XiaoMi-AI文件搜索系统
World File Search SystemVoxel
使用级联集成学习从多光谱 MRI 数据中分割脑肿瘤*
摘要 — 集成学习方法经常用于医疗决策支持。在图像分割问题中，基于集成的决策需要后处理，因为集成不能充分处理相邻体素的强相关性。本文提出了一种基于集成级联的脑肿瘤分割程序。第一个由二叉决策树组成的集成经过训练，基于 4 个观察特征和 100 个计算特征将局灶性病变与正常组织分离。从第一个集成提供的中间标签开始，为每个体素计算六个局部特征，作为第二个集成的输入。第二个集成是一个经典的随机森林，它加强了相邻像素之间的相关性，使病变的形状规则化。分割准确率为 85.5% 的整体 Dice Score，比之前的解决方案高出 0.5%。索引词 — 图像分割、脑肿瘤分割、磁共振成像、集成学习。
基于 MRI 的多模式方法评估...
强迫症患者认知功能障碍与认知功能障碍和记忆力减退相关。有许多神经功能研究 3-8 探讨了记忆功能障碍中大脑活动的异常，特别是在策略记忆处理方面。3-5 一般来说，强迫症患者倾向于过度关注细节而忽略更大的背景，从而导致记忆力受损。6,7 最近的一项功能连接研究 9-11 表明，强迫症患者的认知功能障碍可能与与神经认知内表型相关的脑回路内异常的神经相互作用有关。此外，脑形态学研究 12,13 显示脑容量变化与精神症状严重程度之间存在相关性。最近，Moon 等人 7 联合研究了功能性磁共振成像 (fMRI) 和基于体素的形态学 (VBM)，以显示相同的脑区显示出低功能活动和脑容量减少。根据先前研究的知识 3,4,6-8,12,13，我们假设改变的脑活动和功能连接以及形态学异常与
分类器的地图集 - 用于大脑MRI分割的机器学习范式
摘要我们介绍了分类器（AOC）的地图集，这是一个概念上新颖的脑MRI分割框架。AOC是从标记的数据中学到的素数逻辑回归（LR）函数的体素逻辑回归（LR）函数的空间图。收敛后，所得的固定LR权重，每个体素的几个代表训练数据集。因此，它可以被视为一种轻量级学习机器，尽管其容量较低并不削弱问题。AOC结构独立于测试图像的实际强度，提供了在可用标记的数据上训练它的灵活性，并将其用于分割来自不同数据集和模式的图像。从这个意义上讲，它也不会过分贴上培训数据。该提出的方法已应用于众多可公开可用的数据集，用于分割脑MRI组织，并被证明对噪声和外展具有鲁棒性。也获得了多模式的跨模式MRI分割的有希望的结果。最后，我们展示了如何利用对健康受试者的大脑MRI训练的AOC来用于对多发性硬化症患者的病变分割。
对扫描规划和多技术融合对点云数据收集对注册和数据质量的效果的定量调查：邦德大学可持续建筑的案例研究
摘要：建筑行业需要用于各种应用程序，包括建筑物翻新，历史建筑保存和结构健康监测，需要全面，准确的信息。现实捕获技术促进了点云的形式记录本构建的信息。但是，在研究中，扫描计划和多技术融合的新兴发展趋势在研究中尚未充分解决有关它们对建筑环境中云云注册质量和数据质量的影响的研究。本研究旨在广泛研究扫描计划和多技术融合对点云注册和数据质量的影响。使用注册误差（RE）和扫描重叠率（SOR）评估了注册质量，分别代表注册准确性和注册率。相反，使用点误差（PE）和覆盖率（CR）评估数据质量，这表示数据的准确性和数据完整性。此外，本研究提出了一种体素质心方法和PCP速率来计算和优化CR，从而应对量化点云完整性的行业挑战。
三维锥形束计算机化...
