周围神经系统 [2, 3, 10, 11]。高灵敏度的病毒跨神经元示踪剂可用于连接组学研究 [12]。因此,深入了解神经嗜性病毒特性和转基因病毒工具对于构建从内脏到大脑的连接组学研究至关重要。对于病毒示踪剂的方向,描述“从内脏到大脑皮层”的连接至关重要。然而,应该注意的是,这是一个倒退的方向,而且在我们看来,说连接从大脑皮层到内脏更合乎逻辑(审稿人的建议)。事实上,连接映射可以从内脏到大脑皮层,也可以从大脑皮层到内脏。在这篇综述中,我们描述了使用逆向跨神经元运输从皮层到内脏的连接。
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
背景:炎症在脑内出血(ICH)后在继发性脑损伤中起着至关重要的作用。血管紧张素转化酶抑制剂(ACEIS)和血管紧张素II受体阻滞剂(ARB)已建议在动物模型中中枢神经系统(CNS)损伤后抑制神经炎症。但是,在诊所中,ACEI和ARB在高血压患者ICH患者中的作用仍未解决。本研究的目的是使用回顾性的单中心数据分析评估ACEI/ARB对高血压患者的影响。方法:由西南医院诊断的ICH患者从2015年1月至2019年12月诊断为第三军事医科大学。根据使用降压药的病史,将患者分配为ACEIS/ARBS组或非ACEIS/ARBS组。人口统计学,临床基线,放射学文档和治疗已收集,并在两组之间统计分析了这些数据。结果:根据使用降压药的使用,总共包括635例高血压患者,并分配给2组:ACEIS/ARBS组为281,在非ACEIS/ARBS组中分配了354例。结果表明,ACEI/ARBS组的3个月死亡率和ICH相关肺炎的患病率低于非ACEIS/ARBS组(5.0%vs 11.9%,P = 0.002; 58.4%vs; 58.4%vs 66.7%,P = 0.031)。虽然两组之间的有利结果没有显着差异(40.2%vs 33.9%,p = 0.101)。此外,ACEIS/ARBS组的患者在第3天(23.5±14.4 vs 23.5±14.4 vs 28.7±20.1 ml,P = 0.045)和7(21.0±13.7对21.0±13.7对25.7±17.6 ml,P = 0.044)的表现明显较小。结论:ACEI/ARB的使用有助于降低死亡率,近日并非血肿的水肿体积以及ICH相关性肺炎在ICH患有高血压患者中的患病率。关键字:血管紧张素转换酶抑制剂,血管紧张素II受体阻滞剂,炎症,脑内出血,ICH相关性肺炎
Patrycja Guzik 1,Hsin-yu Fang 1,Luisa M. Deberle 1,MartinaBenešová1.2,Susan Cohrs 1,Silvan D. Boss D.
通过将惰性示踪粒子 (TP) 嵌入生长中的多细胞球体,可以测量癌细胞 (CC) 上的局部应力。为了使该技术有效,必须阐明 TP 动力学对 CC 的未知影响,以确保 TP 不会大幅改变 CC 上的局部应力。我们利用理论和模拟表明,由 CC 增殖和凋亡产生的自生 (主动) 力使 TP 的动力学远离平衡。在小于 CC 分裂时间的时间尺度上,TP 表现出亚扩散动力学(均方位移 ∆ TP ( t ) ∼ t β TP,β TP < 1),类似于玻璃形成系统。令人惊讶的是,在长期极限下,由于长时间持续定向运动,TP 的运动具有超扩散性(∆ TP ( t ) ∼ t α TP,其中 α TP > 2)。相比之下,CC 的增殖使其运动随机化,导致超扩散行为,α CC 超过 1。最重要的是,α CC 不会受到 TP 的显著影响。我们的预测可以使用体外成像方法来测试,其中可以跟踪 TP 和 CC 的运动。