XiaoMi-AI文件搜索系统
World File Search SystemTumors
如何基于针对脑肿瘤的碳水化合物纳米颗粒开发药物输送系统
摘要：脑肿瘤是最困难的治疗，不仅是因为它们的形式多种多样以及能够抑制肿瘤细胞的有效化学治疗剂数量少，而且还受到跨血脑屏障（BBB）的药物运输不良的限制。纳米颗粒是通过纳米技术的扩展促进的有希望的药物输送溶液，在1到500 nm的范围内的创建和实际使用材料的创造和实际使用。碳水化合物的纳米颗粒是主动分子转运和靶向药物递送的独特平台，可提供生物相容性，生物降解性和毒性副作用的降低。然而，迄今为止，生物聚合物胶体纳米材料的设计和制造一直是高度挑战的。我们的评论致力于描述碳水化合物纳米颗粒的合成和修改，并简要概述了生物学和有希望的临床结果。我们还期望该手稿强调碳水化合物纳米载体在药物输送方面的巨大潜力，并针对各种级别和胶质母细胞瘤的神经胶质瘤作为最具侵略性的脑肿瘤。
Aquila Optimizer 基于混合深度学习的潜在特征与极限学习器对脑肿瘤进行分类和检测
摘要。脑癌是一种影响大脑的潜在致命疾病。为了挽救生命，早期肿瘤检测现在至关重要。医学成像是诊断脑肿瘤的一种方法。为了帮助发现脑肿瘤，研究人员正在转向深度学习。事实证明，使用深度学习算法可以减少个体早期诊断中的错误。对于脑肿瘤，即使是轻微的误诊也可能造成严重后果。在处理医学图像时，发现脑肿瘤仍然是一项艰巨的任务。在脑部扫描中很难发现肿瘤。图像的精度受到许多干扰和延迟的影响。我们在论文中使用深度学习方法来描述脑部疾病。利用深度学习方法检测脑部疾病与新信息的研究有关。提出的基于 TL 的 DenseNet121 模型分别实现了 98.38、97.33、99.1、98.23、98.62 和 96.62 的准确度、灵敏度、特异性、F1Score、精确度和 IoU。在脑肿瘤数据集上获得的结果表明，所提出的方法在 F1 分数、精确度、灵敏度、准确度、特异性和 IoU 方面优于其他方法。
心力衰竭管理的进步CHATGPT识别基于指南的高级实体瘤的能力
在过去的几个月中，Chatgpt通过社会的几乎所有领域都引起了人们的关注，激发了来自多个领域的个人，包括医学，以探究其在各种任务中的灵活性和才能[5-6]。chatgpt，由Openai生产，是一种大型语言模型（LLM），于2022年11月发布。llms结合大量文本数据，利用算法在给定的上下文中建立了相关的单词[7]。的含义是，有了适当的实现，LLM可以根据可用信息生成唯一的句子。chatgpt本身取决于Openai生产的LLM，称为GPT3.5。gpt3.5已通过与监督学习和其他方法协调的Internet中的文本数据进行了雕刻。
wnt脑肿瘤中的信号传导
简单的摘要：Wnt信号传导是指导器官组织胚胎形成和维持胚胎所需的主要进化发展路径之一。数十年的研究还清楚地认识了Wnt信号在致癌过程中的基本作用。的确，Wnt途径成分的失调被认为是几种肿瘤恶性肿瘤的相关标志。在这篇综述中，我们总结了Wnt途径发挥其细胞内效应的主要分子机制，并特别关注脑发育和脑肿瘤，以及Wnt如何与周围的大脑环境相互作用。在这种情况下，我们回顾了针对癌症中特定靶向Wnt信号的最新抗癌治疗方法，及其在脑肿瘤环境中的潜在应用。此外，我们讨论了定义WNT调节在不同类型的脑肿瘤中的实际临床影响所需的额外努力，甚至如何克服对这种治疗方法的潜在系统影响的未解决的关注。
CT251 HST-1011（口服CBL-B抑制剂）单独并与抗PD-1结合的HST-1011阶段1/2研究
1宾夕法尼亚州匹兹堡匹兹堡医学中心； 2 Earle A辣椒研究所，普罗维登斯癌症研究所，波特兰，俄勒冈州； 3 MD安德森癌症中心，德克萨斯州休斯敦； 4佛罗里达州萨拉索塔的佛罗里达癌症专家/莎拉·坎农研究所； 5宾夕法尼亚州费城宾夕法尼亚大学医学系； 6 Hotspot Therapeutics，Inc，马萨诸塞州波士顿； 7 Elite Biopharma Consulting，马萨诸塞州波士顿； 8纪念斯隆·凯特林癌症中心，纽约，纽约； 9威尔·康奈尔医学院，纽约，纽约； *通讯作者
胃肠道肿瘤（GIST）
©2023国家综合癌症网络。保留所有权利。未经NCCN的明确书面许可，可能不会以任何形式复制有关患者和插图的NCCN指南。，包括医生或患者在内的任何人都可以为任何商业目的使用NCCN指南，并且可能不会声称，代表或暗示以任何方式修改的患者的NCCN指南是根据患者的NCCN指南衍生出，基于，基于，与，与NCCN指南相关的。NCCN指南是一项正在进行的工作，可能会像新的重要数据可用一样重新定义。NCCN对其内容，使用或应用不做任何形式的保证，并以任何方式对其申请或使用的任何责任承担任何责任。
