XiaoMi-AI文件搜索系统
World File Search System中线
大脑中线移位检测和通过级联的深层网络管道对非对比度计算机断层扫描
大脑中线移位（MLS）是一种定性和定量的放射学特征，它可以衡量脑中线结构的横向移位，以响应由血肿，肿瘤，脓肿或任何其他占据脑膜内病变引起的质量效应。可以使用其他参数来确定神经外科干预的紧迫性，并预测占据病变的患者的临床结果。然而，由于跨病例的临床相关大脑结构的差异很大，因此精确检测和量化MLS可能具有挑战性。在这项研究中，我们通过使用分类和分割网络架构来研究了由病例级MLS检测以及脑部标记位置的初始定位以及对脑部标记位置的最初定位和完善的级联网络管道。我们使用3D U-NET进行初始定位，然后使用2D U-NET来估计更精确的分辨率的确切地标点。在改进步骤中，我们从多个切片中融合了预测，以计算每个地标的最终位置。，我们用大脑的解剖标记产生的高斯热图目标训练了这两个UNET。案例级别的地面真相标签和地标注释是由多个训练有素的注释者产生的，并由放射学技术人员和放射科医生进行了审查。我们提出的管道实现了使用2,545个头部非对比度计算的测试数据集在AUC中的情况级MLS检测性能
deepcristae，用于恢复活显微镜图像中线粒体cristae的CNN
线粒体在真核细胞的生命周期中起着至关重要的作用。但是，我们仍然不知道它们的超微结构（例如内膜的cristae）如何动态发展以调节这些基本功能，以响应外部条件或与其他细胞成分相互作用。尽管高分辨率的荧光显微镜与最近开发的创新探针可以揭示该结构组织，但它们的长期，快速和实时3D成像仍然具有挑战性。为了解决这个问题，我们开发了一个称为DeepCristae的卷积神经网络，以恢复低空间分辨率显微镜图像中的线粒体cristae。我们的网络是使用专门为Cristae修复设计的新型损失从2D Sted图像训练的。为了有效地增加训练集的大小，我们还开发了一个以线粒体区域为中心的随机图像贴片采样。为了评估deepcristae，使用我们得出的指标来进行定量评估，我们通过关注线粒体和cristae像素而不是像往常一样在整个图像上进行了定量评估。根据所示的使用条件，DeepCristae在广泛的显微镜模态（刺激的发射耗尽（STED），Live-SR，Airyscan和Lattice Light片显微镜下都很好地工作。它最终是在与内托/溶酶体膜相互作用期间的线粒体网络动力学的上下文中应用的。
伊朗人口中线粒体基因组SNP的单倍群结构和遗传变异分析
引言人线粒体DNA（mtDNA）是圆形双链体，由16 569个碱基对（BPS）组成。1 mtDNA变体是在没有进行重组的情况下进行母体传播的，从而使它们在连续的世代上积累。mtDNA的这种特征使其成为研究人群遗传学，系统发育进化，人类迁移以及医学和法医研究的流行工具。许多关于mtDNA分析的研究已经发表。2-11线粒体单倍群包括具有相同累积mtDNA变体的个体，通常在特定地理区域中发现，并且可以通过母体谱系进行追踪。这些单倍体在线粒体系统发育树中构成不同的分支。某些单倍体主要与特定地理区域相关。单倍群L0 – L6通常在撒哈拉以南非洲人中发现，而R5 – R8，M2 – M6和M4 –
未经训练的感知损失，用于MR图像中线状结构的图像降级
在获取磁共振（MR）图像中，较短的扫描时间会导致更高的图像噪声。因此，使用深度学习方法自动图像降解是高度兴趣的。在这项工作中，我们集中于包含线状结构（例如根或容器）的MR图像的图像。特别是，我们研究了这些数据集的特殊特征（连接性，稀疏性）是否受益于使用特殊损失功能进行网络培训。我们特此通过比较损失函数中未经训练的网络的特征图将感知损失转换为3D数据。我们测试了3D图像降级的未经训练感知损失（UPL）的表现，使MR图像散布脑血管（MR血管造影-MRA）和土壤中植物根的图像。在这项研究中，包括536个MR在土壤中的植物根和450个MRA图像的图像。植物根数据集分为380、80和76个图像，用于培训，验证和测试。MRA数据集分为300、50和100张图像，用于培训，验证和测试。我们研究了各种UPL特征的影响，例如重量初始化，网络深度，内核大小以及汇总结果对结果的影响。，我们使用评估METIC，例如结构相似性指数（SSIM），测试了四个里奇亚噪声水平（1％，5％，10％和20％）上UPL损失的性能。我们的结果与不同网络体系结构的常用L1损失进行了比较。我们观察到，我们的UPL优于常规损失函数，例如L1损失或基于结构相似性指数（SSIM）的损失。