XiaoMi-AI文件搜索系统
World File Search Systemintracranial
发作间期颅内脑电图预测手术成功率：空间和时间的重要性
摘要 目的：利用源自发作间期颅内脑电图 (EEG) 的功能相关网络预测术后无癫痫发作已取得一些成功。然而，还有一些重要的挑战需要考虑：(1) 物理上彼此靠近的电极自然倾向于更相关，从而导致空间偏差；(2) 不同患者的植入位置和电极数量不同，使得跨受试者比较困难；(3) 功能相关网络可能随时间而变化，但目前假定为静态的。方法：在本研究中，我们使用来自 55 名难治性局灶性癫痫患者的颅内脑电图数据来解决这三个挑战。患者还接受了术前磁共振成像 (MRI)、术中计算机断层扫描和术后 MRI 检查，以便准确定位电极并描绘出切除的组织。结果：我们表明，对附近电极之间的空间接近度进行标准化可提高对术后癫痫发作结果的预测。此外，电极覆盖范围更广的患者更有可能正确预测其结果（受试者工作特征曲线下面积 > 0.9，P « 0.05），但不一定更有可能获得更好的结果。最后，无论分析的时间段如何，我们的预测都是可靠的。意义：未来的研究应考虑功能网络构建中电极的空间接近度，以改善术后癫痫发作结果的预测。切除和保留组织的覆盖范围越大，预测的准确性就越高。
使用深度卷积模型进行数据描述颅内出血分割
摘要：创伤性脑损伤可能导致颅内出血 (ICH)。如果不能及时准确诊断和治疗，ICH 可能导致残疾或死亡。目前诊断 ICH 的临床方案是放射科医生检查计算机断层扫描 (CT) 扫描以检测 ICH 并定位其区域。然而，这个过程在很大程度上依赖于有经验的放射科医生。在本文中，我们设计了一个研究方案来收集 82 个创伤性脑损伤患者的 CT 扫描数据集。接下来，由两位放射科医生协商一致决定在每个切片中手动划定 ICH 区域。该数据集在 PhysioNet 存储库中公开在线，以供将来分析和比较。除了发布数据集（这是本文的主要目的）之外，我们还实施了一个深度全卷积网络 (FCN)，称为 U-Net，以全自动方式从 CT 扫描中分割 ICH 区域。作为概念验证，该方法基于 5 倍交叉验证的 ICH 分割实现了 0.31 的 Dice 系数。
深度学习融合用于脑 CT 成像中的颅内出血分类
摘要 —脑出血的特征是由于血液凝结或高血压导致脑动脉破裂，存在严重的创伤甚至死亡风险。这种出血会导致脑细胞损伤，常见原因包括脑肿瘤、动脉瘤、血管异常、淀粉样血管病、创伤、高血压和出血性疾病。当发生出血时，氧气无法再到达脑组织，如果脑细胞缺氧和营养物质超过三四分钟，就会开始死亡。受影响的神经细胞及其控制的相关功能也会受到损害。早期发现脑出血至关重要。本文提出了一种有效的混合深度学习 (DL) 模型，用于从脑 CT 图像中检测颅内出血 (ICH)。所提出的方法集成了 DenseNet 121 和长短期记忆 (LSTM) 模型，以准确分类 ICH。DenseNet 121 模型用作特征提取模型。实验结果表明，该模型的准确率、精确率、召回率和 F1 分数分别为 97.50%、97.00%、95.99% 和 96.33%，证明了其在准确识别和分类 ICH 方面的有效性。
大脑Windkessel的定量模型及其与颅内动力学疾病的相关性
颅内动力学的客观传统模型无法捕获颅内压（ICP）脉冲的几个重要特征。实验表明，在局部振幅最小值上，ICP脉冲通常在动脉血压（ABP）脉冲之前，而颅骨是一种带滤波器的带滤波器，以心脏速度为中心，用于ICP脉冲，并以ABP脉冲为中心，这是大脑Windkessel机制。这些观察结果与现有的压力容量模型不一致。探索这些问题的方法，作者通过使用简单的电气储罐电路对ABP和ICP脉冲进行了建模，并通过使用自动回流（ARX）建模将电路的动力学与狗的生理数据进行了比较。结果作者的ARX分析显示了犬颅颅骨和脉冲抑制之间的一致性，他们使用电路和颅骨之间的类比来检查脉冲抑制的动力学。结论生理数据和电路动力学之间的对应关系表明，大脑Windkessel由脑实质和CSF的节奏运动组成，它不断反对收缩和舒张血流。已通过流动敏感的MRI记录了这种运动。在热力学术语中，脑动脉灌注的直流电流（DC）功率驱动平滑的毛细管流动和交流电流（AC）功率分流，通过CSF脉冲能量到静脉。这表明脑积水和相关疾病是CSF路径阻抗的疾病。阻塞性脑积水是高分辨率引起的高CSF路径阻抗的结果。正常压力脑积水（NPH）是由于低惯例和高依从性而导致的高CSF路径阻抗的结果。低压脑积水是高电阻和高依从性引起的高CSF路径阻抗的结果。心室肿大是一种自适应生理反应，可增加CSF路径体积，从而降低CSF路径的耐药性和阻抗。伪肿瘤脑是具有正常CSF路径阻抗的高直流功率的结果。CSF分流是一种辅助Windkessel，它会排出能量（从而降低ICP），并降低CSF路径的阻力和阻抗。Cushing的反射是极端的辅助Windkessel，它保持直流功率（动脉高血压）并降低交流电源（心动过缓）。Windkessel理论是一种用于研究通过颅骨流动的热方法方法，它指出了对脑积水和相关疾病的新理解。
