XiaoMi-AI文件搜索系统
World File Search SystemVoxel
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>
改进行进立方体算法的修改规则代表3D
摘要：行进立方体是3D重建的最广泛使用的等曲面算法。在案例研究中，本文使用了来自大脑图像的MRI的医学数据，尤其是在call体（CC）部分中，以及来自Stagbeetle数据集的音量数据。选择此案例研究以突出3D图像可视化的临床重要性。这项研究可以通过显示固体解剖形状和位置来帮助，这可以指导脑损伤的位置，而小于1 mm的较小误差；因此，它可以支持和最大程度地减少脑外科手术的风险。案例研究是称为call体的大脑的一部分，通常用作脑部手术的参考。对于输入数据，本文使用深度学习方法使用2D分割来获得CC段。本文使用120名患者，培训80％，在国家医院进行测试20％。本文发现了11个矢状切片，其中包含每位患者的166个切片中的call体。这项工作提出了一种改进的MC算法，为现有规则增加了20个新规则，加强了Voxel代表的规则，并将原始的Martinging Cubes算法的15条规则增加到35。因此，3D重建模型覆盖了大孔，使其在很大程度上固体。拟议的3D可视化实现了来自国家医院的数据集的零开放边缘。结果表明，应用改进的行进立方体算法产生了一个3D表示，其结果更好，更健壮，这证明了存在更多的顶点和三角形以及不存在开放边缘的情况。高级游行立方体是拆除开放边缘的好方法。
通过光场投影进行 3D 光刻 - NSF-PAR
提出并演示了一种通过微透镜阵列 (MLA) 的光场投影进行 3D 光刻的方法。利用 MLA，我们可以通过开发的聚焦方案将来自空间光调制器 (SLM) 的光传送到 3D 空间中的任意位置，即体素。体素位置和 SLM 像素位置之间的映射函数可以通过光线追踪一一确定。基于正确的映射函数，可以通过 SLM 和 MLA 在 3D 空间中重建计算机设计的 3D 虚拟物体。然后可以对投影的 3D 虚拟物体进行光学压缩并将其传送到光刻胶层进行 3D 光刻。利用适当的近紫外光，可以在光刻胶层内的不同深度构建 3D 微结构。这种 3D 光刻方法可用于在任意位置进行高速 3D 图案化。我们预计，在提出的光场 3D 投影/光刻方案中采用飞秒光源和相关的多光子固化工艺时，也可以实现高精度 3D 图案化。多光子聚合可以防止在到达设计的焦点体素之前沿光路对区域进行非自愿图案化，如我们在单光子演示中所观察到的那样。
使用深度卷积神经网络自动检测局灶性皮质发育不良
局灶性皮质发育不良（FCD）是皮质发育畸形，可能由皮质结构或细胞学异常引起 Kabat 和 Król (2012) 。它是儿童癫痫的首要病因，也是成人癫痫的第三大病因 Lerner 等 (2009) 。磁共振成像（MRI）被广泛用于识别 FCD，因为它可以提供高对比度和分辨率的软组织图像。图 1 显示了三张 T1 加权 MRI 图像（即一张健康图像和两张 FCD 图像）。图 1 (b) 和 (c) 中红色矩形框包围的区域显示了 FCD 的两个典型 MRI 特征：灰质 (GM) -白质 (WM) 边界模糊和皮质增厚。由于 FCD 病变的细微性和脑解剖结构的复杂性，即使对于经验丰富的专家来说，在 MRI 图像上手动识别 FCD 病变也是一项耗时且主观的任务 Rajan et al. (2009) 。在 MRI 图像中，多种组织类型（例如 GM、WM、脑脊液 (CSF)）会影响体素/像素强度，这被称为部分容积效应，
学习关节表面重建和分割，从大脑图像到皮质表面分割
从 MRI 重建和分割皮质表面对于广泛的大脑分析至关重要。然而，大多数方法遵循多步骤的缓慢过程，例如连续的球面膨胀和配准，这需要相当长的计算时间。为了克服由这些多步骤引起的限制，我们提出了 SegRecon，这是一种集成的端到端深度学习方法，只需一个步骤即可直接从 MRI 体积联合重建和分割皮质表面。我们训练一个基于体积的神经网络来预测每个体素到多个嵌套表面的有符号距离以及它们在图谱空间中对应的球面表示。例如，这对于联合重建和分割白质到灰质界面以及灰质到脑脊液（软脑膜）表面很有用。我们通过在 MindBoggle、ABIDE 和 OASIS 数据集上进行的一组全面实验来评估我们的表面重建和分割方法的性能。我们发现，重建误差小于 0.52 毫米，而与 FreeSurfer 生成表面的平均 Hausdorff 距离则小于 0.97 毫米。同样，分割结果显示，与 FreeSurfer 相比，平均 Dice 值提高了 4% 以上，此外，在标准台式机上，计算时间从几小时大幅加快到几秒。
