XiaoMi-AI文件搜索系统
World File Search Systemintracranial
治疗颅内炎症性肌纤维细胞...
炎性肌细胞肿瘤（IMT）是1939年首次描述的罕见病理实体。此病变最常见于肺部，但是涉及其他系统的病例，例如称为颅内IMT（IIMT）的中枢神经系统。诊断目前依赖于病理结果，因为缺乏特征成像变化。手术切除是一种有效的治疗方法，尽管该疾病是侵入性并且可能会复发。以前的文献报道了IMT组织中高水平的编程死亡1（PD-1）表达，这表明免疫疗法可能对这种情况有效。在本案报告中，我们提出了一名中年男性，他在IIMT切除手术后接受了PD-1抑制剂和溶瘤腺病毒（AD-TD-NSIL12）治疗。这种成功的方法为治疗IIMT提供了新的方向。
颅内脑膜瘤的体积测量
虽然误差百分比与线性体积估计无关，但较小的肿瘤在平面测量中表现出较大的误差指数。这部分是由于手动勾勒肿瘤边缘时包括了周围的体素，使得小病变在比例上受到附近组织的包含的影响更大。这种影响在多参数分割中得到了校正。在 T1CE 图像中，由于 DICOM 查看器软件上的信号插值，肿瘤与周围结构之间的界面在肉眼下可能变得略宽。因此，信号强度在肿瘤-实质界面处减弱，使得难以精确定义界限。多参数 VBM 不是
颅内压变异性作为危重患者颅内高压和死亡率的预测指标的作用
目的颅内压 (ICP) 监测是追踪神经外科患者的一种广泛使用且必不可少的工具，但仅使用基于 ICP 的范例来指导管理有局限性。有人提出，除了平均 ICP 之外，ICP 变异性 (ICPV) 可能是神经系统结果的有用预测指标，因为它代表了完整脑压自动调节的间接测量。然而，目前关于 ICPV 适用性的文献显示 ICPV 和死亡率之间存在相互矛盾的关联。因此，作者旨在使用 eICU 协作研究数据库 2.0 版研究 ICPV 对颅内高压发作和死亡率的影响。方法作者从 eICU 数据库中提取了 868 名神经外科患者的 1,815,676 个 ICP 读数。使用两种方法计算 ICPV：滚动标准差 (RSD) 和滚动平均值的绝对偏差 (DRM)。颅内高压发作定义为在任何 30 分钟的时间窗口中至少有 25 分钟的 ICP > 22 毫米汞柱。使用多元逻辑回归计算平均 ICPV 对颅内高压和死亡率的影响。使用具有长短期记忆的循环神经网络对 ICP 和 ICPV 进行时间序列预测，以预测未来的颅内高压发作。结果使用两种 ICPV 定义，较高的平均 ICPV 与颅内高压显着相关（RSD：aOR 2.82，95% CI 2.07–3.90，p < 0.001；DRM：aOR 3.93，95% CI 2.77–5.69，p < 0.001）。 ICPV 与颅内高压患者的死亡率显著相关（RSD：aOR 1.28，95% CI 1.04–1.61，p = 0.026，DRM：aOR 1.39，95% CI 1.10–1.79，p = 0.007）。在机器学习模型中，两种定义的 ICPV 均取得了同样好的结果，DRM 定义在 20 分钟内获得的最佳 F1 得分为 0.685 ± 0.026，曲线下面积为 0.980 ± 0.003。结论作为神经监测的一部分，ICPV 可作为预测神经外科重症监护中颅内高压发作和死亡率的辅助手段。进一步研究使用 ICPV 预测未来的颅内高压发作可能有助于临床医生对患者的 ICP 变化做出迅速反应。
利用机器学习解码颅内脑电图
