XiaoMi-AI文件搜索系统
World File Search System弥散
探索神经成像的前沿：回顾理解大脑功能和障碍的最新进展
摘要：神经成像彻底改变了我们对大脑功能的认识，并已成为研究神经系统疾病的研究人员的重要工具。功能性磁共振成像 (fMRI) 和脑电图 (EEG) 是两种广泛用于检查大脑活动变化的神经成像技术。fMRI 是一种使用磁场和无线电波产生详细大脑图像的非侵入性技术。EEG 是一种通过放置在头皮上的电极记录大脑电活动的非侵入性技术。本综述概述了非侵入性功能性神经成像方法的最新发展，包括 fMRI 和 EEG。讨论了 fMRI 技术的最新进展、其在研究大脑功能中的应用以及神经成像技术对神经科学研究的影响。还重点介绍了 EEG 技术的进展及其在分析大脑功能和神经振荡中的应用。此外，还介绍了神经影像学的高级课程，例如弥散张量成像 (DTI) 和经颅电刺激 (TES)，以及它们在研究大脑连接、白质束以及精神分裂症和慢性疼痛的潜在治疗中的作用。应用。该综述最后研究了神经发育和神经系统疾病的神经影像学研究，例如自闭症谱系障碍 (ASD)、注意力缺陷多动障碍 (ADHD)、阿尔茨海默病 (AD) 和帕金森病 (PD)。我们还描述了经颅直流电刺激 (tDCS) 在 ASD、ADHD、AD 和 PD 中的作用。神经影像学技术大大提高了我们对大脑功能的理解，并为神经系统疾病提供了重要的见解。然而，需要进一步研究 EEG、MRI 和 TES 等非侵入性治疗，以继续开发新的神经系统疾病诊断和治疗策略。
接受 JAK 抑制剂治疗的类风湿关节炎相关间质性肺病患者的评估：一项 MAJIK-SFR 队列研究
摘要 目的 利用 MAJIK-SFR 登记系统研究法国使用 Janus 激酶抑制剂 (JAKis) 治疗的类风湿关节炎相关间质性肺病 (RA-ILD) 的病程。 方法 前瞻性全国多中心观察性研究，从 MAJIK-SFR 登记系统中识别出 RA-ILD 患者。在 JAKi 启动和随访（纳入后 6 个月、12 个月和中位数 21 个月）收集肺部评估数据，包括胸部高分辨率 CT (HRCT)、肺功能测试（用力肺活量 (FVC) 和肺一氧化碳弥散量 (DLCO)）、ILD 急性加重、呼吸道感染和肺癌。 结果 我们招募了 42 名（26 名女性，62%）RA-ILD 患者，平均年龄为 61±13 岁，平均患病时间为 16±10 年。与 MAJIK 登记数据库中 778 名无 ILD 的 RA 患者相比，RA-ILD 患者年龄更大，病情更严重、更活跃，合并症也更多见。非特异性间质性肺炎和寻常型间质性肺炎分别占胸部 HRCT ILD 模式的 46% 和 43%。随访期间 FVC 和 DLCO 无显著变化。69% 的患者胸部 HRCT 病变保持稳定。8 名患者（19%）出现进行性 ILD。观察到 16 例（38%）呼吸道感染。仅发现 1 例急性退行性 ILD 加重，未诊断出肺癌。没有发生死亡。17 名患者停用 JAKi，其中 8 名因对关节受累无效，5 名因不耐受。结论分析表明接受 JAKi 治疗的患者的 RA-ILD 稳定。 JAKi 在该高风险人群中的耐受性概况并未显示出新的安全信号。
人类大脑中连接的常见微观和宏观原则
