XiaoMi-AI文件搜索系统
World File Search Systemischemic
通过基于注意力的卷积神经网络对大鼠缺血性病变 MRI 图像中的大脑半球进行自动分割
摘要 我们提出了 MedicDeepLabv3+，这是一种卷积神经网络，是第一个完全自动化地分割缺血性病变大鼠磁共振 (MR) 体积中的大脑半球的方法。MedicDeepLabv3+ 通过先进的解码器改进了最先进的 DeepLabv3+，结合了空间注意层和额外的跳过连接，正如我们在实验中所展示的那样，可以实现更精确的分割。MedicDeepLabv3+ 不需要 MR 图像预处理（例如偏置场校正或模板配准），可以在不到 1 秒的时间内完成分割，并且可以根据可用资源调整其 GPU 内存要求。我们在一个由 11 个队列的 MR 体积组成的异构训练集上优化了 MedicDeepLabv3+ 和其他六个最先进的卷积神经网络（DeepLabv3+、UNet、HighRes3DNet、V-Net、VoxResNet、Demon），这些队列是从不同病变阶段获取的。然后，我们在包含 655 张 MR 大鼠脑体积的大型数据集上评估了经过训练的模型和两种专门为啮齿动物 MRI 颅骨剥离 (RATS 和 RBET) 设计的方法。在我们的实验中，MedicDeepLabv3+ 的表现优于其他方法，在脑部和对侧半球区域的平均 Dice 系数分别为 0.952 和 0.944。此外，我们还表明，尽管 GPU 内存和训练数据有限，但我们的 MedicDeepLabv3+ 也提供了令人满意的分割。总之，我们的方法（公开发布于 https://github.com/jmlipman/MedicDeepLabv3Plus）在多种情况下都取得了出色的结果，证明了其能够减轻大鼠神经影像研究中的人工工作量。
冰片对病理状态下血脑屏障的调控及机制研究进展——以缺血性中风为例
血脑屏障 (BBB) 是脑与外周循环之间的动态脑屏障。血脑屏障由脑毛细血管内皮细胞、周细胞和星形胶质细胞端足组成，可有效保护脑免受血液中有害毒素和病原体的侵害 (1,2)。血肿瘤屏障 (BTB) 是指位于脑微血管附近的改良血脑屏障，这种屏障是由于原发性脑肿瘤（包括神经母细胞瘤和其他内脏癌症，如肺癌、乳腺癌、黑色素瘤等）的存在导致神经血管单元发生变化而形成的 (3)。血脑屏障中 P-糖蛋白 (P-gp) 的表达可防止不必要的血液毒素和信号分子进入脑 (4-6)。这种复杂的结构不仅维护脑稳定性，而且还保护脑免受外界因素的影响。另一方面，当脑部出现病理改变时，药物可能难以穿透BBB和BTB屏障，使得药物治疗脑部疾病变得困难（7-9）。
2024; 14(14): 5571-5595. doi: 10.7150/thno.99822 综述 微环境响应纳米系统用于缺血性中风治疗
缺血性中风是一种常见的神经系统疾病，由脑供血受损引起，是一种治疗难题。常规治疗方法如血栓溶解和神经保护药物缺乏理想的药物输送系统，限制了其疗效。选择性地向缺血性脑组织输送治疗药物具有预防和/或治疗缺血相关病理症状的巨大潜力。缺血性中风后脑部独特的病理微环境以缺氧、酸性和炎症为特征，为靶向药物输送提供了新的可能性。病理微环境响应纳米系统在肿瘤中得到了广泛的研究，例如缺氧响应系统，它也可以对缺血性脑微环境作出反应，实现脑靶向药物输送和释放。这些新兴纳米系统在缺血性中风治疗中越来越受到关注。本综述阐述了缺血性中风的脑病理微环境和临床治疗策略，重点介绍了用于构建缺血性中风微环境响应纳米递送系统的各种刺激响应材料，并讨论了这些微环境响应纳米系统在缺血性中风治疗的微环境调控中的应用。
研究对病理状态的血脑屏障的调节和机制的研究进度：叙述性评论的重点是缺血性
血脑屏障（BBB）是大脑和外围循环之间的动态脑屏障。包括脑毛细血管内皮细胞，周细胞和星形胶质细胞末端，BBB有效地屏蔽了大脑免受血液中有害毒素和病原体的影响（1,2）。血肿瘤屏障（BTB）是指位于脑微血管附近的一个修饰的BBB，该修饰是由于神经血管单元的变化而导致的，这是由于存在原发性脑肿瘤，包括神经母细胞瘤和其他内脏癌症，例如肺癌，乳腺癌，黑色素瘤等，例如（3）。P-糖蛋白（P-GP）在BBB中的表达可防止不必要的血液毒素和信号分子进入大脑（4-6）。这种错综复杂的结构不仅维护脑稳定性，而且还使大脑免受外部因素的影响。另一方面，当大脑中发生病理变化时，药物可能很难穿透BBB和BTB屏障，从而使药物挑战性脑部疾病治疗（7-9）。
