XiaoMi-AI文件搜索系统
World File Search System影像学
在NICU中接受量身定制的神经振兴支持的非常早产的婴儿的脑生长和发育的序列神经影像学。前瞻性队列研究的协议
简介：出生的孩子（副总裁）仍然有神经发育障碍的风险。大脑生长和损伤的模式，以及如何缓解VP婴儿的发育风险的早期神经瘤疗法如何保持不足。方法：这是对妊娠32周之前/之前出生的VP婴儿的前瞻性队列研究。该研究将在III级NICU中招募n = 75个连续出生的VP婴儿。暴露的婴儿将根据注册早期脑磁共振成像（MRI）的神经损伤程度分为两组（第1组：低风险，n = 25或第2组：高风险，n = 25）。婴儿中的在不明显的伤害下定义为脑室内出血，随着扩张，中度或重度白质损伤或小脑出血而受到神经发育的影响，可以利用更多的NICU感官体验（感觉），同时获得了更多的NICU SENSIDENT（同时），同时获得了更多的NICUS型群体（同时）支持（Sense-Plus）。 特定年龄的，量身定制的感官体验将由婴儿的NICU员工的教练提供促进的，优先的，优先。 暴露组中的 VP婴儿将每2周从入学人数到期限等效，以监测脑生长和损伤的演变。 将与参考组（第3组：n = 25）进行比较，即 VP婴儿的家庭在有意义的最初入学率下降，随后出于其他目的而经历了术语等效的大脑MRI。在不明显的伤害下定义为脑室内出血，随着扩张，中度或重度白质损伤或小脑出血而受到神经发育的影响，可以利用更多的NICU感官体验（感觉），同时获得了更多的NICU SENSIDENT（同时），同时获得了更多的NICUS型群体（同时）支持（Sense-Plus）。特定年龄的，量身定制的感官体验将由婴儿的NICU员工的教练提供促进的，优先的，优先。VP婴儿将每2周从入学人数到期限等效，以监测脑生长和损伤的演变。将与参考组（第3组：n = 25）进行比较，即VP婴儿的家庭在有意义的最初入学率下降，随后出于其他目的而经历了术语等效的大脑MRI。这项研究的主要目的是与接受护理标准的VP婴儿相比，接受了基于NICU的神经多性干预措施的VP婴儿的学期等效脑生长和发育表征。次要目的包括定义与Total
胶质瘤亚型预测放射影像学使用治疗前机器学习算法的机器学习文献综述
来自康涅狄格州纽黑文耶鲁医学院放射学和生物医学成像系（JL、TV、LJ、MvR、NT、SM、GCP、RB、AG、MAH、HS、WB、BVM-N.、AA、ML、MA）、神经病学和耶鲁癌症中心（AO）和治疗放射学（SA）；德国杜塞尔多夫海因里希海涅大学神经外科系（JL、MS）；亚利桑那州菲尼克斯梅奥诊所放射学系（II）；明尼苏达州罗切斯特梅奥诊所放射学系（GMC）；加利福尼亚州圣地亚哥 Visage Imaging Inc（KB、ML）；宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院医院放射学系（AN）；宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院神经外科系 (AFK)、生物医学图像计算和分析中心 (SB) 和放射学系 (SB)；宾夕法尼亚州费城费城儿童医院神经外科分部 (AFK) 和数据驱动发现中心 (AFK)；以及宾夕法尼亚州费城理查兹医学研究实验室 (SB)。
南亚糖尿病中贫血的患病率 长的非编码RNA在植物免疫中的作用 在神经影像学数据中建立大脑状态 apobecs：我们的善变的朋友？
