XiaoMi-AI文件搜索系统
World File Search Systempont
使用超高场 7 特斯拉静息态功能磁共振成像评估核心静息态网络中自发脑活动和功能连接的重测稳定性
注意：除第一个受试者（潜在异常受试者）的 CEN 中的 fALFF 外，所有相关系数均显著。缩写：ALFF，低频波动幅度；CEN，中央执行网络；DC，度中心性；DMN，默认模式网络；fALFF，低频波动分数幅度；ReHo，区域同质性；SN，显著性网络。a 标记的受试者被视为潜在异常值；因此，对所有原始数据和原始出版物中提到的所有技术问题进行了交叉检查。交叉检查未发现该受试者的任何特殊性（部分信号丢失或移动）。但是，当进行没有这个受试者的额外分析时，这个样本量（15 名参与者）的结果与整个样本（16 名参与者）的结果并没有明显差异，如图 S1 和 S2 所示。
对听觉幻觉的敏感性与自发的语音期望
听觉言语幻觉（AVHS）或听到临床和非临床人群中的声音，但它们的机制尚不清楚。精神病的预测处理模型提出，幻觉是由于感知中先前的预期过度加权而产生的。然而，这是未知的，这是否反映了（i）对先验知识的明确调制的敏感性，还是（ii）在模棱两可的环境中自发使用此类知识的先前趋势。进行了四个实验，以检查健康参与者听歧义语音刺激的问题。在实验1a（n = 60）和1B（n = 60）中，参与者在暴露于原始语言模板之前和之后区分了可理解且难以理解的正弦波语音（即对期望的调制）。在自上而下的调制和两种常见的幻觉 - 主持性衡量之间没有观察到任何关系。实验2（n = 99）用不同的刺激（SVOCODEC）证实了这种模式，该模式旨在最大程度地减少歧视中的上限效应，并更加紧密地模拟先前在精神病中报道的自上而下效应。在实验3（n = 134）中，参与者在没有先验的语音的情况下暴露于SVS（即天真的听力）。avh-proneness显着预测了SVS中隐藏的单词的言语预测和成功的回忆，这表明参与者实际上可以自发地解码隐藏的信号。总的来说，这些发现支持了一种先前存在的趋势，即自发地利用容易患AVH的健康人的先验知识，而不是对期望临时调制的敏感性。我们提出了一种跨听觉和视觉方式的临床和非临床幻觉模型，并为未来的研究提供了可测试的预测。
类别偏见的神经表征在学习过程中自发形成，强调对特定实例的记忆
类别学习，即学习将一组刺激物分类或分组，会在感知中引起类别偏见，使得同一类别中的物品被认为比不同类别中的物品更相似。当学习目标强调每个刺激物的个体化时，类别偏见会在多大程度上发展，以及偏见是否在学习过程中自发出现而不是对任务要求的反应尚不清楚。在这里，我们在编码过程中使用功能性磁共振成像 (fMRI) 来测试学习过程中单个刺激物神经表征中的类别偏见。人类参与者（男性和女性）遇到面部混合刺激物，这些刺激物具有独特的名字和共同的姓氏，表明其属于同一类别。参与者被要求学习每张脸的全名。神经模式分类和模式相似性分析用于追踪大脑中的类别信息。结果表明，刺激类别可以在许多额叶、顶叶和枕叶区域的编码过程中被解码。此外，来自同一类别的两个刺激在前额叶皮层中的表征比来自不同类别的两个刺激在物理相似性方面更相似。这些发现表明，仅仅存在类别标签就可以在编码过程中自发地偏向神经表征以强调与类别相关的信息，即使在没有明确的分类要求并且与类别无关的信息仍然与任务目标相关的情况下也是如此。
将自发性犬癌症作为人类癌症模型进行表征 v.06.12.2021-CAP
