XiaoMi-AI文件搜索系统
World File Search System小静脉
转铁蛋白受体的血脑屏障运输-...
摘要：血脑屏障 (BBB) 由脑内皮细胞 (BEC) 构成，生物制剂无法通过。脂质体和其他纳米颗粒是将生物制剂递送至 BEC 的良好候选物，因为它们可以万能地包裹大量目标分子。脂质体需要附着靶向分子，因为不幸的是，BEC 几乎无法从循环中吸收非靶向脂质体。独立研究小组的实验已证实，靶向转铁蛋白受体的抗体在将纳米颗粒靶向递送至 BEC 方面更胜一筹。通过与抗转铁蛋白受体抗体结合对纳米颗粒进行功能化，可导致纳米颗粒被脑毛细血管和毛细血管后小静脉的内皮细胞吸收。降低与脂质体结合的靶向转铁蛋白受体抗体的密度会限制 BEC 的吸收。阻止与高亲和力抗转铁蛋白受体抗体结合的纳米粒子的运输、降低靶向抗体的亲和力或使用单价抗体可增加 BEC 的吸收，并允许进一步穿过 BBB。靶向脂质体在毛细血管后小静脉中从血液到大脑的运输的新证明很有趣，显然值得进一步研究机制。最近有证据表明靶向纳米粒子穿过 BBB，这为未来将生物制剂输送到大脑带来了巨大的希望。
磁共振成像
磁共振成像 磁共振成像或 MRI 是诊断和评估神经系统疾病的重要工具。MRI 扫描仪是一种设备，患者躺在一个圆柱形管内，管内有一个大型强力磁铁。磁铁与连接到计算机的无线电波相结合，可产生非常清晰和详细的身体图像。与 CT 扫描或传统 X 射线不同，MRI 不使用电离辐射。MRI 在脊髓和大脑成像方面特别有用。它既可用于诊断神经系统疾病，也可用于监测某些疾病，如多发性硬化症。对于某些 MRI 研究，可以使用造影剂（通常是钆）来增强某些组织的可见性。造影剂通过放置在手臂静脉中的小静脉 (IV) 管注入。在进行 MRI 之前，请正常饮食并服用您常用的药物，除非另有指示。您将获得医院的病号服或被指示穿着没有金属扣件的宽松衣服。由于机器内有强力磁铁，因此务必取下所有配件，例如珠宝或发夹/发夹。金属物体可能会在检查期间干扰磁场，影响 MRI 图像的质量。磁场还可能损坏电子产品。扫描时长取决于医生想要成像的内容。扫描时间可能只有几分钟到一个多小时。
使用近红外技术评估急性期颈髓损伤和神经源性休克患者的微循环变化
颈脊髓损伤 (SCI) 是一种严重的疾病，可导致神经源性休克，这是一种危及生命的并发症。神经源性休克是指交感神经张力突然受损，导致血管扩张、低血压和心动过缓。这会破坏血流动力学，尤其是微循环中的血流动力学。了解这些变化对于有效治疗至关重要，因为组织灌注和氧气输送会受到影响 [1,2] 。近红外光谱 (NIRS) 是一种非侵入性实时监测组织氧合和微循环状态的工具，使其成为评估神经源性休克 SCI 患者微循环改变的有效方法。微循环系统是指血液通过最小的血管循环，包括小动脉、毛细血管和小静脉。在神经源性休克中，交感神经系统的破坏会导致血管扩张，血液转移到外周组织中，减少中心血容量，并损害微循环血流。这会导致组织灌注不足，从而导致潜在的器官功能障碍和不良后果。监测此类患者的微循环对于及时采取液体复苏和血管加压支持等干预措施至关重要。伴有神经源性休克的 SCI 会导致病情迅速恶化并增加死亡率 [3] 。伴有神经源性休克的 SCI 的病理生理学与组织微循环血流改变、氧合和器官功能障碍有关，常常导致死亡。
胰腺区域血流连接内分泌和...