李白晨等人2023.pdf
这项超高场 7 T fMRI 研究探讨了是否存在一个大脑区域核心网络来服务于身体感知的不同方面。参与者观看了猴子和人类面部、身体和物体的自然视频，以及用于控制低级特征的马赛克乱码视频。进行了基于独立成分分析 (ICA) 的网络分析，以在体素和网络级别发现身体和物种的调节。在身体区域中，中额回和杏仁核的物种选择性最高。两个大型网络对身体具有高度选择性，分别由侧枕叶皮层和右侧颞上沟 (STS) 主导。右侧 STS 网络表现出较高的物种选择性，其显著的人体诱导节点连接集中在纹外体区 (EBA)、STS、颞顶交界处 (TPJ)、运动前皮层和下额回 (IFG) 周围。这里发现的人体特定网络可以作为人体的大脑范围的内部模型，作为依赖身体描述的各种过程的入口点，作为其更具体的分类、动作或表情识别功能的一部分。
成功应对高强度脑力负荷和压力 - oatao
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
刺激图：深部脑刺激手术定量术中测试结果的可视化
摘要 深部脑刺激 (DBS) 是治疗特发性震颤 (ET) 等运动障碍的成熟方法。患者脑内 DBS 导线的定位对于有效治疗至关重要。术中需要对不同电流幅度下不同位置的刺激的改善和不良影响进行广泛评估。然而，要选择最佳导线位置，必须在脑海中将信息可视化并进行分析。本文介绍了一种称为“刺激图”的新技术，该技术总结并可视化大量相关数据，旨在帮助确定最佳 DBS 导线位置。它结合了三种方法：相关解剖结构的轮廓、定量症状评估和患者特定的电场模拟。通过这种组合，刺激区域中的每个体素都被分配一个症状改善值，从而将刺激区域划分为具有不同改善水平的区域。该技术被回顾性地应用于法国克莱蒙费朗大学医院的五名 ET 患者。除了确定最佳植入位置外，由此得到的九张图还显示，改善程度最高的区域通常位于丘脑后部底区。结果证明了刺激图在确定最佳植入位置方面的实用性。
通过机器学习预测体积城市形态的气温
环境参数（例如空气温度）是人类生活质量和能源效率管理的关键终端。城市地区人口稠密，并且通过城市形态和景观空间模式与其中一些自然现象高度相关。因此，预测城市计划对环境参数的影响对于适当的决定和计划以增强城市的生活条件至关重要。先前的研究强调了乌拉巴形态与空气温度之间的密切相关性，强调了在这些分析中采用三维数据的重要性。在这项研究中，我们首先引入了一种将CityGML数据转换为VoxEls的方法，该方法在大规模数据集（例如城市）的高分辨率上可以有效，快速地工作，但通过牺牲了一些建筑细节，从而限制了先前的Voxelization方法的局限性，这些方法限制了对大型量表的较高量表的较高范围，以较高的量化和无效的范围，以使其对Voxel的高度分配为高分。来自多个城市的那些体素化的3D城市数据和相应的空气温度数据用于开发机器学习模型。在模型训练之前，在输入数据上实施了高斯模糊以考虑空间关系，因此，在高斯模糊之后，空气温度和体积建筑物形态之间的相关率也会增加。这个受过训练的模型能够通过使用相应像素的构建体积信息作为输入来预测空气温度的空间分布。在模型训练之后，预测结果不仅是用均方根误差（MSE）评估的，而且一些图像相似性指标，例如结构相似性指数量度（SSIM）和学习的知觉图像贴片相似性（LPIPS）能够在评估过程中检测和考虑空间关系。这样做，该研究旨在帮助城市规划人员将环境参数纳入其计划策略，从而促进更可持续和居民的城市环境。
s41598-020-60092-5.pdf
多维相关磁共振成像 (MRI) 是一种新兴的成像方式，它能够根据系统中水的化学和物理相互作用来解开高度异质和不透明的系统。使用这种方法，传统的三维 MR 标量图像被空间分辨的多维光谱所取代。随之而来的微观结构和化学信息的丰富是一个福音，但也带来了一个真正的挑战：如何将其提炼并细化为图像，同时保留其重要成分？在本文中，我们介绍了一个通用框架，该框架可保留空间分辨多维数据的光谱信息。在单个体素级别上对重要光谱成分赋予相同的权重，从而得到一个汇总的图像光谱。然后使用该光谱来定义感兴趣的光谱区域，这些区域用于重建亚体素成分的图像。使用数值模拟，我们首先表明，与传统方法相反，所提出的框架保留了光谱分辨率，进而保留了重建图像的灵敏度和特异性。保留的光谱分辨率首次允许观察人类大脑的一系列不同的 T 1 − T 2 − D 分量图像。亚体素分量的稳健生成图像克服了 MRI 有限的空间分辨率，从而推动多维相关 MRI 充分发挥其潜力。