。CC-BY-ND 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2021 年 10 月 25 日发布。；https://doi.org/10.1101/2021.10.22.465469 doi：bioRxiv 预印本
精氨酸酶抑制作用增加了l-精氨酸浓度，从而有助于Ca 2+依赖性eNOS激活
尽管精氨酸酶主要参与尿素循环的最后一个反应，但我们先前已经证明了精氨酸酶II是一种重要的胞质钙调节剂，以p32依赖性方式通过精子产生。在这里，我们证明了韵律素（RPT）是一种新型的药物精氨酸酶，并研究了其对Ca 2+依赖性内皮一氧化氮合酶（ENOS）激活的作用机理。rpt对小鼠肝脏和肾脏的精氨酸酶I和II均未抗拒抑制。它还抑制了主动脉和人脐静脉内皮细胞（HUVEC）中的精氨酸酶活性。使用显微镜和FACS分析，RPT处理使用Fluo-4 AM作为钙指标诱导胞质Ca 2+水平的增加。增加的胞质Ca 2+以时间依赖的方式引起了Camkii和Enos Ser1177的磷酸化。RPT孵育还增加了细胞内L-精氨酸（L-ARG）水平，并激活了HUVEC中的CAMKII/AMPK/AKT/ENOS信号级联。在WT小鼠的EC中，精氨酸酶抑制剂L-ARG和ABH，精氨酸酶抑制剂的治疗增加了细胞内Ca 2+浓度和活化的CaMKII依赖性eNOS激活，但是，在三磷酸三磷酸三磷酸酯受体1型敲除（IP3R1 - / - - / - - - - / - ）小鼠中未观察到这些作用。在WT小鼠的主动脉内皮中，RPT还增强了一氧化氮（NO）的产生和减弱的活性氧（ROS）产生。在这项研究中，我们提出了RPT的新型机制，在使用RPT治疗的主动脉组织组织的血管张力测定中，增强对乙酰胆碱（ACH）的累积血管舒张反应，并且苯乙肾（PE）依赖性的血管结合性反应受阻，尽管弱化了硝基胺和KCL钠反应，但并非不同。
果蝇的 Slo2/KNa 通道可防止与持续性 Na+ 电流增加相关的自发性和诱发性癫痫样行为
Na 1 敏感性是 Na 1 激活的 K 1 (K Na ) 通道的独特特性，这使其天然适合对抗 Na 1 离子的突然流入。因此，长期以来人们一直认为 K Na 通道可能具有保护功能，防止与神经元损伤和疾病相关的过度兴奋。但这一假设基本上未经检验。在这里，我们检查了雄性和雌性果蝇 Slo2 ( dSlo2 ) 基因编码的 K Na 通道。我们表明，dSlo2/K Na 通道选择性地表达在成人大脑的胆碱能神经元以及谷氨酸能运动神经元中，在这些神经元中，抑制兴奋可能起到抑制整体多动和癫痫样行为的作用。事实上，我们表明，喂食果蝇胆碱能激动剂的效果会因 dSlo2/K Na 通道的丧失而加剧。与哺乳动物的 Slo2/K Na 通道类似，我们发现 dSlo2/K Na 通道编码 TTX 敏感的 K 1 电导，这表明 dSlo2/K Na 通道可以由电压依赖性 Na 1 通道携带的 Na 1 激活。然后，我们测试了 dSlo2/K Na 通道在已建立的遗传性癫痫模型中的作用，其中电压依赖性持续性 Na 1 电流 (I Nap ) 升高。我们发现 dSlo2/K Na 通道的缺失增加了对机械诱发的癫痫样行为的敏感性。在用 I Nap 增强剂藜芦定治疗的 WT 果蝇中也观察到了类似的结果。最后，我们表明，在遗传和药物引发的癫痫模型中，dSlo2/K Na 通道的缺失都会导致自发性癫痫的出现。总之，我们的研究结果支持这样一种模型，其中由神经元过度兴奋激活的 dSlo2/K Na 通道有助于形成保护性阈值以抑制癫痫样活动的诱导。
肺炎肠道病和与药物毒性相关的自发性穿孔：病例系列