引言 胰腺是一种独特的器官，由外分泌组织和内分泌组织组成，前者产生消化酶，后者分泌代谢激素。胰腺大部分由外分泌组织组成，形成胰岛的内分泌细胞仅占该器官的 1%–2%。自 1932 年首次描述胰岛血液供应 (1) 以来，胰岛一直被认为是一个封闭的微器官，接受专门的小动脉 (2–6)。根据这一模型，血液流经与外分泌成分完全分离的胰岛或形成胰岛素腺泡门脉系统，然后从 1 个或多个小静脉流出。事实上，不同的科学界对胰腺的外分泌和内分泌部分进行了研究，治疗胰腺外分泌和内分泌疾病的医生也来自不同的医学领域：分别是胃肠病学家和内分泌学家。值得注意的是，目前尚不清楚这两个系统为何会合并为一个器官。在缺乏外分泌胰腺的胰腺相关转录因子 1a 缺陷 (Ptf1a 缺陷) 小鼠中，内分泌细胞会归巢到脾脏 (7)。有趣的是，这些细胞分散在整个脾脏中，这表明外分泌组织不是内分泌细胞存活所必需的，但却是胰岛形成所必需的。在表达 Pdx1-Kras 的 ob/ob 小鼠中，肥胖导致胰岛细胞中胆囊收缩素 (CCK) 表达异常，这
MarkVCID2 MRI FW 生物标志物试剂盒协议 | 1 v5.9.23
1. 生物标志物试剂盒简介 脑小血管病（SVD）是指影响脑内小血管（包括动脉、小动脉、小静脉和毛细血管）的一组病理过程，是血管性认知障碍病（VCID）1 的主要原因。SVD 中特别令人感兴趣的是自由水（FW）扩散 MRI 模型。细胞外 FW 代表白质组织细胞外空间中不受轴突膜和髓鞘等物理屏障阻碍的水分子。其余水分子（即细胞结构内或附近的水分子）反映了白质束的结构。扩散加权成像（DWI）是一种非侵入性 MRI 序列，可以提取每个白质位置中 FW 的比例（称为分数）。 FW 试剂盒建议将平均 FW (mFW)（定义为白质组织内的平均 FW 分数）作为候选成像生物标记物，直接纳入 SVD-VCID 临床试验。先前的研究表明，mFW 与成年人的血流动力学改变 2 、老年人的炎症生物标记物 3 、脑 SVD 的常见成像标记物 4 以及脑 SVD 的临床状况 5 之间存在关联。还发现 mFW 异常水平主要是由 SVD 6 引起的，并且在 SVD 损伤的严重病理生理表现出现之前数年即可检测到 7，
大脑分支血管周围空间间质液淋巴流动的新机制
普渡大学，2023 年 1 月 27 日 摘要 目的。基于血管周围空间的解剖学和力学，探索脑间质组织液流动的生物物理学，以便更好地了解淋巴液流动的发生方式。方法。在可快速计算的、分支的、多尺度的脑组织几何模型中研究心脏频率下的液体流动动力学。这些模型由混合的穿透动脉和静脉树提供。它们包括颅内压和血管内压的脉动变化、脑组织的弹性扩张以及沿 Virchow-Robin 空间轴的脑脊液流动阻力的非线性变化。在笔记本电脑上计算由此产生的动脉周围和静脉周围压力的变化以及由此产生的从小动脉到小静脉血管周围空间的间质液批量流量。结果。在典型的生理条件下，较小的远端动脉周围分支和静脉周围分支之间会产生约 0.5 mmHg 的时间平均正压。根据组织几何形状和液压阻力，产生的流量足以每 1 到 10 小时更新一次间质液。增加血管周围空间的径向宽度会降低这种效果。计算出的整个大脑的平均淋巴流量与蛛网膜绒毛测量到的新脑脊液产生量相似。结论。当适当考虑血管周围树的分支结构时，它们的经典解剖结构具有令人惊讶的新兴特性。在动脉周围和静脉周围空间较小的远端分支之间可以发生具有生物学意义的平流量。关键词。平流、阿尔茨海默病、淀粉样蛋白、生物物理学、血脑屏障、体积流量、脑脊液、循环、细胞外、液压、颅内压、血管周围泵送、通透性、软脑膜、脉动、蛛网膜下腔、Virchow-Robin 腔、废物。
