生物年龄可能是一种比传统实际年龄更有用的附加指标，可用于识别有患上与年龄相关的疾病风险的个体 (Cole et al., 2019; Tian et al., 2023)。
使用定量磁化率映射对丘脑中心核进行成像
中央核 (CM) 是丘脑板内核，被认为是深部脑刺激 (DBS) 和消融手术治疗多种神经和精神疾病的潜在有效靶点。然而，CM 的结构在标准 T1 和 T2 加权 (T1w 和 T2w) 磁共振图像上是不可见的，这妨碍了它作为临床应用的直接 DBS 靶点。本研究的目的是展示如何使用定量磁化率映射 (QSM) 技术对丘脑区域内的 CM 进行成像。本研究纳入了 12 名患有帕金森病、肌张力障碍或精神分裂症的患者。在 3-T MR 扫描仪上获取 3D 多回波梯度回忆回波 (GRE) 序列以及 T1w 和 T2w 图像。QSM 图像是根据 GRE 相位数据重建的。在 T1w、T2w 和 QSM 图像上对 CM 进行了直接目视检查。此外，使用单因素方差分析 (ANOVA) 检验比较了 T1w、T2w 和 QSM 图像上 CM 与丘脑相邻后部的对比噪声比 (CNR)。QSM 显著改善了 CM 核的可视化。在 QSM 上可以观察到与周围环境相比 CM 的清晰轮廓，但在 T1w 和 T2w 图像上则未观察到。统计分析表明，QSM 上的 CNR 明显高于 T1w 和 T2w 图像上的 CNR。总之，我们的结果表明 QSM 是一种有前途的技术，可改善 CM 的可视化，作为 DBS 手术的直接靶向。
应用于新生儿大脑MRI分割的合成学习的综合分析
图4（a）在GT_DRAWEM和从T2W或T1W的SynthMotinh模型之间计算出的骰子分数的所有主题的分布，对于不同的结构。（b）从Synthmotinh模型预测计算出的GM体积的散点图。y轴预测是由T2W体积和T1W体积的X轴进行的。（c）跨不同方法的视觉观察的说明。地面真相标签（gt_drawem）以绿色显示，预测为红色。蓝色箭头指示与T1W图像有关GT的可见未对准区域。红色箭头指示预测中的局部错误。（d）预测GM标签（蓝色）和GM GT（橙色）中T1W和T2W图像强度的直方图。
人类和猕猴皮质各层级和深度的髓鞘形成
图 1. 猕猴和人类皮质层级和深度的 T1w/T2w 比率。（A、B）用于评估猕猴（A）和人类（B）皮质区域和深度的 T1w/T2w 比率的分析方法示意图。左侧面板显示猕猴的 CHARM 6 级 27,28 和人类的 Schaefer 400 29 的离散块。中间面板根据猕猴的测地线距离或人类的感觉运动关联轴标记块，颜色从黄色（感觉运动）过渡到紫色（关联）。右侧面板可视化层状组织，颜色从深蓝色（深层）过渡到浅绿色（浅层）。 (C、D) 猕猴 T1w/T2w 比值沿测地距离的分布（C，R 2 = 0.096，P < 0.001）和人类感觉运动联想 (SA) 轴的分布（D，R 2 = 0.354，P < 0.001）。 (E、F) 猕猴 (E) 和人类 (F) 感觉运动、中部和联想区域内皮质深度方向的 T1w/T2w 比值；方差分析 *** P < 0.001。
临床可行的脑形态相似性网络构建
形态相似性网络 (MSN) 将皮质组织估计为一组具有生物学意义的宏观和微观结构层面解剖特征之间的相似性，这些相似性来自多个结构 MRI (sMRI) 序列。这些网络具有临床相关性，可预测智商的 40% 差异。但是，生成这些网络所需的序列 (T1w、T2w、DWI) 是较长的采集，在某些人群中不太可行。因此，使用 T1w sMRI 中的特征估计 MSN 对临床和发育神经科学具有吸引力。我们研究了减少特征的方法是否接近原始 MSN 模型，作为研究大脑结构的潜在工具。在一个大型、同质的健康年轻人数据集（来自人类连接组计划，HCP）中，我们扩展了之前对减少特征 MSN 的研究，不仅比较了 T1w 衍生的网络，还比较了使用较少 MR 序列生成的其他 MSN，以及它们的完整采集对应物。我们生成的 MSN 在边缘级别与使用多模态成像生成的 MSN 高度相似；但是，网络的节点拓扑不同。这些网络对广义认知能力的预测有效性有限。总体而言，当多模态成像不可用或不合适时，T1w 限制的 MSN 构建是可行的，可以提供 MSN 的适当估计，并且可以成为在未来研究中检查结果的有用方法。