对于MRA图像，UPL导致SSIM值为0.93，而L1和SSIM损耗分别导致SSIM值分别为0.81和0.88。UPL网络的初始化并不重要（例如对于MR根图像，SSIM差异为0.01，在初始化过程中发生，而网络深度和合并操作会影响DeNo的性能稍大（5卷积层的SSIM为0.83，而核尺寸为0.86，而5卷积层的0.86 vs. 0.86对于根数据集对5卷积层和5卷积层和内核尺寸5）。我们还发现，与使用诸如VGG这样的大型网络（例如SSIM值为0.93和0.90）。总而言之，我们证明了两个数据集，所有噪声水平和三个网络体系结构的损失表现出色。结论，对于图像
活细胞中线粒体网络形态的定量成像和符号表型
线粒体在组织稳态，压力反应和人类疾病中的重要性，结合了它们在各种结构和功能状态之间过渡的能力，使它们成为监测细胞健康的出色细胞器。因此，需要技术在各种细胞和细胞环境中准确分析和量化线粒体组织的变化。在这里，我们提出了一种创新的计算机化方法，该方法可以通过提供三十多个功能，从而实现对线粒体形状和网络体系结构的准确，多尺度，快速和具有成本效益的分析。为了促进定量结果的解释，我们介绍了两种创新：使用Kiviat-Graphs（此处称为MiteSostels图），以表示高度符合性数据和可视化各种Mito-Cellular构型的形式，以形式的形式（称为mitosoposigils）。我们在从基础条件下培养的现场正常的人皮细胞中收集的丰富数据集上测试了我们的全自动图像分析工具，或暴露于特定应力，包括UVB辐射和农药暴露。我们证明了我们的专有软件（称为Mitotouch）在控制和压力的真皮成纤维细胞之间以及正常成纤维细胞和其他细胞类型之间敏感折磨的能力（包括癌症组织衍生的成纤维细胞和原发性角膜细胞），表明我们的自动分析分析捕获了分析差异。我们的工具具有在其他研究领域（例如基于这种新颖的算法，我们报告了一种保护性天然成分的鉴定，该保护性成分对线粒体组织产生了有害氢（H2O2）的有害影响。因此，我们构思了一种新型的湿干管道，结合细胞培养物，定量成像和符号学分析，以详尽地分析活着的粘附细胞中线粒体形态。
研究通过液体活检成功早期诊断弥漫性中线胶质瘤中的软脑膜疾病
两名患者的软脑膜疾病诊断时间早于传统方法（如 MRI 和脑脊液细胞学检查）。一名患者在诊断出软脑膜疾病后，通过早期积极干预（包括手术、放疗和鞘内注射化疗药物）获得了长期生存。
静态掩蔽技术在磁控溅射技术中线性可变滤光片生产中的应用
从设计角度来看，获得可变滤波器的可能性取决于多层涂层的光谱特性与某些层（如果不是全部）厚度的依赖关系。在由两个金属镜形成的法布里-珀罗滤波器的特定情况下，腔层厚度的简单变化会使其中心波长发生偏移。这种简单的结构具有自然提供宽抑制带的优势，但不足以提供尖锐的过渡带通，并导致高吸收损耗。为了改善最后一点，一种解决方案是使用所谓的感应透射滤波器方法，其中金属层放置在介电法布里-珀罗滤波器腔内电场分布最小处 [2-4]。然而，生产具有任意指定抑制、宽度和锐度特性的滤波器的唯一方法是使用标准的全介电方法，该方法由多腔法布里-珀罗结构与附加介电短波长和长波长通断滤波器相关联形成。在这种情况下，所有层的厚度必须通过一个公共因子进行调整，从而产生比例的波长偏移，以产生可变滤波器[5,6]。
在生理和病理条件下，肠神经系统中线粒体相关的ER膜的表征
Giada Delfino，Jean Baptiste Briand，Thibauld Oullier，LéaNienkemper，Jenny Greig等。AJP-胃肠道和肝生理学，2024年，在线印刷。10.1152/ajpgi.00224.2023。INSERM-04446267
额叶-中线 θ 频率与概率学习
Zsófia Zavecz、Kata Horváth、Péter Solymosi、Karolina Janacsek、Dezso Nemeth。额叶中线 θ 频率和概率学习：经颅交流电刺激研究。行为脑研究，2020 年，393，第 112733 页 -。�10.1016/j.bbr.2020.112733�。�hal-03490347�
探索正面中线theta作为可能的目标
本文档已在创意共享归因4.0国际许可证（CC BY-SA 4.0）下获得许可：http：//creativecommons.org/licenses/by-sa/4.0此CC许可在此出版物中不适用于第三方材料（归因于其他来源）。