颅内脑电图 (iEEG) 和神经生理学的进步使得人们能够以高保真时间和空间分辨率研究以前无法接近的大脑区域。对 iEEG 的研究揭示了丰富的神经代码，这些代码服务于健康的大脑功能，但在疾病状态下会失效。机器学习 (ML) 是一种人工智能，是一种现代工具，可以更好地解码复杂的神经信号并增强对这些数据的解释。迄今为止，许多出版物已将 ML 应用于 iEEG，但临床医生对这些技术及其与神经外科的相关性的认识有限。本研究回顾了 ML 技术在 iEEG 数据中的现有应用，讨论了各种方法的相对优点和局限性，并研究了神经外科临床转化的潜在途径。从 3 个数据库中确定了 107 篇研究人工智能在 iEEG 中的应用的文章。这些文章中的 ML 临床应用分为 4 个领域：i) 癫痫发作分析、ii) 运动任务、iii) 认知评估和 iv) 睡眠分期。审查显示，监督算法在研究中最常用，并且经常利用公开可用的时间序列数据集。我们最后提出了未来工作和潜在临床应用的建议。
基于颅内压的决策：使用机器学习预测疑似颅内压升高
本研究在 2009 年至 2019 年期间招募了 400 名正常儿童作为对照组，以及 75 名有颅内压升高迹象的儿童。测量了 CT 上的 ONSD 等参数。采用监督机器学习根据 CT 测量结果预测疑似颅内压升高。正常儿童的 ln(年龄) 和平均 ONSD (mONSD) 之间存在线性相关性，mONSD = 0.36ln(年龄)+2.26 (R 2 = 0.60)。本研究根据单变量分析显示，400 名正常儿童的 CT 测得的 mONSD 与 ln(年龄) 和大脑宽度（而非脑室宽度）之间存在线性相关性。此外，多变量分析显示双尾核最小距离也与 mONSD 有关。对照组和疑似颅内压升高组的组间比较结果显示，mONSD 和脑室宽度具有统计学意义。研究表明，监督式机器学习应用可用于预测儿童疑似颅内压（ICP）升高，训练准确率为 94%，测试准确率为 91%。
人工智能在颅内动脉瘤检测中的不一致性
保留所有权利。未经许可不得重复使用。永久。预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 许可，可以在此版本中显示预印本。版权所有者于 2024 年 11 月 30 日发布此版本。；https://doi.org/10.1101/2024.11.26.24317954 doi：medRxiv preprint
颅内脑膜瘤有好发部位吗？基于人群的图谱
摘要 脑膜瘤是最常见的颅内良性肿瘤，被认为起源于蛛网膜颗粒的蛛网膜帽细胞。我们试图根据治疗前的 MRI 开发基于人群的图谱，以探索颅内脑膜瘤的分布，并探索不同位置颅内脑膜瘤发展的风险因素。2006 年至 2015 年期间，所有被诊断为颅内脑膜瘤并转诊至神经外科的来自特定收集区域的成年人（≥ 18 岁）均有资格纳入。治疗前 T1 增强 MRI 加权脑部扫描用于半自动肿瘤分割，以开发脑膜瘤图谱。统计分析中使用的患者变量包括年龄、性别、肿瘤位置、WHO 分级和肿瘤体积。共确定了 602 名颅内脑膜瘤患者，以从广泛而明确的收集区域开发脑肿瘤图谱。脑膜瘤在脑内的空间分布并不均匀，额区肿瘤较多，尤其是旁矢状面、大脑镰前部、额叶底和中颅窝。超过 2/3 的脑膜瘤患者为女性（p < 0.001），她们患多发性脑膜瘤的可能性也更大（p < 0.01），而男性患幕上脑膜瘤的可能性更大（p < 0.01）。肿瘤位置与年龄或 WHO 分级无关。脑膜瘤的分布在脑内呈现从前到后的梯度变化。脑膜瘤在普通人群中的分布并不依赖于组织病理学 WHO 分级，但可能与性别有关。
外伤性脑损伤颅内压脉动波形分析...