无需分割的自动化血管矢量化
双光子荧光显微镜 (2PM) 的最新进展使得活体小鼠的血管网络大规模成像和分析成为可能。然而，提取密集毛细血管床的网络图和矢量表示仍然是许多应用中的瓶颈。血管矢量化在算法上很困难，因为血管具有多种形状和大小，样本通常光照不均匀，并且需要较大的图像体积才能获得良好的统计能力。最先进的三维血管矢量化方法通常需要分割（二值）图像，依赖于手动或监督机器注释。因此，逐体素图像分割会受到人类注释者或训练者的偏见。此外，分割图像通常需要在骨架化或矢量化之前进行补救形态学过滤。为了解决这些限制，我们提出了一种矢量化方法，可从未分割图像中直接提取血管对象，而无需机器学习或训练。 MATLAB 中的无分割自动化血管矢量化 (SLAVV) 源代码已在 GitHub 上公开提供。这种新方法使用简单的血管解剖模型、高效的线性滤波和矢量提取算法来消除图像分割要求，用手动或自动矢量分类取而代之。半自动化 SLAVV 在小鼠皮层微血管网络（毛细血管、小动脉和小静脉）的三个体内 2PM 图像体积上进行了演示。矢量化性能已被证明对于血浆或内皮标记对比度的选择具有稳健性，并且处理成本与输入图像体积成比例。全自动 SLAVV 性能在不同质量的模拟 2PM 图像上进行评估，所有图像均基于大（1.4 × 0.9 × 0.6 mm 3 和 1.6 × 10 8 体素）输入图像。从自动矢量化图像计算出的感兴趣的血管统计数据（例如体积分数、表面积密度）比从强度阈值图像计算出的统计数据具有更高的图像质量稳定性。
导管相关性静脉血栓形成
几乎每个住院患者和许多门诊患者都会放置某种类型的静脉 (IV) 导管。这种小塑料管可用于将药物、液体、营养或输血直接注入静脉，用于抽取血样，或为肾衰竭患者进行透析。静脉输液管一般分为两类。外周静脉输液管是细而短的导管，放置在手、前臂或肘部皱褶处的浅静脉或表面静脉中。中心静脉导管更长，直径更大。它们通常从上胸壁或颈部进入静脉，终止于颈部和手臂的大静脉流入心脏的地方。它们可能在进入静脉之前在皮下挖了一小段隧道。港口是一种完全放置在皮下并进入静脉的中心静脉导管。使用小针刺破皮肤进入输液港的储液器进行静脉注射药物或抽血，然后拔出针头。输液港（有时称为输液港）通常用于接受化疗的患者，其设计可长时间保留在原位。经外周插入中心静脉导管 (PICC) 是住院期间经常使用的一种中心静脉导管，它插入上臂的一条小静脉，末端连接到颈部和手臂静脉通过一条称为上腔静脉的大静脉流入心脏的地方（图 1）。外周和中心静脉注射都会导致静脉内形成血栓，而静脉是将血液送回心脏的血管。这些血栓分为两类：浅静脉血栓形成 (SVT) 和深静脉血栓形成 (DVT)。SVT 发生在上臂、前臂和手部较小的表面静脉中。 DVT 发生在手臂较深的静脉中，通常在肘部上方，以及颈部较大的颈内静脉中。
药物输送中的反应传递现象
