05 防灾减灾工程与防护工程 Disaster Prevention and Mitigation Engineering & Protection
可用性准确和及时的数据不能过分强调,因为它是指导和塑造未来能量景观的分析和政策的基础。使用国际方法来进行NEU,我可以自信地说,NEUS主要报告提供了家庭能源消耗统计数据和诸如生物量消耗之类的指标;可再生能源,电力获取,CO 2排放等方面的渗透,这对于解决当前的全球能源问题(如气候变化)至关重要;跟踪可持续发展目标7;从化石燃料到可再生能源的过渡,只需提及一些。我衷心希望,NEUS的结果和信息对全球政策制定者,学术界和研究人员有用。官方统计是一种公共利益,也是博茨瓦纳渴望从基于资源的经济转移到的基于知识的经济的基础。我很高兴地宣布,NEUS报告可供所有人访问,并且可以从矿产和能源办公室以及SB和MME网站上免费获得(www.statsbots.org.org.bw和www.gov.bw.bw)。
迷走神经刺激 (VNS) 是一种已获批准的治疗方法,可用于治疗多种神经系统疾病,包括难治性癫痫和难治性抑郁症等,目前正作为治疗神经系统痴呆症(如阿尔茨海默病 (AD) 和相关痴呆 [1] )的潜在疗法而受到关注。VNS 刺激有两种形式,即侵入性和非侵入性(经皮),前者涉及通过手术将刺激电极植入神经周围,后者因副作用小而最受欢迎,涉及通过完整的皮肤刺激迷走神经耳支 (ABVN) 的耳甲区或迷走神经分布的颈部区域 [2] 。在耳甲区以外,耳颞神经支配耳区上方和耳大神经支配下外侧 [3] ,但关于电刺激对这些神经对身体的影响的研究很少。
主要主题流行病学,预防和诊断免疫疗法,细胞疗法和疫苗接种治疗衰竭的跨学科肿瘤板机制和新药物的目标是分子景观,多层次和人工智能新技术新技术和临床前链接界模型
背景:糖尿病足溃疡(DFU)是糖尿病患者的常见并发症,导致截肢和死亡率的风险增加。约有15-25%的糖尿病患者发展为DFU,其中一半需要截肢。早期鉴定高危患者,尤其是患有周围神经病的患者,对于预防DFU至关重要。 非侵入性方法,例如足部温度监测和足迹分析,已经显示出在识别这些高风险个体方面的希望。 的目的和目标:本研究旨在评估足部温度监测和足迹分析在防止2型糖尿病患者中DFU的疗效,通过鉴定高风险的压力点和温度差异,以识别外周神经病。 材料和方法:对Jhansi的Maharani Laxmi Bai医学院的100例患者进行了一项前瞻性研究,其中包括50例糖尿病神经病和足球溃疡患者以及50例神经病患者,但没有溃疡。 使用手持红外温度计监测脚温度,而使用Harris Mat进行了足迹分析。 患者进行了5个月的时间,以监测DFU的发展。 使用卡方检验进行统计分析,其显着性阈值为p <0.05。 结果:在没有溃疡的50例神经性患者中,有14名(64%)出现了DFU,主要是在温度差异> 2°C且3级或4级压力点的患者中。 足部温度监测和足迹分析显示,在预测DFU开发方面的综合功效为67%。 结果具有统计学意义(p <0.05)。早期鉴定高危患者,尤其是患有周围神经病的患者,对于预防DFU至关重要。非侵入性方法,例如足部温度监测和足迹分析,已经显示出在识别这些高风险个体方面的希望。的目的和目标:本研究旨在评估足部温度监测和足迹分析在防止2型糖尿病患者中DFU的疗效,通过鉴定高风险的压力点和温度差异,以识别外周神经病。材料和方法:对Jhansi的Maharani Laxmi Bai医学院的100例患者进行了一项前瞻性研究,其中包括50例糖尿病神经病和足球溃疡患者以及50例神经病患者,但没有溃疡。脚温度,而使用Harris Mat进行了足迹分析。患者进行了5个月的时间,以监测DFU的发展。使用卡方检验进行统计分析,其显着性阈值为p <0.05。结果:在没有溃疡的50例神经性患者中,有14名(64%)出现了DFU,主要是在温度差异> 2°C且3级或4级压力点的患者中。足部温度监测和足迹分析显示,在预测DFU开发方面的综合功效为67%。结果具有统计学意义(p <0.05)。结论:足部温度监测和足迹分析是预测糖尿病神经病患者DFU发育的有效工具。早期识别高风险个体可以及时进行干预,例如适当的鞋类,减少了DFU的发生率和截肢的相关风险。