主要PI通常是无症状的，并且自发地解决；次级PI更常见，可以与创伤，肺部疾病有关（例如COPD和肺气肿），自身免疫性疾病，胃肠道疾病，例如肠系膜缺血，肠o骨和坏死，IBD和感染。次要PI可能是由包括诊断，手术和内窥镜手术程序和药物管理在内的医源性原因引起的：尤其是，许多抗肿瘤药物会损害胃肠道壁作为不良反应，从而导致粘膜完整性和损失导致粘膜完整性，并导致损失，导致损失，导致后果的内膜气体扩散，负责PI开发（1、2）。即使PI是一个非特异性发现，也必须始终对其进行监测，因为它可能会序列更严重的并发症，例如肠道穿孔，严重的腹膜炎甚至死亡（3）。
6-OHDA 半侧帕金森病大鼠模型中强迫和自发运动期间双侧颅内 β 活动
皮质基底神经节 β 振荡 (13-30 Hz) 被认为与帕金森病 (PD) 的运动障碍有关，尤其是运动迟缓和僵硬。多项研究已利用单侧 6-羟基多巴胺 (6-OHDA) 大鼠 PD 模型进一步研究 PD 和测试新疗法。然而，文献中尚未记录该模型的详细行为和电生理学表征，包括对 DBS 等流行 PD 疗法的分析。因此，我们通过一系列实验 (即圆柱体测试、旷场测试和转棒测试) 对 6-OHDA 大鼠半 PD 模型进行挑战，旨在评估运动障碍、分析深部脑刺激 (DBS) 的影响以及确定在哪些条件下会发生过度 β 振荡。我们发现，与假手术组相比，6-OHDA 半 PD 大鼠在所有实验中的表现均有所下降，而 DBS 可以提高它们的整体表现。在所有实验和行为中，高β波段的功率被观察到是 PD 的重要生物标志物，因为它显示了健康半球和受损半球之间以及 6-OHDA 受损大鼠和假手术大鼠之间的差异。这一切都表明，6-OHDA 半 PD 模型准确地代表了 PD 的许多运动和电生理症状，并且在分别考虑低β（13-21 Hz）和高β（21-30 Hz）频带时，使其成为新疗法临床前测试的有用工具。
基于深度学习的人工智能诊断系统在自发脑内出血体积测量
抽象背景：准确测量出血体积对于预测和自发性脑内出血（ICH）后的预测和选择适当的临床治疗至关重要。这项研究旨在评估具有有或没有脑室内出血（IVH）延伸的自发性自发性分割脑出血（ICH）体积时，基于深度学习的分割算法的性能和准确性。我们将此自动管道与两种手动分割技术进行了比较。方法：我们回顾性地审查了105例急性自发ICH患者。根据IVH延伸的存在，将患者分为两组：ICH没有（n = 56）和IVH（n = 49）。ICH进行分割并测量，并使用ABC/2评分来测量ICH中ICH中没有IVH组的出血量。相关性和协议分析用于分析三种分割方法之间的处理时间和处理时间长度的差异。结果：在没有IVH组的ICH中，使用AI和ABC/2分数测量的ICH量与CTP分割相当。在三种分割方法中观察到了强相关性（r = 0.994，0.976，0.974; p <0.001;一致性相关系数[CCC] = 0.993，0.968，0.967）。但是，通过ABC/2分数测量的ICH体积的绝对误差大于算法的绝对误差（p <0.05）。在ICH中，IVH组中，算法和CTP之间没有发现显着差异（p = 0.614）。CTP和AI之间的相关性和一致性很强（r = 0.996，p <0.001； CCC = 0.996）。AI分割比CTP的时间明显短（p <0.001），但略长于ABC/2分数技术（P = 0.002）。结论：与CTP测量相比，基于深度学习的AI诊断系统具有高忠诚度和更高效率的急性自发ICH，并且比ABC/2分数更准确。我们认为这是一种有前途的工具，可以帮助医生在实践中实现精确的ICH量化。关键字：脑内出血，自发性脑内出血，体积，人工智能，深度学习