基于深度神经网络的计算机断层扫描检测脑肿瘤
摘要：脑肿瘤是最致命的疾病之一，对人类健康有许多影响。脑肿瘤是脑内或脑周围的异常细胞团或生长。它们并非都是癌症，因为它们可能是良性的或恶性的。医生使用各种诊断技术来评估良性或恶性脑肿瘤的存在，以及估计其大小、位置和生长速度。使用适当的诊断方式来提供完整的大脑视图以检测任何异常。应对脑部进行计算机断层扫描 (CT) 扫描以检查异常。CT 扫描的好处包括准确检测钙化、出血和骨骼细节，以及与磁共振成像 (MRI) 相比成本低。因此，我们研究了一种基于 CT 的检测方法，以确定是否存在脑肿瘤。所提出的方法适用于从曼苏拉大学医院收集的 CT 图像数据集。使用不同的预训练模型：VGG-16、ResNet-50 和 MobileNet-V2。对比结果，预训练模型 MobileNet-V2 尽管参数数量最少，但结果却更好。它的准确率为 97.6%，而其精确度、召回率和 F1 分数分别为 96%、95% 和 96%。
当前用于原发性和转移性脑肿瘤的免疫检查点抑制剂免疫疗法的景观
对调节免疫系统反应的途径的了解增加导致在淋巴细胞中发现了抑制性途径，这些途径可以吸毒以增加对癌细胞的T淋巴细胞的活性，从而有效地预示了癌症免疫疗法的新时代。第一个要发现的途径是通过细胞毒性T淋巴细胞相关蛋白4（CTLA-4）的调节，T细胞上的表面受体在T细胞上的表面受体可抑制其功能，该蛋白在抗原呈递细胞中表达的配体时限制其功能（APCS）。在治疗上是由程序性细胞死亡蛋白1（PD-1）介导的。pd-1是激活的T和B淋巴细胞上的表面受体，其信号在与APC和肿瘤细胞中表达的PD-L1和PD-L2配体结合后，可以使免疫耐受性（见图1）[1]。认可免疫检查点抑制剂的治疗性靶向临床利益，2018年诺贝尔医学奖分别授予詹姆斯·艾里森（James Allison）和塔苏克·霍霍（Tasuku Honjo），分别通过CTLA-4和PD-1发现了负面的免疫调节。ICI已被有效地针对多种实体瘤部署，截至迄今为止，批准了20多个癌症的适应症，并显示了不匹配修复突变的肿瘤的毯子指示[2]。对黑色素瘤和非小细胞肺癌的反应已经显着（在某些研究中，反应率分别高达60％和100％），ICI现在属于护理标准[3，4]。尽管有这些挑战性的事实，但多次评估ICI用于治疗中枢神经系统的肿瘤对所有癌症治疗方式构成了显着的治疗挑战，免疫疗法也不例外。在特殊的中枢神经系统（CNS）的免疫特性环境中，有利于免疫抑制的微环境，（i）（i）减少了肿瘤造成的淋巴细胞（TILS）和（ii）巨噬细胞过度肥大的肿瘤造成的淋巴细胞（TILS），具有免疫性的巨噬细胞。在大多数原发性肿瘤中存在相对较低的肿瘤突变负担，新抗原的产量有限[6]，并且血脑屏障施加的接近限制[7]是要面对的额外挑战。
基于DNA的纳米材料作为增加肿瘤药物作用的药物输送平台
简单摘要：基于核酸的药物的使用是抗肿瘤治疗的有希望的方向。在某些医学领域，已经开发并将某些修饰的寡核苷酸类似物（例如反义寡核苷酸）进行开发并用作创新的治疗剂。已经设计了许多具有预定形状和功能特征的DNA纳米材料的方法。因此，已将有效抗肿瘤药物的分子（包括阿霉素，治疗性寡核苷酸和复杂纳米颗粒）加载到或与基于DNA的纳米材料相结合。发现基于DNA的纳米材料可以增加细胞药物摄取的效率。在这篇综述中，我们想提请人们注意一些基于DNA的纳米材料，例如四面体，折纸，DNA纳米管和适体，这些纳米材料已用作抗癌药物递送的载体，药物或靶分子。
基于前景原型的脑肿瘤的单发段
摘要：通过几乎没有学习的可能性增强脑肿瘤分割的潜力是巨大的。虽然几个深度学习网络（DNN）显示出令人鼓舞的分割结果，但它们都采用了大量的培训数据，以产生适当的结果。此外，对于大多数这些模型而言，一个突出的问题是在看不见的课程中表现良好。为了克服这些挑战，我们提出了一个单次学习模型，以基于单个原型相似性评分来分割脑磁共振图像（MRI）上的脑肿瘤。使用最近开发的几乎没有弹药的学习技术，通过支持和查询图像进行训练和测试，我们试图通过专注于包含前景类别的切片来获取明确的肿瘤区域。与使用整个图像集的其他最近的DNN不同。该模型的训练是以迭代方式进行的，在每个迭代中，随机切片中包含前景类别的随机抽样数据的剪辑被选为查询集，以及与支持集的同一样本的不同随机切片。为了将查询图像与类原型区分开，我们使用了基于非参数阈值的基于公制的学习方法。我们采用了具有60次训练图像和350次测试图像的多模式脑肿瘤图像分割（Brats）2021数据集。使用平均骰子得分和平均得分评估模型的有效性。实验结果提供的骰子得分为83.42，比文献中的其他作品还要大。此外，所提出的单发分割模型在计算时间，内存使用情况和数据数方面优于常规方法。