XiaoMi-AI文件搜索系统
World File Search Systemabn
基于扩散张量成像
1 中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian中国山东，旺东的韦芬大学，2放射学系，中国北京第三次中国PLA综合医院医院第三个医学中心，3北京北京工程研究中心，放射学技术与设备研究中心，高能源物理学研究所，中国医学院，医学院，北卡罗来纳州，高级医院4.和开发诊所，中国北京第七医学中心，中国北京第七医院，中国北京第七医学中心新生儿学系，中国北京7号核科学与技术学院，中国北京大学北京大学，北京大学，中国中国北京大学，第8位磁性磁性成像系，第三名，Xinxian nikian niverian nikian niverian niverian nivernian niverian niverian niverian niverian niverngianian niverian niverian niverngiang nikeang nikeang niverngian n diveian
使用1-D
本文提出了一种基于1-D卷积神经网络（CNN）的ballistarcardiogram（BCG）分类方法，该方法为临床诊断提供了辅助基础，尤其是在老年人中心脏功能的监测中。四类BCG信号用作1-D CNN的输入。通过在时间轴上移动卷积内核，在保持频带相关性的同时，可以更好地满足BCG信号的时间变化。然后将它们发送到多层传感器，此后将软玛克斯分类器处理的功能分类。我们获得了93.39％的精度，其中H类为95.36％，C类为86.19％，D类为95.31％，Y类为96.57％。与现有的研究结果相比，提出的方法实现了出色的分类性能。此方法是简单，快速且高通用的，它可以作为老年人每天诊断心脏病的可靠辅助工具。
基于纹理特征的脑信号数据神经系统异常智能检测方法
神经系统疾病的诊断是现代医学面临的最大挑战之一，也是当前的一个主要问题。脑电图 (EEG) 记录通常用于识别各种神经系统疾病。EEG 会产生大量的多通道时间序列数据，神经科医生可以通过视觉分析这些数据来识别和了解大脑内的异常及其传播方式。这是一个耗时、容易出错、主观且令人精疲力尽的过程。此外，EEG 分类的最新进展主要集中在使用 EEG 数据将特定疾病的患者与健康受试者进行分类，这种方法成本效益不高，因为它需要多个系统来检查受试者的 EEG 数据以查找不同的神经系统疾病。这迫使研究人员推进他们的工作，并创建一个统一的分类框架，用于从 EEG 信号数据中识别各种神经系统疾病。因此，本研究旨在通过开发一种基于机器学习 (ML) 的数据挖掘技术来满足这一要求，以从 EEG 数据中对多种异常进行分类。纹理特征提取器和基于 ML 的分类器用于时频谱图图像以开发分类系统。首先，使用滤波技术从信号中去除噪声和伪影，然后进行归一化以降低计算复杂度。之后，将归一化信号分割成小的时间段，并使用短时傅里叶变换从这些时间段生成频谱图图像。然后使用两个基于直方图的纹理特征提取器分别计算特征，并使用主成分分析从提取的特征中选择显著特征。最后，使用四种不同的基于 ML 的分类器将选定的特征归类为不同的疾病类别。在四个实时 EEG 数据集上测试了所开发的方法。所得结果显示出对各种异常类型进行分类的潜力，表明可以利用它从脑信号数据中识别各种神经系统异常。
在临床环境中部署和验证用于检测异常胸部X光片的人工智能系统
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
儿童创伤性脑损伤后的脑容量异常和临床结果
儿童创伤性脑损伤后的长期结果很难预测。局部脑损伤的存在与否通常无法解释常见且致残的认知、情感和行为障碍。在成人中，创伤性脑损伤会导致进行性脑萎缩，这种萎缩可以准确测量，并且与认知能力下降有关。然而，由于儿童创伤性脑损伤与正常脑发育相互作用，其对脑容量的影响更难测量。在这里，我们报告了一种对儿童创伤性脑损伤后脑容量进行个体化估计的稳健方法，并研究了其与临床结果的关系。我们首先使用了一个大型健康对照数据集（n > 1200，年龄 8 – 22 岁）来描述青春期白质和灰质区域的健康发育。然后，通过比较一组儿童期受伤的中度/重度创伤性脑损伤患者（n = 39，平均年龄 13.53 ± 1.76，受伤后中位时间 = 14 个月，范围 4 – 168 个月）的脑体积，计算出个体灰质和白质区域体积估计值，方法是将患者的脑体积与年龄匹配的对照组进行比较。患者被单独分类为脑体积低或正常。使用标准化测试和父母/看护者评估来评估神经心理学和神经精神学结果。相对于头部大小，在正常的青少年发育过程中，灰质区域的体积减少，而白质束的体积增加。创伤性脑损伤扰乱了健康的大脑发育，导致年龄校正后灰质和白质脑体积同时减少。在接受调查的 39 名患者中，11 名（28%）至少有一个白质束体积减少，7 名（18%）至少有一个灰质区域体积减少。那些被归类为脑容量低的人与健康对照组相比，处理速度较慢，情绪受损，冷漠程度较高，愤怒情绪增加，学习困难。相比之下，局部脑损伤和微出血的存在与这些临床损害的风险增加无关。总之，我们展示了如何使用大量常识数据集从个体 T 1 MRI 稳健地计算出儿童创伤性脑损伤后的脑容量异常，该数据集可以控制健康大脑发育的影响。通过这种方法，我们表明，中度/重度创伤性脑损伤后，灰质和白质区域的体积异常很常见，并且与儿童创伤性脑损伤后常见的更高水平的认知、情绪和行为异常有关。
