XiaoMi-AI文件搜索系统
World File Search Systemnodu
病例报告：一名 51 岁的糖尿病患者，患有原发性双侧大结节性肾上腺增生和原发性甲状旁腺功能亢进
一名 51 岁女性患者，患有糖尿病和高血压，血糖和血压控制不佳，意外发现有多发性大肾上腺结节，皮质醇分泌过多，促肾上腺皮质激素抑制。皮质醇水平对低剂量和高剂量地塞米松测试均无反应，导致诊断为原发性双侧大结节性肾上腺增生。同时，血钙和甲状旁腺激素水平升高，以及 99mTc-甲氧基异丁基异腈 (99mTc-MIBI) 成像显示右下甲状旁腺中 99mTc-MIBI 摄取增加，提示可能存在原发性甲状旁腺功能亢进症。鉴于原发性双侧大结节性肾上腺增生和原发性甲状旁腺功能亢进症罕见的临床共存，本病例进行了介绍。
胸部MRI图像的定量分析，用于良性恶性诊断肺固体结节
方法：招募了总共333例肺结核（训练队列中的233例，在验证队列中为100例）。从MRI图像（CE T1W和T2W）中提取了总共2,824个放射线特征。逻辑回归（LR），幼稚的贝叶斯（NB），支持向量机（SVM），随机森林（RF）和极端梯度提升（XGBOOST）分类器用于构建预测模型，并在应用最佳预测模型后为每个患者获得了放射线学分数（RAD分数）。临床因素和RAD分数共同基于多元逻辑回归分析构建了一个nom图模型，并使用接收器操作特征曲线（AUC）下的区域评估了五个预测模型的诊断性能。
JAK抑制剂有效治疗加速性类风湿结节病：2例病例描述及文献综述
20-30% 的类风湿关节炎 (RA) 患者 [1] 可发现类风湿结节 (RN)，可能表现为经典类风湿结节 (CRN)、类风湿结节病或加速性类风湿结节病 (ARN) [2,3]。据报道，接受常规合成或生物抗风湿药物 (cs/bDMARDs) 治疗的患者会出现 ARN，例如甲氨蝶呤 (MTX) [3-5]、来氟米特 (LFN) [6]、硫唑嘌呤 [7]、抗 TNFα 药物 [8-14] 和抗白细胞介素 6 疗法 [15,16]。术语“加速”是指快速发作和进展或原有结节的扩大。开始服用致病药物和出现结节之间的间隔从几周到几年不等，与累积药物剂量无关。与 CRN 不同，ARN 通常发生在关节炎缓解期的患者中。
SUPERKILLER（SKI）复合物的亚基 3 介导 miR172 定向切割结瘤数量控制 1（NNC1），从而调节蒺藜苜蓿的结瘤
（未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2025 年 1 月 10 日发布。；https://doi.org/10.1101/2025.01.06.631520 doi：bioRxiv preprint
射管内和周围超声放射素学区分开良性和恶性甲状腺结节：多中心研究
医生的判断（5）。为了克服这一限制，Wildman-Tobriner等人进行的研究。深入研究了人工智能（AI）在优化美国放射学院（ACR）TI-RADS的潜力。他们强调，AI技术的整合可以提高特异性（6）。放射素学可以从传统图像中深入提取和量化肉眼无法察觉的微妙特征，从而为临床决策提供了更客观和更定量的基础（7）。这种创新不仅减少了人为因素的影响，而且还将甲状腺结节的诊断推向了更准确和更有效的轨道。放射线分析是一种基于计算机的基于计算机的图像分析技术，该技术广泛用于器官疾病的诊断，分级，分期和预后预测，例如甲状腺，乳房，胸部和肺，肝，肾脏，肾脏和妇科（8）。几项研究确定，结合放射素学方式可以进一步改善与临床和超声信息结合使用的基本诊断性能。Yoon等人建立的预测模型。（9）使用多元逻辑回归分析分析表明，接收器操作特征（ROC）曲线（AUC）的恶性甲状腺结节（AUC）由组合放射线与临床变量组合的模型明显高于仅临床变量物（0.839 vs. 0.839 vs. 0.583）的模型。Liang等。Liang等。（10）比较了四个Ti-Rads分数的放射线分数，发现放射线分数模型比使用任何Ti-Rads得分模型增加了更多的好处。
深度学习 - 深海底栖大型社区中的生物多样性评估：在聚合金属结节挖掘的背景下进行的案例研究
简介：技术发展促进了从孤立的深海生态系统（例如深渊结节场）中收集大量图像的收集。将图像作为监测工具在这些感兴趣的领域进行深海开发非常有价值。但是，为了收集大量的物种观测值，需要分析数千个图像，尤其是如果在深渊结节场中，高度多样性与低丰度相结合时，则需要进行分析。作为大量图像的视觉解释和定量信息的手动提取是耗时且容易出错的，计算检测工具可能会起关键作用，以减轻这种负担。然而，使用深度学习 - 基于深度学习的计算机视觉系统来实现动物群检测和分类的任务，仍然没有建立的工作流量来进行有效的海洋图像分析。
脑转移切除后与术后结节性瘦脑膜疾病有关的基因组改变
