XiaoMi-AI文件搜索系统
World File Search System声成像
基于机器学习的操作员分析瞳孔反应，以评估临床超声成像中的认知工作量
简介：瞳孔测量，眼瞳直径的测量，是一种公认的客观形态，与认知工作量相关。在本文中，我们分析了超声成像算子的瞳孔响应，以评估其认知工作量，并在进行常规的胎儿超声检查时被捕获。我们的实验和分析是在自然临床环境条件下使用远程眼球跟踪获得的现实世界数据集进行的。方法：我们的分析管道涉及仔细的时间序列（时间序列）提取，通过回顾性将瞳孔直径数据与在多模态数据采集设置中相应的超声扫描视频中捕获的任务匹配。接下来是学生直径预处理和PU胎儿反应序列的计算。对操作员瞳孔响应（胎儿心脏与胎儿大脑）与操作员专业知识（新资格的与经验丰富的操作员）之间分布的探索性统计分析进行了比较。机器学习将被探索以将时间序列自动分类为具有经典（浅层）模型的时间，频谱和时频特征，并将其经验分类为相应的超声处理任务和操作员体验，以及卷积神经网络作为深度学习模型。结果：提取的瞳孔响应的初步统计分析显示，不同的超声任务和操作员专业知识的显着差异，表明每种情况下的认知工作量不同，如通过划分测量。对于超声检查任务分类和操作员经验分类，曲线（AUC）值（AUC）值（AUC）值分别为0.98和0.80，在曲线（AUC）值（AUC）值下实现了接收器的操作。结论：我们得出结论，我们可以在超声操作员执行常规扫描时成功地评估瞳孔直径变化的认知工作量。机器学习允许使用瞳孔响应序列作为操作员的认知工作量的索引来歧视执行的超声检查任务和扫描专业知识。高认知工作量可以降低操作员的效率并限制其决策，因此，客观评估认知工作量的能力是迈出这些对运营商在生物医学应用（例如医学成像等生物医学应用中）产生影响的第一步。
肌肉骨骼超声成像中的人工智能
超声检查 (US) 是一种非侵入性技术，可提供实时、低成本和便携式成像，有助于快速动态评估肌肉骨骼成分。随着基于人工智能 (AI) 的计算机辅助检测和计算机辅助诊断被用于提高超声成像的质量、效率和成本，重大技术进步促使超声在肌肉骨骼评估中的应用日益广泛。本综述概述了肌肉骨骼超声的经典机器学习技术和现代深度学习方法，重点关注肌肉骨骼疾病的检测和诊断、分类和回归预测分析以及自动图像分割等关键类别。此外，我们概述了人工智能在肌肉骨骼超声实践中面临的挑战和一系列机遇。
引用 (APA)：Tolsgaard, MG、Svendsen, MBS、Thybo, JK、Petersen, OB、Sundberg, KM 和 Christensen, AN (2021)。用于对超声成像进行分类的人工智能是否可以在不同人群和环境中推广？妇产科超声，57 (2)，342-343。https://doi.org/10.1002/uog.23546
在本期刊最近发表的一篇文章中，Drukker 等人 1 回顾了人工智能 (AI) 在妇产科超声成像中的作用。作者描述了 AI 算法在标准平面的自动检测和分类等应用中的应用。一个特别的挑战是，训练这些 AI 算法需要大量的超声图像。训练所得算法的方式存在引入偏差的风险。其次，在算法训练和验证的数据群体之外应用算法时会出现一个潜在问题。目前没有足够的证据表明 AI 算法可以从它们训练的群体推广到其他群体。如果 AI 算法无法在不同环境中推广，那么研究结果的普遍采用就会有问题。我们在此描述了在英国环境中开发的 AI 算法，并使用 2016 年英国人群的数据，与 2009 年至 2017 年期间在丹麦两个胎儿医学中心获得的图像相比如何。
通过光声成像测量体内氧化应激
活性氧和氮物质 (RONS) 的积累会导致细胞损伤甚至细胞死亡。RONS 是短寿命物质，因此难以直接、精确和实时测量。生物相关的 RONS 水平在 nM-µM 范围内；因此，需要高灵敏度的 RONS 探针。我们之前使用了对 H 2 O 2 灵敏度为 mM 的混合金核银壳纳米粒子。这些粒子通过光谱偏移报告了 RONS 的存在，而光谱偏移可以通过光声成像轻松量化。在这里，我们使用卤化物掺杂来调整这些材料的电化学性质，以更好地匹配 RONS 的氧化电位。这项工作描述了这些 AgI 涂层金纳米棒 (AgI/AuNR) 的合成、表征和应用。I:Ag 摩尔比、pH 值和初始 Ag 壳厚度都经过优化，以获得良好的 RONS 检测限。卤化物掺杂使银的还原电位从 E 0 Ag = 0.80 V 降低至 E 0 AgI = − 0.15 V，导致 H 2 O 2 增加 1000 倍，ONOO − 灵敏度增加 100,000 倍。AgI/AuNR 系统的蚀刻速度也比未掺杂的 Ag/AuNR 快 45 倍。AgI/AuNR 可轻松报告已建立细胞系以及小鼠模型中内源性产生的 RONS。
通过光声成像测量体内氧化应激
活性氧和氮物质 (RONS) 的积累会导致细胞损伤甚至细胞死亡。RONS 是短寿命物质，因此难以直接、精确和实时测量。生物相关的 RONS 水平在 nM-µM 范围内；因此，需要高灵敏度的 RONS 探针。我们之前使用了对 H 2 O 2 灵敏度为 mM 的混合金核银壳纳米粒子。这些粒子通过光谱偏移报告了 RONS 的存在，而光谱偏移可以通过光声成像轻松量化。在这里，我们使用卤化物掺杂来调整这些材料的电化学性质，以更好地匹配 RONS 的氧化电位。这项工作描述了这些 AgI 涂层金纳米棒 (AgI/AuNR) 的合成、表征和应用。I:Ag 摩尔比、pH 值和初始 Ag 壳厚度都经过优化，以获得良好的 RONS 检测限。卤化物掺杂使银的还原电位从 E 0 Ag = 0.80 V 降低至 E 0 AgI = − 0.15 V，导致 H 2 O 2 增加 1000 倍，ONOO − 灵敏度增加 100,000 倍。AgI/AuNR 系统的蚀刻速度也比未掺杂的 Ag/AuNR 快 45 倍。AgI/AuNR 可轻松报告已建立细胞系以及小鼠模型中内源性产生的 RONS。