大脑需要在神经元和大规模大脑区域之间进行有效的信息传递。大脑连接遵循可预测的组织原则。在细胞层面，较大的超颗粒锥体神经元具有更大、更多分支的树突树、更多突触，并执行更复杂的计算；在宏观尺度上，区域到区域的连接显示出多样化的架构，高度连接的枢纽区域促进了复杂的信息整合和计算。在这里，我们探讨了这样一种假设，即大规模区域到区域连接的分支结构遵循与神经元尺度类似的组织原则。我们检查了五个人类捐赠者大脑（1 名男性，4 名女性）的 10 个皮质区域的超颗粒锥体神经元（300 1）基底树突树的微尺度连接。树突复杂性被量化为分支点数、树长、树突棘数、树突棘密度和整体分支复杂性。高分辨率弥散加权 MRI 用于构建皮质皮层布线的白质树。使用与树突树相同的方法来检查所得白质树的复杂性，结果表明，异模关联区域具有比主要区域更大、更复杂的白质树（p，0.0001），并且宏观尺度复杂性与微观尺度测量并行，包括输入数量（r=0.677，p=0.032）、分支点（r=0.797，p=0.006）、树长度（r=0.664，p=0.036）和分支复杂性（r=0.724，p=0.018）。我们的研究结果支持整合理论，即大脑连接遵循神经元和宏观尺度上的类似连接原则，并为研究大脑条件下多组织层面的连接变化提供了一个框架。
使用以超高梯度强度获取的扩散 MRI 数据来改善常规质量数据的纤维束成像
在人类连接组计划的带动下，具有超高梯度强度的扫描仪的开发显著提高了体内扩散 MRI 采集的空间、角度和扩散分辨率。可以利用改进的数据质量来更准确地推断微观结构和宏观结构解剖结构。然而，这种高质量的数据只能在全世界少数几台 Connectom MRI 扫描仪上采集，而且由于硬件和扫描时间的限制，在临床环境中仍然无法使用。在本研究中，我们首先更新了基于纤维束成像的手动注释主要白质通路的经典协议，以使其适应当今最先进的扩散 MRI 数据所能产生的更大体积和更大变化的流线。然后，我们使用这些协议手动注释来自 Connectom 扫描仪的数据中的 42 条主要通路。最后，我们表明，当我们使用这些手动注释的通路作为具有解剖邻域先验的全局概率纤维束成像的训练数据时，我们可以在质量低得多、更广泛可用的弥散 MRI 数据中对相同的通路进行高精度、自动重建。这项工作的成果包括来自 Connectom 数据的 WM 通路的全新综合图谱，以及我们的纤维束成像工具箱的更新版本，即受基础解剖学约束的 TRActs (TRACULA)，该工具箱使用该图谱中的数据进行训练。图谱和 TRACULA 均作为 FreeSurfer 的一部分公开分发。我们首次全面比较了 TRACULA 与更传统的多感兴趣区域自动纤维束成像方法，并首次演示了在高质量 Connectom 数据上训练 TRACULA 以造福使用更温和的采集协议的研究。
TractLearn：用于脑束定量分析的测地线学习框架
基于深度学习的卷积神经网络最近已证明其能够基于弥散加权成像快速分割主要脑束结构。脑束的定量分析则依赖于来自纤维束成像过程本身或束上每个体素的指标。在疾病的背景下，对异常体素的统计检测通常依赖于单变量和多变量统计模型，例如一般线性模型 (GLM)。然而，在高维低样本量数据的情况下，尽管通常使用平滑过程，但由于解剖学差异，GLM 通常意味着对照的标准差范围较大。这可能导致难以在体素尺度上检测到脑束中细微的定量变化。在这里，我们介绍了 TractLearn，这是一个使用测地线学习作为数据驱动学习任务的脑束定量分析统一框架。 TractLearn 允许使用黎曼方法在图像高维域和脑束的减少潜在空间之间进行映射。我们通过重测采集多壳扩散 MRI 数据说明了该方法对健康人群的稳健性，表明可以分别研究不同 MRI 会话导致的整体影响和局部束改变的影响。然后，我们在 5 名年龄匹配的轻度脑外伤受试者样本上测试了我们算法的效率。我们的贡献是提出：1/ 一种捕捉控制变异性的流形方法作为标准参考，而不是基于欧几里得均值的图谱方法。2/ 一种检测体素定量值整体变化的工具，它考虑了结构中体素的相互作用，而不是独立分析体素。3/ 一种即用型算法，用于突出显示扩散 MRI 指标的非线性变化。在这方面，TractLearn 是一个可立即使用的精准医疗算法。