目的尚不清楚脑转移切除与结节性瘦脑膜（NLMD）的风险之间的关系。这项研究检查了在脑转移中发现的基因组改变，目的是在临床和治疗因素的背景下确定术后NLMD的变化。方法对2014年至2022年之间切除脑转移的患者进行了回顾性的单中心研究，并提供了临床和基因组数据。术后NLMD是关注的主要终点。在脑转移酶中进行了> 500个癌基因的靶向下一代测序。COX的优势危害分析，以识别与NLMD相关的临床特征和基因组改变。结果该队列包括101例来自多种癌症类型的肿瘤患者。有15例NLMD患者（占队列的14.9％），从手术到NLMD诊断为8.2个月的中位时间。两种经文的机器学习算法始终鉴定出CDKN2A/B代码和ERBB2扩增为所有癌症类型的术后NLMD相关的主要预测因子。In a multivariate Cox proportional hazards analy- sis including clinical factors and genomic alterations observed in the cohort, tumor volume ( × 10 cm 3 ; HR 1.2, 95% CI 1.01–1.5; p = 0.04), CDKN2A/B codeletion (HR 5.3, 95% CI 1.7–16.9; p = 0.004), and ERBB2 amplification （HR 3.9，95％CI 1.1-14.4; P = 0.04）与术后NLMD的时间减少有关。需要其他工作来确定目标治疗是否会在术后环境中降低这种风险。结论除了切除的肿瘤体积增加，ERBB2扩增和CDKN2A/B缺失与多种癌症类型的术后NLMD风险增加有关。
香蕉中靶向敲除早期结节蛋白样3（musaenodl3）基因揭示了其在抵抗Xanthomonas wilt疾病
摘要结节蛋白和结节蛋白样蛋白在豆类和根茎细菌之间的共生关联中起着至关重要的作用。它们的作用超出了豆科物质，因为在各种非纤维化植物中已经鉴定出了许多结节蛋白样蛋白，包括早期结节蛋白样蛋白（ENODL），这意味着它们参与了超越淋巴结的功能，例如营养运输和生长调节。一些ENODL蛋白与植物防御病原体有关，这在感染了Xanthomonas Campestris PV的香蕉中很明显。Musacearum（XCM）引起香蕉Xanthomonas Wilt（BXW）疾病。尽管如此，ENODL在植物防御中的特定作用仍有待完全阐明。发现，在耐BXW的香蕉祖细胞“ musa balbisiana”中发现了穆萨诺德尔3基因，在XCM早期感染后，在抗BXW敏感的品种“ gonja manjaya”中被上调了20倍。为了进一步揭示ENODL基因在疾病抗性中的作用，CRISPR/CAS9系统被用来破坏“ gonja Manjaya”中的musaenodl3基因。对ENODL3编辑事件的分析确认了对Musaenodl3基因的准确操纵。抗病性和基因表达分析表明，编辑Musaenodl3基因会导致对BXW疾病的抗性，其中50％的编辑植物无症状。对Musaenodl3基因的识别和操纵强调了其作为植物病原体相互作用的关键参与者的潜力，为诸如Banana，重要的主食粮食作物和热带资源农民的收入来源提供了新的机会。这项研究提供了ENODL3基因在发展抗病植物中的直接作用的第一个证据。
增强双能计算机断层扫描的定量参数，用于区分肺癌与固体肺结节中的良性病变
Results: The independent factors for differentiating lung cancers from benign solid pulmonary nodules included diameter, Lung-RADS categorization of diameter, volume, Zeff in arterial phase (Zeff_A), IC in arterial phase (IC_A), NIC in arterial phase (NIC_A), Zeff in venous phase (Zeff_V), IC in venous phase (IC_V), and NIC in venous phase （NIC_V）（全p <0.05）。由直径和NIC_V组成的IC_V，NIC_V和组合模型表现出良好的诊断性能，AUC为0.891、0.888和0.893，它们优于直径，直径，直径，体积，体积，Zeff_a和Zeff_A和Zeff_V（Zeff_A和Zeff_V（所有p <0.001））的直径分类。IC_V，NIC_V和组合模型的灵敏度高于IC_A和NIC_A的灵敏度（全部p <0.001）。与IC_V（P = 0.869）或NIC_V（P = 0.633）相比，组合模型没有增加AUC。
作者更正：人工智能定义基于蛋白质的甲状腺结节分类
OpenAccess 本文根据 Creative CommonsAttribution4.0国际许可协议授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可中，除非在材料的致谢中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法定法规允许或超出允许用途，则您需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。