通过Apelin与RAS/Inos途径的相互作用，肢体远程缺血性每条条件对肾脏缺血性再灌注引起的心脏损伤的保护作用 破译经典雌激素受体在胰岛素抵抗和2型糖尿病中的作用：从分子机制到临床证据 BI-14-30064.pdf 壳聚糖纳米复合材料及其适用性fo 使用脂肪衍生的间充质干细胞和锰纳米颗粒烧伤伤口愈合 微流体作为个性化医学的有前途的技术 基于CRISPR的植物基因编辑 BI-15-30259.pdf MicroRNA-141-3P，E2F3，CDK3和KAT2B过表达对未经治疗的乳腺癌组织中组织学肿瘤等级和转移状态的影响 持续释放的微针斑块，用于明显的全身性墨西哥脂蛋白麦甲酸酯 C1ORF174在结直肠癌中的诊断和预后价值
摘要简介：远程缺血条件上调会响应缺血 - 再灌注损伤，内源性保护途径。这项研究检验了以下假说：肢体远程缺血性（RIPERC）通过肾素 - 血管紧张素系统（RAS）/可诱导的一氧化物氧化物合酶（INOS）/ apelin途径发挥心脏保护作用。再灌注；假手术大鼠用作对照。RIPERC是由四个周期（5分钟）的肢体缺血再灌注以及双侧肾脏缺血引起的。通过肾脏（BUN和肌酐）和心脏（肌钙蛋白I和乳酸脱氢酶）损伤生物标志物评估功能性障碍。结果：肾脏I/R损伤增加了RIPERC组减少的肾脏和心脏损伤生物标志物。肾脏和心脏的组织病理学发现也暗示了改善损伤引起的RIPERC组的变化。心脏电生理学的评估表明，RIPERC可以改善P波持续时间的下降，而不会显着影响其他心脏电生理学变化。此外，肾脏I/R损伤增加了血浆（322.40±34.01 IU/L），肾脏（8.27±1.10 mIU/mg的蛋白质）和心脏（68.28±10.28±10.28 miU/mg蛋白质/毫克蛋白质）蛋白质 - 蛋白质）血管素 - 转换剂量（ACE）的升高和培训均与升高相关性。 （25.47±2.01＆16.62±3.05μmol/L）和硝酸盐（15.47±1.33＆5.01±0.96μmol/L）级别；这些变化被RIPERC逆转。此外，肾脏缺血 - 再灌注损伤显着（P = 0.047）降低了肾脏（但不是心脏）Apelin mRNA的表达，而肾脏和心脏ACE2（P <0.05）和INOS（p = 0.043）mRNA表达显着增加了。这些作用在很大程度上被RIPERC逆转。结论：我们的结果表明，RIPERC可以保护心脏免受肾脏缺血 - 再灌注损伤，这可能是通过Apelin与RAS/Inos途径的相互作用。
抑郁症和焦虑在1-和12个月后缺血性中风方法，用于检查个人变化随时间的变化
背景。抑郁症是中风后通常研究的，而焦虑的研究较少。这项研究表明，在缺血性中风后1个月和12个月的抑郁症和焦虑症患病率以及检查受试者内部随时间变化的三种方法。方法。参与者是奥克兰区域社区中风研究（ARCOS-V）的缺血性中风患者，其焦虑和抑郁量表数据为1-（n = 343）和12个月（n = 307）。随着时间的变化，使用主体内部重复测量方差分析，可靠变更指数的计算以及那些满足截止分数（> 7）的Sankey图（随时间）。结果。使用反复测量方差分析，抑郁评分随着时间的流逝并没有显着变化，而焦虑症状则显着降低。计算可靠的变化时，有4.2％的个体可靠地减少焦虑症状，而5.7％的人的抑郁症状可靠减少。那些可靠的人降低的人倾向于可靠地减少另一个。在桑基（Sankey）中，满足焦虑的临界分数的比例不会随着时间的流逝而变化（在1-和12个月时为12.8％和12.7％），而满足抑郁症的临界值的人则略有增加（3.7-4.5％），而满足两者的临界值则从10.4％下降到8.1％。结论。这三种方法产生了非常不同的发现。使用截止分数很常见，但有局限性。建议计算临床可靠的变化。需要进一步的工作来确保抑郁症和中风后随着时间的流逝监测抑郁和焦虑，并且两者都应是急性和中风后急性和晚期的干预工作的主题。
含线粒体的小鼠与人脑内皮细胞的细胞外囊泡用于缺血性中风疗法
*通讯作者：Devika S Manickam 600 Forbes Avenue，453 Mellon Hall，匹兹堡，宾夕法尼亚州15282。电子邮件：soundaramanickd@duq.edu x/twitter：@manickam_lab电话：+1（412）396-4722
患有病理（先前发生过缺氧缺血性损伤）的儿童的 MRI 扫描 3D 打印大脑的保真度
