XiaoMi-AI文件搜索系统
World File Search Systemflair
FLAIR高级功能
Options: -1 Load the first flair file in the folder --compile Compile executable -d/-D Activate/Deactivate the beta-development features --data # Process/Merge the data files of all or specific runs (no default).接受模式或逗号分开的名称，例如*或foo*或foo，bar* -exe文件fluka可执行文件。（默认值：{flukadir}/bin/fluka）-h | - ？| - help打印此帮助页-i/ - ini文件替代配置文件（默认：$ home/.flair/.flair/.flair/flair.ini）-l | - 列表列表最近的项目-p/-p启用/禁用分析-M＃在模式下打开一个新项目-plots -plots可做所有图，并保存文件-r | - 重载最新项目-R＃加载最近的项目（数字1..10或FILENAME）-s skip oil dialog -t dialog -t＃| -Type＃强制导入文件类型加载，如果与.flair不同。接受的类型：Flair Fluka GDML MCNP Moira Penelope Pickle -U | - 更新重新计算并保存输入文件变量-v/-v | - verbose增加/降低详细的水平 - noansi dusts上的ANSI颜色
标准化 FLAIR MR 上的大脑成熟模式...
成熟曲线用于识别大脑成熟正常、延迟或异常的儿童。已经为儿科年龄范围内的各种 MRI 成像序列建立了规范的成熟轨迹。2 - 5 FLAIR 序列是大脑成像的主要手段，但目前关于成熟轨迹的信息有限，因为不同 FLAIR MRI 成像扫描仪的信号强度差异很大。在之前的一项研究 3 中，作者检查了 1 天至 4 岁儿童在 FLAIR 上的正常大脑成熟情况，发现在出生后 48 个月内，FLAIR 信号强度在 WM 区域呈现双相模式。其他几项研究主要在出生后的前 2 年研究了幼儿的成熟模式，使用了各种序列，包括 T1、T2、FLAIR、DTI 以及 T1 和 T2 映射。2、4、5
利用手工制作的放射素学对多中心智能MRI预测多发性硬化症患者的残疾进展
（1）比利时迪彭贝克（Diepenbeek）3590的Hasselt University的生物医学研究所MS中心（生物医学研究所）。（2）Hasselt University，Agoralaan大楼D数据科学研究所（DSI），3590，Diepenbeek，比利时。 （3）D -LAB，荷兰马斯特里赫特大学马斯特里赫特大学的肿瘤学研究所精密医学系D -LAB。 （4）荷兰马斯特里赫特大学医学中心的肿瘤学和发育生物学研究所放射学和核成像系，荷兰马斯特里奇。 （5）比利时安特卫普大学安特卫普大学IMEC-Vision Lab。 （6）𝜇神经研究中心，比利时安特卫普大学，安特卫普大学。 （7）Sumo Group，idlab，根特大学-IMEC，根特，比利时。 （8）比利时Ku Leuven的Esat-Stadius。 （9）noorderhart，康复和比利时Pelt MS中心。 （10）荷兰Sittard-Geleen Zuyderland Medical Center神经病学系学术中心Zuyd。 （11）荷兰马斯特里赫特马斯特里赫特大学的心理健康与神经科学学院。 *=这些作者对这项工作同样贡献了对应作者= Philippe Lambin（philippe.lambin@maastrichtuniverity.nl）（2）Hasselt University，Agoralaan大楼D数据科学研究所（DSI），3590，Diepenbeek，比利时。（3）D -LAB，荷兰马斯特里赫特大学马斯特里赫特大学的肿瘤学研究所精密医学系D -LAB。（4）荷兰马斯特里赫特大学医学中心的肿瘤学和发育生物学研究所放射学和核成像系，荷兰马斯特里奇。（5）比利时安特卫普大学安特卫普大学IMEC-Vision Lab。（6）𝜇神经研究中心，比利时安特卫普大学，安特卫普大学。 （7）Sumo Group，idlab，根特大学-IMEC，根特，比利时。 （8）比利时Ku Leuven的Esat-Stadius。 （9）noorderhart，康复和比利时Pelt MS中心。 （10）荷兰Sittard-Geleen Zuyderland Medical Center神经病学系学术中心Zuyd。 （11）荷兰马斯特里赫特马斯特里赫特大学的心理健康与神经科学学院。 *=这些作者对这项工作同样贡献了对应作者= Philippe Lambin（philippe.lambin@maastrichtuniverity.nl）（6）𝜇神经研究中心，比利时安特卫普大学，安特卫普大学。（7）Sumo Group，idlab，根特大学-IMEC，根特，比利时。（8）比利时Ku Leuven的Esat-Stadius。（9）noorderhart，康复和比利时Pelt MS中心。（10）荷兰Sittard-Geleen Zuyderland Medical Center神经病学系学术中心Zuyd。（11）荷兰马斯特里赫特马斯特里赫特大学的心理健康与神经科学学院。*=这些作者对这项工作同样贡献了对应作者= Philippe Lambin（philippe.lambin@maastrichtuniverity.nl）
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。
使用滑动窗纹理特征提取的脑肿瘤分割，然后是模糊的c均值聚类