背景 CBCT 是一种获取三维射线图像的方法，在牙科领域越来越受欢迎。生成的图像易于使用，并且比传统的二维射线照片提供更多信息。三维成像能够捕获骨骼和软组织，然后可以一起或单独显示（图 1）。与螺旋 CT 和扇形 CT 等早期 CT 技术一样，可以观察到“逐片”轴向、矢状和冠状图像，但 CBCT 软件还结合了参考线，使这些切片的定位变得不那么复杂。例如，即使只观察冠状视图或完整图像的一小部分，矢状切片视图中的线也会指示正在分析的切片或对象的高度和位置（图 2）。CBCT 本质上是数字化的，它使用计算机程序从一系列 250 到 300 张二维图像构建三维体积。CBCT 术语反映了这一重点。例如，体素用于代替像素，因为它指的是体积而不是二维空间。图像文件是 DICOM（数字成像和
6.01.24磁共振光谱
•0609T：磁共振光谱，椎间内疼痛的测定和定位（宫颈，胸腔或腰椎）；在至少3张光盘中获取单盘（即乳酸，碳水化合物，丙氨酸，Laal，Laal，laal，laal，propionic acticic和胶原蛋白）的单个体素数据•0610T：磁共振光谱，确定和定位（颈部疼痛（颈部胸腔，胸腔，胸腔）;用于软件分析的生物标志物数据的传输•0611T：磁共振光谱，椎间内疼痛的确定和定位（颈椎，胸腔或腰椎）；生物标志物数据算法分析的后处理，以确定椎间盘之间的相对化学差异•0612T：磁共振光谱，测定和局部性疼痛的定位（宫颈，胸腔或腰椎）；解释和报告说明磁共振光谱（MRS）是一种无创技术，可用于测量组织中不同化学成分的浓度。该技术基于与磁共振成像相同的物理原理以及原子内部磁场和特定核之间能量交换的检测。相关政策
成功应对高强度的脑力劳动和压力
图 3 与心理工作量相关的大脑激活和停用。（a）统计参数图说明了 TNT 中心理工作量的主要影响。彩色条表示激活高度的 t 值（+ 10 至 � 10）。展示了在 2-back 与 0-back 期间激活增加（红色）和减少（蓝色）的皮质区域。为了便于说明，地图的阈值为 p < .001 FWE 校正。激活叠加在受试者的解剖 T1 扫描上，并标准化为标准 MNI 空间。ACC，前扣带皮层；PCC，后扣带皮层；DLPFC，背外侧前额叶皮层；DMPFC，背内侧前额叶皮层；PC，顶叶皮层（顶上回和顶下小叶）；SMA，辅助运动区； VMPFC，腹内侧前额皮质。（b）条形图显示相对于静止条件，0-back 和 2-back 条件下峰值体素处 BOLD 信号增加/减少的百分比。标明了 MNI 坐标。该百分比是针对每个任务难度级别的所有区块（即安全和威胁）计算的。误差线为 SEM。浅灰色 = 0-back，中灰色 = 2-back
球面反卷积信息滤波纤维束图
简介：人们越来越有兴趣开发使用扩散 MRI 纤维束成像分析活体整个人脑结构连接的方法和模型。这些分析依赖于连接组重建的稳健性和生物学准确性；不幸的是，许多方法因素都会影响这种重建（以及任何衍生的测量值），甚至包括播种策略 [1] 。部分原因是在流线纤维束成像中，轨迹是彼此独立生成的，因此大脑中的特定通路可能相对于底层生物学被过度定义或定义不足。在这里，我们提出了一种全脑纤维追踪数据的后处理滤波器，以补偿这种方法偏差。方法：Raffelt 等人 [2] 的模拟结果表明，使用球面反卷积产生的纤维取向分布 (FOD) 中每个峰的幅度与与该峰对齐的体素内轴突的细胞内体积分数成正比。因此，如果全脑纤维追踪的结果是对底层神经元轴突结构的完美重建，则高角度分辨率空间中的轨迹密度应与 FOD 峰值的方向和相对幅度相对应。因此，我们可以构建一个简单的成本函数：
各向异性分析算法的剂量比较（...
AAA 算法因其准确性和在放射治疗计划中的广泛应用而广受赞誉，但由于该算法仅依赖于组织密度参数，因此忽略了元素组成这一基本方面，因此存在局限性 [5-7]。这会影响其在组织密度不同和植入原子序数较高的材料的区域的精度。相比之下，Acuros XB (AXB) 是一种先进的算法，可直接求解线性玻尔兹曼传输方程，更有效地提供蒙特卡罗级精度 [8, 9]。AXB 通过将剂量计算分为两个阶段来改进 AAA：模拟加速器头部的辐射束，然后计算患者体内的剂量分布。AXB 的独特之处在于它详细考虑了组织的元素组成，将体素几何形状与 CT 扫描的质量密度和材料组成对齐。这确保了在不同密度环境中的高精度。AXB 主要计算介质剂量，但可以将其转换为水剂量，从而引入一些不确定性。然而，剂量-中等仍然是治疗评估和结果分析的首选，并且正在对最佳临床剂量报告方法进行研究[10, 11]。
MRI 3T机器
i）应具有具有良好场地稳定性的主动屏蔽，外部干扰屏蔽。场稳定的加班应为<或等于0.2 ppm/hr。（ii）提及RF操作频率和场漂移。c）同质性（i）应提供最佳同质性。在10 cm，20 cm，30 cm和40 cm DSV的VRMS中指定同质性，最大。可以用引用的扫描仪来实现。（ii）对于单素体素和CSI光谱应该非常好。指定值。（iii）请在40 cm FOV（保证同质性）处指定同质性。（iv）请指定保持哪些FOV梯度线性。（v）幻影中的自动弹跳应优于40 dsv中的0.55ppm。d）磁铁孔（i）70厘米或更多的磁铁孔直径，梯度，垫片和射频线圈用耀斑定位后。（ii）生理信号，线圈连接和表调整应显示在磁铁的龙门上e）主动屏蔽/条纹场 div>