人工智能在颅内动脉瘤治疗中的应用：现状与未来展望
摘要：伴有蛛网膜下腔出血的颅内动脉瘤发病率和死亡率很高。检测动脉瘤、识别破裂的危险因素和预测动脉瘤的治疗反应以指导临床干预至关重要。人工智能因其在基于图像的任务中的出色表现而受到了全世界的关注。人工智能在一系列临床环境中作为医生的辅助手段，大大提高了诊断准确性，同时减少了医生的工作量。基于使用深度学习的 MRA 和 CTA 的动脉瘤计算机辅助诊断系统已经过评估，并报告了出色的性能。随着机器学习方法的实施，人工智能还被用于自动形态学计算、破裂风险分层和结果预测，这些方法已表现出增量价值。本综述总结了人工智能在动脉瘤管理（包括检测和预测）方面的最新进展。简要讨论了人工智能临床应用的挑战和未来方向。
颅内压低的无创诊断测试，用于自发评估磁共振弹性成像作为
穿刺。1 虽然 SIH 患者最常见的表现是直立性头痛，但也可能出现其他非特异性症状，如恶心、颈部疼痛、听力变化、头晕，甚至类似痴呆的行为变化。2 作为 SIH 诊断检查的一部分，脑 MRI 成像可以显示弥漫性硬膜增厚和增强、硬膜下积液、静脉扩张和脑下垂的形态变化。3 然而，多达 20% 的 SIH 患者在脑 MRI 成像上的结果正常。2 此外，脑脊液压力可能会产生误导，因为大多数 SIH 患者的脑脊液开放压力都是正常的。4 诊断延迟的患者发病率可能会增加。5 因此，寻找其他非侵入性测试来诊断 SIH 并准确分诊患者接受脊髓造影术对于这些患者的治疗至关重要。磁共振弹性成像 (MRE) 是一种测量组织机械特性的非侵入性技术。6 在施加外部振动期间，相位对比磁共振成像脉冲序列
使用人体内部脑电图从自然语音中解码语义
Camille R. C. Pescatore 1* , Haoyu Zhang 1* , Alex E. Hadjinicolaou 1 , Angelique C. Paulk 1,2 , John D. Rolston 3 , R. Mark Richardson 4 , Ziv M. Williams 4,5,6 , Jing Cai 4† & Sydney S. Cash 1,2,5† 1 Department of Neurology, Massachusetts General Hospital, Harvard Medical School, Boston, MA.2马萨诸塞州波士顿的马萨诸塞州综合医院神经科学中心和神经记录中心。3，杨百翰和妇女医院神经外科部，马萨诸塞州波士顿哈佛医学院。4马萨诸塞州波士顿哈佛医学院马萨诸塞州综合医院神经外科部。5哈佛大学卫生科学与技术部，马萨诸塞州波士顿。6哈佛医学院，马萨诸塞州波士顿神经科学计划。 *这些作者也同样贡献。 †这些作者也同样贡献。 应向谁致辞，电子邮件：jcai5@mgh.harvard.edu6哈佛医学院，马萨诸塞州波士顿神经科学计划。*这些作者也同样贡献。†这些作者也同样贡献。应向谁致辞，电子邮件：jcai5@mgh.harvard.edu
使用编码器-解码器框架从颅内深度电极合成语音
图 6 示例性注意力矩阵，可视化三位参与者在收敛时的注意力得分（来自随机选择的训练样本）（值越亮表示注意力得分越高）。解码器中的时间步长在 y 轴上表示，编码器的时间步长在 x 轴上表示。对角线结构表明注意力得分在时间域上是很好地对齐的，例如输出中的后续步骤关注输入中的后续步骤。该图还表明，填充输入 sEEG 序列（语音规划和理解）可能是不必要的，因为没有太多注意力放在第一个和最后一个输入步骤上。
通过 3D 超声扫描自动测量胎儿颅内容积
三维胎儿超声通常用于研究大脑结构的体积发育。迄今为止，只有有限数量的自动程序可用于描绘颅内容积。因此，三维超声图像中的颅内容积测量主要通过手动完成。在这里，我们介绍并验证了一种从三维胎儿超声扫描中提取颅内容积的自动化工具。该程序基于将大脑模型与受试者大脑进行配准。受试者的颅内容积是通过将最终变换的逆应用于大脑模型的颅内掩模来测量的。自动测量结果与同一受试者在两个孕周（即大约 20 和 30 周）的手动描绘结果显示出高度相关性（线性拟合 R 2（20 周）= 0.88，R 2（30 周）= 0.77；组内相关系数：20 周 = 0.94，30 周 = 0.84）。总体而言，自动颅腔容积大于手动划定的颅腔容积（84 ± 16 cm 3 vs. 76 ± 15 cm 3 ；274 ± 35 cm 3 vs. 237 ± 28 cm 3 ），这可能是由于小脑划定的差异所致。值得注意的是，自动测量结果既复制了胎儿大脑生长的非线性模式，也复制了年龄较大胎儿的个体间差异性增加。相比之下，在性别二态性差异的大小方面，手动和自动划定之间存在一些分歧。本文介绍的方法提供了一种相对有效的自动划定胎儿大脑结构（如颅腔容积）体积的方法。它可以用作研究工具，在大型队列中研究这些结构，最终有助于了解胎儿结构性人脑发育。