在本文中，使用滑动窗口机理的混合方法，然后是模糊C，意味着针对自动化的脑肿瘤提取提出了聚类。所提出的方法包括三个阶段。第一阶段用于通过实施预处理技术，然后进行纹理特征提取和分类来检测肿瘤脑MR扫描。此外，此阶段还比较了不同分类器的性能。第二阶段由使用滑动窗口机理的肿瘤区域进行定位，其中大小的窗户扫描整个肿瘤MR扫描，窗户被归类为肿瘤或无肿瘤。第三阶段由模糊C组成，是指通过去除从阶段2获得的错误分类窗口来获得肿瘤的确切位置。2D单光谱解剖学特性MRI扫描被考虑进行实验。结果在灵敏度，特异性，准确性，骰子相似性系数方面表现出显着的结果。
脊髓多发性硬化症。反转恢复磁共振在检测液体衰减磁共振成像中的低灵敏度
目的：确认液体衰减反转恢复 (FLAIR) 相较于传统快速自旋回波 MR 成像在检测脊髓多发性硬化症 (MS) 方面的预期优势。方法：前瞻性研究了 15 名已知患有脊髓和大脑 MS 的受试者。使用 1.5-T MR 系统上的相控阵线圈对整个脊髓进行成像。矢状 T1 加权和快速自旋回波质子密度和 T2 加权图像之后是快速 FLAIR 图像。改变 FLAIR 参数以优化病变的显著性，最佳反转时间 (TI) 范围为 2400 至 2600。三位放射科医生比较了快速自旋回波和 FLAIR 图像之间的病变显著性和检测率，并达成共识。结果：FLAIR 技术在所有情况下均能有效抑制脑脊液 (CSF) 信号并减少 CSF 脉动和截断伪影。较短的成像参数（重复时间为 4000 至 6000，TI 为 1500 至 2000）一致降低了所有受试者的病变明显性。在使用较长参数（重复时间为 8000 至 11000，TI 为 2400 至 2600）成像的 5 名受试者的 11 个脊髓病变中，有 3 个在 FLAIR 图像上未显示，4 个在 FLAIR 图像上不太明显，4 个在 FLAIR 图像上显示相同或更好。结论：尽管快速 FLAIR 成像在抑制 CSF 信号和减少成像伪影方面取得成功，但在检测脊髓 MS 病变方面似乎并不可靠。
用于高质量脑成像的计算高效的 CNN 系统......
(a) (b) 图 4. (a) 无肿瘤的 Flair 切片示例。上半部分和下半部分的 SSIM 值为 0.308。 (b) 有肿瘤的 Flair 切片示例。上半部分和下半部分的图案不相互镜像。其 SSIM 值为 0.174。
用于常规临床实践中儿科大脑评估的超快MRI
目的：评估小儿患者超快脑磁共振成像（MRI）的可行性。材料和方法：我们回顾性地审查了194名0至19岁（中值10.2岁）的儿科患者，他们在2019年5月至2020年8月之间均接受过超快和常规脑MRI。超快MRI序列包括T1和T2加权图像（T1WI和T2WI），流体衰减的反转恢复（FLAIR），T2*加权图像（T2*WI）以及扩散加权侵袭性图像（DWI）。定性图像质量和病变评估是由两位盲人放射学家以5点李克特量表进行的，每种方案对T1WI，T2WI和FLAIR序列的病变计数和大小进行定量评估。Wilcoxon签名的秩检验和类内相关系数（ICC）分析用于比较。结果：超快MRI的等效图像对比度的总扫描时间为1分钟44秒，传统MRI为15分钟30秒。总体而言，超快MRI的图像质量低于常规MRI的平均质量得分，超过序列MRI的平均质量得分范围从2.0到4.8，跨序列的常规MRI的图像得分范围为4.8至5.0（T1WI，T2WI，T2WI，FLAIR，FLAIR，FLAIR和T2*WI的p <0.001 n.01 wi n.018 [reader 1] [reader 1] [reader 1] [reader 1] [reader 1] [reader 1] [reader 1] [reader 1] [reader 1] [reader 1] [3]相对于常规MRI，超快MRI的病变检测率如下：T1WI，97.1％； T2WI，99.6％； Flair，92.9％； T2*WI，74.1％；和DWI，100％。超快和常规MRI之间的病变大小测量的ICC（95％置信区间）如下：T1WI，0.998（0.996–0.999）； T2WI，0.998（0.997–0.999）;和Flair，0.99（0.985–0.994）。结论：超快MRI大大减少了扫描时间，并提供可接受的结果，尽管图像质量略低于常规MRI，以评估儿科患者的颅内异常。关键字：超快磁共振成像；减少扫描时间；图像质量；小儿大脑成像；回声平面成像
探索基于深度学习的大脑MRI-TO-CT合成中的对比度概括
背景：已提出合成计算机断层扫描（SCT），并越来越多地采用以实现基于磁共振成像（MRI）的放射疗法。深度学习（DL）最近证明了从固定MRI采集中生成准确的SCT的能力。但是，由于模型概括不良，MRI方案可能会随着时间的推移而随着时间的流逝而变化或不同。目的：研究域随机化（DR）以增加脑SCT生成DL模型的概括。方法：收集了95例接受RT患者的CT和相应的T 1加权MRI，带有 /无对比度，T 2加权和FLAIR MRI，考虑到可以研究概括的未见序列的能力。“基线”生成对抗网络进行了 /没有天赋序列的训练，以测试模型在没有DR的情况下的性能。基于SCT的剂量计划的图像相似性和准确性对CT进行了评估，以选择针对基线的表现最佳的DR方法。结果：基线模型在FLAIR上的性能最差，平均绝对误差（MAE）= 106±20.7 HU（平均值±σ）。在MAE = 99.0±14.9 HU的DR模型中，Flair上的性能显着提高，但仍然不如基线 + Flair模型的性能（MAE = 72.6±10.1 HU）。同样，对于DR VS基线，获得了γ速率的提高。结论：DR提高了仅在获得的MRI上训练的未见序列上的图像相似性和剂量准确性。DR使模型更加稳健，从而减少了在未见序列上应用模型时重新训练的需求，并且无法进行重新训练。