遗传性糖基磷脂酰肌醇缺乏症的临床和遗传谱
遗传性糖基磷脂酰肌醇缺乏症 (IGD) 是一组罕见的多系统疾病，由糖基磷脂酰肌醇锚定通路 (GPI-AP) 基因的致病变异引起。尽管至少 31 个 GPI-AP 基因中有 24 个与人类神经遗传疾病相关，但先前的报道仅限于单个基因，未考虑 GPI-AP 的整体情况，且自然史数据有限。在这项跨国回顾性观察研究中，我们系统分析了来自 75 个独特家族的 83 名 IGD 患者的分子谱、表型特征和自然史，其中包括 70 名新报告的个体；这是迄今为止最大的单一队列。核心临床特征是发育迟缓或智力障碍（DD/ID，90%）、癫痫发作（83%）、肌张力低下（72%）和运动症状（64%）。预后和生物学意义显著的神经影像学特征包括脑萎缩（75%）、小脑萎缩（60%）、胼胝体异常（57%）和中央被盖束对称性弥散受限（60%）。61例患者有多系统受累，包括胃肠道（66%）、心脏（19%）和肾脏（14%）异常。虽然82%的患者出现畸形特征，但没有一种畸形特征的患病率超过30%，这表明存在显著的表型异质性。所有患者的随访数据均已获得，其中15例在撰写本文时已死亡。癫痫发作时的中位年龄为6个月。携带GPI-AP合成期基因变异的个体，其癫痫发作时间显著短于携带转酰胺酶和重塑期基因变异的个体（P = 0.046）。40例患者患有难治性癫痫。大多数患者（95%）出现言语迟缓或失语，以及运动迟缓（需非救护车辅助）
社论：基于人工智能的医学影像数据脑部疾病计算机辅助诊断应用
近来，研究多种脑部疾病（如自闭症、多发性硬化症 (MS)、痴呆症、阿尔茨海默病 (AD)、神经胶质瘤、精神分裂症和癫痫）病因和机制的研究项目呈指数级增长。近年来，人工智能 (AI) 的实用性已在各种研究领域得到探索，包括现代计算机辅助诊断 (CAD) 系统的开发。在基于 AI 的 CAD 中使用医学影像和医学专家提供的特征示例是一个不断发展的领域，其目标是更准确地提取可靠的诊断线索，最终帮助医生提供更合适和个性化的治疗。例如，对脑 T2 加权磁共振成像 (MRI) 上的白质进行纹理分析有助于诊断 MS。此外，基于 AI 的 CAD 将促进所有可用数据的解释和利用，减轻繁重的手动评估，并使其在日常临床实践中实用。传统的基于机器学习 (ML) 的 CAD 系统采用许多学习技术，这些技术通常是针对特定应用量身定制的，通常需要大量调整，如果在训练数据集之外测试甚至会失败。AI 技术的进步，特别是端到端深度学习，再加上神经成像技术的最新进展（例如，弥散加权 MRI 和其他用于对大脑和神经系统进行成像的模式），为增强传统 ML 方法和应用新的潜在方法来预测或更好地诊断脑部疾病创造了令人兴奋的新机会。本研究课题的重点是最近的基于 AI 的 CAD 系统，用于分析来自患有脑部疾病（如：精神分裂症、痴呆症、阿尔茨海默氏症等）的患者的医学成像数据。本研究课题的目标受众包括工程和医学院教授；工程和应用科学系的研究生和本科生；医学生；在医疗公司工作的工程师；工业、学术界和健康科学家的研究人员；放射科医生等医生；以及包括放射技师和医学物理学家在内的医疗保健专业人员。
研究开发部研究论文...