大型、精选、开源中风神经影像数据集，用于改进病变分割算法
准确的病变分割对于中风康复研究中病变负担的量化和准确的图像处理至关重要。目前，康复研究中常用的 T1 加权 (T1w) MRI 自动病变分割方法缺乏准确性和可靠性。手动分割仍然是黄金标准，但它耗时、主观，并且需要大量神经解剖学专业知识。我们之前发布了一个大型开源中风 T1w MRI 和手动分割病变掩模数据集 (ATLAS v1.2，N=304)，以鼓励开发更好的算法。然而，使用 ATLAS v1.2 开发的许多方法报告准确度低、不公开访问或未经适当验证，限制了它们在该领域的实用性。这里我们介绍了 ATLAS v2.0 (N=955)，这是一个更大的 T1w 中风 MRI 和手动分割病变掩模数据集，其中包括训练 (公开) 和测试 (隐藏) 数据。使用这个更大的样本进行算法开发应该会带来更稳健的解决方案，而隐藏的测试数据可以通过分割挑战进行无偏的性能评估。我们预计 ATLAS v2.0 将带来改进的算法，促进大规模中风康复研究。
用于动物研究的 FSL 高级分析
Paul Flechsig (1847-1929) Von Bonin 编辑于 1950 • 髓鞘丰富的区域，包括躯体感觉运动、听觉、视觉功能的“早期区域”。• 髓鞘稀少的区域，涉及“高级认知”功能。• T1w/T2w 髓鞘与组织学证实的分布相当 - Flechsig 1921, Hopf 1956
基于深度学习的自动表皮生长因子受体和间变性淋巴瘤激酶状态预测非小细胞肺癌脑转移
目的：本研究旨在调查开发一种深度学习（DL）算法的可行性，该算法将非小细胞肺癌（NSCLC）脑转移瘤分类为表皮生长因子受体（EGFR）突变和间变性淋巴瘤激酶（ALK）重排组，并与基于影像语义特征的分类进行比较。方法：分析了2014年至2018年117名患者的数据集，其中33名患者为EGFR阳性，43名患者为ALK阳性，41名患者为任一突变阴性。使用卷积神经网络（CNN）架构高效网络研究使用T1加权（T1W）磁共振成像（MRI）序列、T2加权（T2W）MRI序列、T1W后对比（T1post）MRI序列、液体衰减反转恢复（FLAIR）MRI序列的分类准确性。数据集分为80％训练和20％测试。采用描述性分析[卡方检验（χ
以腰椎穿刺为金标准的增强Flair磁共振成像对脑膜炎的诊断准确性
2019 年 6 月 23 日至 2020 年 3 月 22 日，在 Wah Cantt 第三医院接受脑膜炎检查。材料和方法：通过非概率目的抽样，共纳入 173 名患者。我们的研究纳入了年龄在 2 至 70 岁之间、性别不限且根据临床表现疑似患有脑膜炎的患者。本研究排除了禁用增强 MRI 和腰椎穿刺的患者、确诊为脑膜炎的患者和不同意接受检查的患者。所有患者均以 0.2 毫升/秒的速度接受静脉注射造影剂钆。钆后 T1W 和钆后 FLAIR 图像由顾问放射科医生获取和评估。将发现记录在规定的表格上。对患者进行随访并从实验室收集腰椎穿刺结果。结果：平均年龄为 26.4±23.5 岁，范围从 2 岁至 70 岁。 173 名患者中，98 名（56.6%）为男性，75 名（43.4%）为女性。临床表现如下：喂养不良、易怒和嗜睡 86 人（49.7%），头痛 137 人（79.2%），恶心/呕吐 125 人（72.3%），颈部僵硬 89 人（51.4%），意识水平改变 132 人（76.3%），癫痫发作 78 人（45.1%）和局部神经功能障碍 45 人（26%）。以腰椎穿刺金标准为诊断标准，增强 MRI FLAIR 诊断脑膜炎的灵敏度为 91%，特异性为 85%，PPV 为 87.6%，NPV 为 89.4%，诊断准确率为 88.4%。以腰椎穿刺金标准为标准，增强 MRI T1W 在脑膜炎诊断中的诊断准确率显示敏感性 60.2%、特异性 77.5%、PPV 75.6%、NPV 62.6% 和诊断准确率 68.2%。结论：与增强 T1W 序列相比，增强 FLAIR 序列在检测脑膜增强方面具有更高的敏感性和特异性。因此，对于所有怀疑患有脑膜炎的患者，应将增强 FLAIR 序列作为常规序列添加到 MRI 脑部方案中。