摘要 仅使用脑图像很难向非放射科医生和普通人展示患有缺氧缺血性损伤 (HII) 的儿童的脑表面皮质损伤。三维 (3D) 打印有助于传达儿童脑因 HII 导致的体积损失和病理。3D 打印模型按比例表示脑，可以与正常脑模型进行比较以了解体积损失。如果要使用 3D 打印的脑用于正式交流，例如与医学同事或在法庭上交流，它们应该高度逼真地再现患者脑的实际大小。在这里，我们评估了先前患有 HII 的儿童的脑部 MRI 扫描的 3D 打印模型的尺寸保真度。根据 HII 儿童的 MRI 扫描创建了 12 个脑部 3D 打印，并选择它们来代表各种皮质病理。对 3D 打印进行了特定的预定测量，并将其与 MRI 上匹配平面的测量值进行比较。额枕骨长度 (FOL) 和双颞骨/双顶骨直径 (BTD/BPD) 显示出较高的组间相关性 (ICC)。半球高度、颞骨高度和脑桥小脑厚度的相关性为中等至弱。平均测量标准误差 (SEM) 为 0.48 厘米。我们的结果表明，从脑部 MRI 扫描得出的每个 3D 打印模型与原始 MRI 的总体测量值具有较高的相关性，FOL 和 BTD/BPD 的高 ICC 值就是明证。相关性值较低的测量值可以通过测量平面与 MRI 切片方向的匹配变化来解释。
预测急性缺血性中风早期结果影响因素的机器学习模型：基于登记的研究
背景：及时准确的结果预测在指导急性缺血性卒中的临床决策中起着至关重要的作用。急性期后的早期病情恶化和严重程度是长期结果的决定因素。因此，预测早期结果在急性卒中管理中至关重要。然而，解释预测并将其转化为临床可解释的概念与预测本身一样重要。目的：这项工作专注于机器学习模型分析在预测缺血性卒中早期结果中的应用，并使用模型解释技巧来解释结果。方法：招募 2009 年在长庚医疗系统卒中登记处 (SRICHS) 登记的急性缺血性卒中患者，对两个主要结果进行机器学习预测：出院时的改良 Rankin 量表 (mRS) 和住院期间病情恶化。我们将 4 种机器学习模型，即支持向量机 (SVM)、随机森林 (RF)、轻梯度提升机 (LGBM) 和深度神经网络 (DNN) 与受试者工作特征曲线的曲线下面积 (AUC) 进行了比较。此外，3 种重采样方法，即随机欠采样（RUS）、随机过采样和合成少数过采样技术，处理了不平衡数据。模型基于特征重要性排序和 SHapley 加性解释（SHAP）进行解释。结果：RF 在两种结果中均表现良好（出院 mRS：平均 AUC 0.829，SD 0.018；院内恶化：原始数据上的平均 AUC 0.710，SD 0.023，对于不平衡数据，使用 RUS 重采样数据上的平均 AUC 0.728，SD 0.036）。此外，DNN 在预测未重采样数据的院内恶化方面优于其他模型（平均 AUC 0.732，SD 0.064）。总体而言，重采样对使用不平衡数据预测院内恶化的模型性能的改善有限。从美国国立卫生研究院卒中量表 (NIHSS) 获得的特征、白细胞分类计数和年龄是预测出院 mRS 的关键特征。相反，NIHSS 总分、初始血压、是否患有糖尿病以及血象特征是预测住院期间病情恶化的最重要特征。SHAP 摘要描述了特征值对每个结果预测的影响。结论：机器学习模型在预测早期卒中结果方面是可行的。丰富的特征库可以提高模型性能。初始神经系统水平和年龄决定了出院时的活动独立性。此外，
病例报告急性缺血性中风引起的静脉溶栓疗法引起的hemichorea-hemiballismus：病例报告和文献综述
摘要：Hemichorea-Hemiballismus（HCHB）是一种罕见的超动运动障碍，其特征是单侧，非自愿运动和不规则运动。尽管HCHB是中风后运动障碍，但它作为静脉溶栓的并发症的OC频率极为罕见。虽然先前的研究已经确定了血管内干预和静脉内溶栓可以有效地减轻中风患者的HCHB症状，但通过再融合疗法引起的HCHB的病理生理机制仍然很众所周知。在此，我们报告了急性缺血性中风患者静脉注射溶栓引起的HCHB病例，并探讨了其可能的病理生理基础。通过详细的临床观察，综合神经影像学分析以及广泛的文献综述，我们研究了Reper Fusion Therapy和HCHB发作之间的关系。我们的发现表明，再灌注疗法诱导的HCHB可能与恢复大脑血流后基底神经节或再灌注损伤的代谢活性有关。这项研究提供了对这种罕见并发症，提高临床医生意识的新见解，并为未来对HCHB机制和治疗的研究奠定了基础。