A.] 期刊出版物 1. Batra, S.、Halder, A. (2024 年 8 月)。迈向蓬勃发展的工作场所：探索数字化对年轻建筑专业人士身心健康的影响。工程、建筑和建筑管理。DOI：https://doi.org/10.1108/ECAM-02-2024-0190。2. Lavy, S.、Deshpande, R.、Jadhav, T. (2024 年 8 月)。可持续设计和施工对 FM 的影响：四个案例研究。设施管理杂志。DOI：https://doi.org/10.1108/JFM-01-2024-0019。3. Patil, Y. (2024 年 7 月)。房地产法中的评分制度：一项比较研究。工业工程杂志。第 53 卷，第 7 期第 4 期。ISSN：0970-2555。4. Goel, A. (2024 年 7 月)。使用瑞利波弥散特性评估沥青层地下异常：试坑研究。无损检测与评估。DOI：10.1080/10589759.2024.2380776。5. Prakash, A.、Ambekar, S. (2024 年 7 月)。印度建筑公司实施企业风险管理的障碍。建筑创新 (Emerald Publishing Ltd.)。DOI：https://doi.org/10.1108/CI-02-2024-0029 6. Mathur, A.、Bagul, A.、Rajhans, K. (2024)。实现可持续建筑的本土实践。当前世界环境。第 19 卷，第 2 期。ISSN：0973-4929。B.] 会议论文集/编辑书籍章节 1. Pandey, BK、Nassa, VK、Mukundan, AP、Mahajan, D.、Pandey, D.、George AS、Dadheech, P. (2024)。利用物联网的行业重点交通系统。新兴工程技术和工业应用。DOI：10.4018/979-8-3693-1335-0.ch009 2. Pandey, D.、Nassa, VK、Pandey, BK、Thankachan, B.、Dadheech, P.、Mahajan, D.、George, S. (2024)。人工智能和机器学习及其在计算视觉分析领域的应用。新兴工程技术和工业应用。 DOI：10.4018/979-8-3693-1335-0.ch003。
热指数用于治疗性低温新生儿脑损伤的早期非侵入性评估：初步报告
围产期窒息 (PA) 是新生儿死亡的第三大原因，也是儿童严重神经系统损伤的最常见原因之一。当前的工具和测量主要基于临床评估分析以及实验室和电生理测试，在进行磁共振成像 (MRI) 评分之前，无法提供一致的数据来预测缺氧缺血性脑病 (HIE) 的严重程度。这项研究的目的是评估新指数——热指数 (TI)——在评估因 PA 导致的治疗性低温 (TH) 过程中新生儿脑损伤程度方面的实用性。这是一项前瞻性、观察性、试点研究，不需要对适用程序进行任何更改。对 2018 年因 PA 在奥波莱大学医院新生儿/儿科 ICU 接受 TH 治疗的六名新生儿进行了分析。根据当前建议，他们都符合 TH 的标准。 TH 结束后，当儿童恢复正常体温时，使用 1.5 T 扫描仪进行脑部 MRI 检查，使用 T1、T2 加权图像、液体衰减反转恢复 (FLAIR)、反转恢复 (IR)、磁敏感加权成像 (SWI) 和弥散加权成像 (DWI)。根据 Weeke 等人提出的评分系统，使用 MRI 评分评估图像。根据本文提出的公式计算评估内源性产热的热指数。在治疗的第一小时内，MRI 评分和 TI 值 (0.98；p = 0.0003) 之间存在高度、统计学上显着的正相关性。与 MRI 评估的高度相关性、测量的非侵入性以及治疗后最初几个小时内即可获得结果，使作者提出将热指数作为早期评估接受 TH 治疗的新生儿脑损伤的工具。需要进一步研究以确认所提出方法的有效性。
根据脑扩散 MRI 估计的朊病毒传播在散发性克雅氏病中具有亚型依赖性
摘要 散发性克雅氏病 (sCJD) 是一种传染性脑蛋白病。目前主要有五种临床病理亚型 (sCJD-MM(V)1、-MM(V)2C、-MV2K、-VV1 和 -VV2)。组织病理学证据表明，朊病毒聚集体和海绵状病变的定位因亚型而异。确定是否存在可检测成像异常的初始部位（震中）以及病变扩散的顺序将有助于疾病的早期诊断、患者分期、管理和临床试验招募。扩散磁共振成像 (MRI) 是检测海绵状变性最常用和最敏感的测试。本研究旨在使用弥散加权图像 (DWI) 在已知最大的经尸检证实的 sCJD 患者横断面数据集中首次在体内识别脑内亚型依赖性震中和病变传播。我们使用基于事件的建模（一种成熟的数据驱动技术）通过横断面 DWI 估计病变传播。1 名不知诊断的神经放射科医生对 594 名经尸检诊断的受试者（448 名 sCJD 患者）的 12 个大脑区域的 DWI 异常进行评分。我们使用基于事件的模型重建了五种纯亚型中病变传播的顺序。151 名患者的随访数据验证了估计的序列。结果表明，病变传播的中心和顺序是亚型特异性的。两种最常见的亚型（-MM1 和 -VV2）显示出相反的 DWI 异常出现顺序：分别从新皮质到皮质下区域，反之亦然。楔前叶也是 -MM2 和 -VV1 中最有可能的中心，尽管与 -MM1 不同，在扣带回和岛叶皮质中也检测到了早期异常信号。-MV2K 中复制了表征 -VV2 的病变传播尾部-喙部序列。这些数据驱动模型结合起来，提供了前所未有的动态洞察，可以洞察病理过程开始和传播时亚型特异性中心，这也可能增强早期诊断并实现 sCJD 的疾病分期。