在2岁时认识到认知能力降低的非常早产的婴儿(≤32周的胎龄)。然而,直到3-5岁左右的童年,才能对认知能力的准确临床诊断。最近,由高级扩散张量成像(DTI)技术构建的大脑结构连接组在理解人类认知功能方面发挥了重要作用。然而,具有临床和结果信息的可用的带注释的神经影像学数据集通常有限且昂贵,无法在早产儿的研究中扩大。这些挑战阻碍了新生儿预后工具的发展,以早产儿的认知能力早期预测。在这项研究中,我们将大脑结构连接组视为2D图像,并应用了建立的深卷积神经网络,以学习大脑连接组的空间和拓扑信息。此外,转移学习技术还用于减轻不足的培训数据的问题。因此,我们开发了一种转移学习增强的卷积神经网络(TL-CNN)模型,用于使用脑结构连接素体的非常早产的婴儿在2岁时对认知评估的早期预测。总共有110名非常早产的婴儿参加了这项工作。大脑结构连接组是使用在期限年龄扫描的DTI图像构建的。Bayley III认知评估是在2岁的校正年龄进行的。我们将提出的模型应用于认知定义分类和连续认知评分预测任务。结果表明,与多个同行模型相比,TL-CNN的性能提高了。最后,我们确定了大脑区域最歧视性的认知能力。结果表明,深度学习模型可能会促进早期婴儿在期限年龄的早产儿中的后期神经发育结局的早期预测。
摘要:脑磁共振成像 (MRI) 中肿瘤区域的检测和分割在过去二十年中起着重要作用。本文提出了一种用于脑肿瘤检测的高效视觉几何组卷积神经网络架构,该架构由预处理模块、DWT 模块和分类模块以及分割模块组成。基于缩放的数据增强方法用作预处理技术,并使用 DWT 变换分解数据增强的缩放图像。根据这些分解系数构建小波特征图,并使用 EVGG-CNN 架构对其进行分类。该架构将脑图像识别为胶质瘤或健康脑图像。通过将所提出的方法应用于 BRATS 2021 和 Kaggle 数据集中的脑图像,验证了本文所述这些开发方法的有效性。从灵敏度、特异性和准确性方面分析了所提出的 EVGG-CNN 架构的性能。
因其他原因行胆囊切除术。病例组中,24 例患者(12.8%)有显著的 HER2/neu 过表达(免疫组化定义为 3+)。相反,没有阳性病例。HER2 过表达在分化良好的 GC(17.4%)和晚期患者(13.8%)中相对更常见 [ 28 ]。HER2/neu 过表达的患者预后较差,5 年 OS 为 34% 对比 GC 阴性患者的 41%。虽然这种差异在统计学上并不显著,但它反映了其他恶性肿瘤的类似数据,其中与 HER2/neu 过表达相关的肿瘤特别具有侵袭性 [ 29 ]。作者确定了 HER2/neu 过表达的 GC 患者亚组可能受益于特定的分子靶向治疗。文献中的其他类似系列证实了这些数据[30–32]。
背景:在卢旺达确诊的癌症中,胃癌是最常见的癌症之一。事实上,卢旺达是非洲胃癌发病率最高的地区。大多数患者就诊时病情已进展至晚期。研究表明,一些胃癌过度表达人表皮生长因子受体 2 (HER2/neu) 蛋白,可以用赫赛汀/曲妥珠单抗治疗。这种靶向治疗可提高晚期患者的生存率。我们在卢旺达两个主要三级医疗中心对胃腺癌中 HER2/neu 的免疫组织化学特征进行了研究。方法:我们对在基加利大学教学医院 (CHUK) 和布塔雷大学教学医院 (CHUB) 诊断出的胃腺癌进行了 HER2/NEU 检测。收集了人口统计学和病理学参数。使用 c-erb/HER-2/neu (克隆 SP3) 兔单克隆抗体对 HER2/neu 进行免疫组织化学 (IHC)。使用 Hoffman 等人制定的指南,每次都考虑 2 名卢旺达病理学家和 1 名美国病理学家之间的一致评分。使用 SPSS 22 输入数据并进行统计分析。描述性统计分析方法是
1 Wolff AC 等。乳腺癌中人表皮生长因子受体 2 检测:ASCO–美国病理学家学院指南更新。https://ascopubs. org/doi/full/10.1200/JCO.22.02864;访问日期:2023年11月1日。2 数据摘自 NordiQC 运行报告 (https://www.nordiqc.org);访问日期:2023年11月1日。指 VENTANA 抗 HER2/neu (4B5) 兔单克隆抗体和 PATHWAY 抗 HER2/neu (4B5) 兔单克隆抗体。