缩写 AIS = 简明损伤量表；AMP = ICP 脉冲幅度；AU = 任意单位；AUC = 曲线下面积；CENTER-TBI = 欧洲创伤性脑损伤神经创伤效果合作研究；CT = 计算机断层扫描；FFT = 快速傅里叶变换；GCS = 格拉斯哥昏迷量表；GOSE = 格拉斯哥扩展预后量表；HFC = 高频质心；HHC = 高次谐波质心；ICP = 颅内压；ICU = 重症监护病房；IQR = 四分位距；ISS = 损伤严重程度评分；MANOVA = 多元方差分析；MLS = 中线移位；PRx = 压力反应指数；PSI = 脉搏形状指数；ResNet = 残差神经网络；ROC = 受试者工作特征；TBI = 创伤性脑损伤。提交于 2022 年 6 月 27 日。接受于 2022 年 10 月 28 日。引用时请注明 2022 年 12 月 23 日在线发布；DOI：10.3171/2022.10.JNS221523。
颅内B波的生理机制及意义
脑血流 (CBF) 和脑容量的缓慢振荡最近成为一个热门话题，因为这些缓慢振荡与脑内的脑脊液 (CSF) 运动有关，并可能促进血流过脑间质以清除溶质和有毒代谢物，这一过程称为淋巴流动 (1)。颅内 EEG、MRI 血氧水平依赖性 (BOLD) 信号和 CSF 波 (2) 的耦合缓慢同步振荡似乎共同在驱动 CSF 运动方面发挥着关键作用，尤其是在慢波 (delta 波) 睡眠活动期间。此外，这些类型的振荡发生在与颅内 B 波相同的频率范围内，而 B 波也是 CBF 和颅内压 (ICP) 规律同步波动的结果，其来源不明 (3)。这种关联促使我们分析了之前在 B 波期间进行的 MCA 速度和 ICP 的颅内记录中的其他频率参数和波形特征（3），并将它们与已发表的 MRI CBF 慢波测量结果（2、4-9）进行比较，以确定这些实体之间的相似性。颅内压 B 波最初被描述为以每分钟 0.5 到 2 个周期发生的规则重复 ICP 振荡，其来源已证明难以捉摸，其生理作用尚未确定。Lundberg 在他最初的经典论文中评论说，通过检查 B 波的特征及其与其他生理参数的关系，无法就其起源得出明确的结论（10）。一项关于麻醉猫软脑膜动脉的观察性研究描述了同步的 ICP 波和血管直径波动，其发生频率（每分钟 0.5-2 次）与经典 B 波相似，支持周期性血流和血容量波动可能是 ICP B 波原因的观点，但并未给出任何有关其生理功能的迹象（11）。一些早期关于患者和正常受试者的经颅多普勒 (TCD) 超声记录的报告描述了由于 CBF 变化导致的大脑中动脉 (MCA) 速度波动，其频率范围与 Lundberg B 波相同（12、13）。我们报告了 70% 的正常受试者在休息和躺在担架上 1 小时时，MCA 速度波动的频率范围 (0.5-2 次/分钟) 和形式与 Lundberg B 波相似，并且在同一报告中描述了头部受伤患者的同步 MCA 速度和 ICP 振荡，其频率与 B 波相同 (3)。其他研究人员证实了这些结果，并进一步描述了各种环境下 MCA 流速的节律性振荡，包括头部受伤患者、正常休息志愿者以及睡眠期间 (14-18)。一些研究指出，TCD 测得的 B 波发生的频率范围比 Lundberg 在 ICP 记录中指出的更宽，并且频率比我们小组最初描述的更宽（3），因此建议将 B 波频率范围扩大到每分钟 0.33-3 个周期（0.005-0.05 Hz）（18）。其他研究人员报告称，颅内 B 波的频率高达每分钟 4 个周期（0.067 Hz）（19）。最近发表的关于通过功能性（f）MRI 结合 EEG 测量慢周期性 CBF 振荡的描述