每个器官有两个相邻的容器模型，容器之间由毛细管（壁）膜隔开。这是一个集中系统模型，不考虑膜以外的质量传递阻力。该模型的第一个改进是克罗格圆柱体。[4] 毛细血管簇形成毛细管网络。研究人员使用细胞模型，将单位或细胞（在本例中为毛细管）与集合隔离开来。克罗格圆柱体 [4] 表示细胞和分布式系统，可提供更多信息，例如溶质渗透到血管外组织的程度。鉴于克罗格绘制的包括毛细血管在内的血管草图[4]，他只能使用圆柱形模型（如图1所示）。此后，出现了其他更像网络的草图，但克罗格圆柱体仍可用作细胞。值得注意的是，在流经填料床时，Happel 的细胞模型 [5 ] 对于组成填料床的每个球体都非常适用，适用于整个系统。Pfeffer 将这种流体流动模型扩展到质量传递。[6 ] 与 Happel 的模型 [4 ] 类似，其中添加单元来表示填料床，假设 Krogh 圆柱体平行添加以组成器官。Brinkman 方程用于求解血管外组织中的流动。由于这些方程的线性，因此可以获得解析解，从而避免使用数值方法求解它们，因为这些方程非常僵硬。[7 ] 比率 ffiffiffi kp = L 非常小，其中 k 是血管外组织的渗透率，L 是毛细管的长度。已有许多关于 Krogh 圆柱体中的质量传递研究报告。 [8-14]然而，研究人员几乎从未考虑过血管外组织中流动的影响，也从未考虑过流场和浓度场的二维性。此前，我们曾考虑过 Krogh 圆柱中的流动，[7]其中血管外组织中的流动使用 Brinkman 方程建模，该方程允许流线弯曲和/或流动在横向具有空间变化。然而，我们几乎没有发现任何流动从小动脉末端离开毛细血管，又从小静脉末端返回，就像 Guyton 和 Hall 所建议的那样。[15]原因是图 1 中的血浆有两条平行的路径
临床科学人工智能视网膜血管测量用于预测循环死亡率、心肌梗塞和中风
摘要 目的 我们研究加入人工智能 (AI) 支持的视网膜血管测量 (RV) 是否能改善现有的中风、心肌梗死 (MI) 和循环死亡率风险算法。方法 AI 支持的视网膜血管图像分析处理了 88 052 名英国生物库 (UKB) 参与者（图像捕捉时年龄为 40-69 岁）和 7411 名欧洲癌症前瞻性调查 (EPIC)-诺福克参与者（年龄为 48-92 岁）的图像。提取了视网膜小动脉和小静脉宽度、曲折度和面积。在 UKB 中使用多变量 Cox 比例风险回归开发了循环死亡率、中风和 MI 的预测模型，并在 EPIC-Norfolk 中进行外部验证。使用乐观调整校准、C 统计量和 R 2 统计量评估模型性能。将 RV 添加到 Framingham 风险评分 (FRS) 中，以比较其对新发卒中和新发 MI 的表现，以及基于 RV、年龄、吸烟状况和病史（抗高血压/降胆固醇药物、糖尿病、现患卒中/MI）的更简单模型。结果 基于 65 144 名参与者（平均年龄 56.8 岁；中位随访期 7.7 年）开发了 UKB 预后模型，并在 5862 名 EPIC-Norfolk 参与者（分别为 67.6 年、9.1 年）中进行了验证。男性和女性循环死亡率预测模型的乐观调整 C 统计量和 R 2 统计量分别在 0.75–0.77 和 0.33–0.44 之间。对于新发卒中和 MI，在 FRS 中添加 RV 并未改善任何一个队列的模型性能。但是，更简单的 RV 模型的表现与 FRS 相同或更好。结论 RV 为血管健康的传统风险评分提供了一种替代预测生物标志物，无需采血或测量血压。需要进一步研究 RV 在人群筛查中的应用，以对高风险人群进行分类。