使用智能手机心电图监测器识别雅各布羊尿路阻塞导致的高钾血症引起的心电图异常
基于智能手机的诊断技术正越来越多地被门诊兽医使用。1 这种强大便携技术的一个令人兴奋的新例子是 AliveCor ECG 设备 (AliveCor)。AliveCor 允许智能手机用户使用他们的智能手机以心电图 (ECG) 的形式收集心律和心率，可以即时评估并记录以备将来使用。除了确定平均心率外，这些设备还可用于由训练有素的兽医识别窦性心律、心房颤动和室性早搏、心室预激和异步心室去极化。2 在某些情况下，由于该设备便携性和易用性，它正在取代传统的 Holter 监测心电图。2 产品说明书描述了犬、猫和马患者的使用方法。然而，文献中也有报道称该装置可用于其他物种，包括牛 3 、山羊 4,5 、水牛 6,7 、猪 8 ，以及港海豹 9 和草原巨蜥等外来物种。10
一项初步研究显示，在认知健康但脑脊液淀粉样蛋白/tau 异常的个体中，任务切换揭示了脑心脏电生理特征异常
认知灵活性是指个人在任务之间切换的能力。它是一项核心执行功能，可以通过任务切换范式进行测试（Sauseng 等人，2006 年；Verstraeten 和 Cluydts，2002 年）。在任务切换过程中，与任务重复试验（低负荷）相比，任务切换试验（高负荷）所需的努力通常更大，这种现象称为切换成本（Hsieh 和 Allport，1994 年）。在任务切换范式中，与任务重复试验相比，任务切换试验的响应时间 (RT) 通常更长。切换试验所需的认知努力比重复任务所需的认知努力更大，这一研究相对较少（Wu 等人，2015 年）。早期 AD 中任务切换的表现会下降（Hutchison 等人，2010 年）。此外，任务切换与注意力控制紧密相关，注意力控制受切换/重复试验比例的调节（Schneider，2015 年）。
心力衰竭的心力衰竭，并保留了射血分数：心肌，间质，微血管和代谢异常
1个心血管部，意大利伯加莫帕帕·乔瓦尼XXIII医院； 2英国伦敦大学伦敦大学和巴特心脏中心； 3心血管部，Azienda Ospedaliera S. Andrea，意大利罗马； 4美国匹兹堡医学院医学系，美国宾夕法尼亚州匹兹堡； 5 UPMC心血管磁共振中心，心脏和血管研究所，美国宾夕法尼亚州匹兹堡； 6美国匹兹堡匹兹堡大学临床和转化科学研究所； 7诊断放射学，意大利米兰米兰 - 比科卡大学Papa Giovanni XXIII医院； 8意大利伯加莫大学（伯加莫）管理，信息与生产工程系； 9心血管，神经和代谢科学系，意大利米兰伊斯蒂托托·艾克斯科洛西科，圣卢卡医院IRCCS； 1 0米兰 - 比科卡大学医学与外科系，意大利米兰； 11来自 - 意大利伯加莫的Papa Giovanni XXIII医院Papa Giovanni XXIII医院的La Ricerca Dell'ospedale del'ospedale dell'ospedale dell'ospedale per -11;
与属于DEM
阿尔茨海默氏病（AD）是最漫射的神经模型生成性疾病之一，其特征是痴呆症的逐步认知下降。目前在临床研究中使用了几种AD的生物标志物。根据美国国家老化 - 阿尔茨海默氏症协会（NIA-AA），体内脑脊液（CSF）的ABETA和PHOSHPO TAU和淀粉样蛋白/Tau Potitron发射术（PET）的措施，允许在Preplinical和Protient的AD诊断（PET）中，并具有准确的MACINIPAIS（MAC），并具有客观的意义（临床试验的阶段（Albert等，2011； Jack等，2018； McKhann等，2011）。此外，可以通过源自18fluorodeoxyoxyoxyoxyglucose PET（FDG-PET），CSF中的TAU以及颞叶型皮质中脑萎缩的磁共振成像（MRI）的生物标志物来监测AD的进展。除了FDG-PET作为神经和突触完整性的敏感标记所起的间接作用外，上述生物标志物都没有反映AD神经病理学对基于认知过程的神经生理机制的影响。为了填补这一空白，头皮录制的脑电图（EEG）节奏是有希望的，因为它们是无创的，具有成本效益的，并且基于记录