使用博物馆标本用于微生物进化生态学研究的研究仍然是一个未充分利用的研究维度，具有重要潜力。尽管存在这种潜力，但在方法论和分析中仍然存在广泛采用此类研究的博物馆标本的障碍。在这里，我们假设样本类型（博物馆或新鲜）和测序策略（中等深度shot弹枪元基因组或16S rRNA基因）之间的分类预测和相关多样性将存在显着差异。与博物馆和新鲜样品中的16S rRNA基因测序相比，shot弹枪宏基因组学的预测多样性较高，博物馆标本中这种差异更大。广泛证实了这些假设，新鲜样品中发现的最高多样性是使用REP200参考的shot弹枪测序，其中包括病毒和微核素，然后是WOL参考数据库。在博物馆特殊的情况下，测序策略之间的社区多样性指标也有很大差异，而alpha-doverity Ace差异显着大于对新样本进行的相同比较。beta多样性结果的变化更大，并且依赖于所使用的参考数据库。综上所述，这些发现存在多样性结果的重要差异，并迅速考虑了未来的实验和下游分析，旨在纳入博物馆标本中的微生物组数据集。
发育协调障碍儿童的注意力和运动曲线：神经心理学和神经影像学调查
摘要目的：本研究的目的是（1）在与发育协调障碍（DCD）中量化关注和执行功能，（2）评估某些与DCD的儿童是否更有可能表现出注意力困难，并且（3）表征大脑的大脑相关性运动和注意力不足。方法：53岁的儿童（36岁，有17岁，没有17岁），年龄在8至10岁之间，未达到T1加权和扩散加权磁共振成像，以及标准化的注意力和运动评估。父母填写了执行功能和注意力不集中和多动症症状的问卷。我们评估了区域皮质厚度和表面积，小脑，call和原发性运动道结构。结果：对协方差和一个样本t检验的分析确定了受损的注意力，非运动处理速度以及DCD儿童的执行功能，但部分Spearman的等级相关系数表明，这些系数表明这些是彼此无关的或运动不足的类型或运动型或严重性的。强大的回归分析表明，后扣带中的皮质形态与DCD儿童的总体运动技能和注意力不集中症状有关，而总运动技能也与左皮脊髓束（CST）形态有关。解释：患有DCD的儿童可能会受益于常规关注和超级活动评估。后扣带回和CST的改变可能与DCD儿童运动过程中的前进模型受损有关。总体而言，这些区域的改变可能解释了DCD儿童的非运动障碍率高。
中风后疲劳的神经影像学相关性
结果：我们确定了 46 项研究（N = 6543）；在许多研究中，与疲劳的关联是次要的或子分析（28.3%）。成像参数通过八个变量进行评估：病变侧化、病变位置、病变体积、脑萎缩、梗塞数量、脑微出血、白质高信号 (WMH) 和网络测量。大多数变量没有确凿证据表明与疲劳有任何关联。在可能的情况下，荟萃分析表明以下因素与 PSF 无关；左侧病变部位（OR：0.88，95% CI（0.64，1. 22）（p = 0.45））、脑幕下病变部位（OR：1.83，95% CI（0.63，5.32）（p = 0.27））和 WMH（OR：1.21，95% CI（0.84，1.75）（p = 0.29））。许多研究对病变部位进行了评估，结果不一；只有一项研究使用了体素症状病变映射 (VSLM)。一些小型研究表明功能性大脑网络（即额叶、额叶-纹状体-丘脑和感觉处理网络）的改变与 PSF 之间存在关联。
闪光影像学和层析成像的闪光灯的需求，趋势和进步
手稿于2023年6月19日收到；修订于2023年6月26日； 2023年6月27日接受。出版日期； 2023年6月28日；当前版本的日期2023年7月18日。这项工作得到了美国能源部（Los Alamos报告编号LA-ur-22-32994）的部分支持，合同89233218CNA000001。根据20190043dr奖，洛斯阿拉莫斯国家实验室的实验室指导研究与开发计划（LDRD）计划的支持。Reeju Pokharel的工作得到了Grant Doe-NNSA的能源部国家核安全部门的动态材料物业运动的支持。Daniel J. Rutstrom的工作得到了DOE-NNSA的部分支持，该公司通过核科学和安全联盟颁发的DE-NA-0003 180奖和DE-NA-0003996奖和核能办公室，核能办公室，综合大学计划研究生奖学金。C. L. Morris和Mariya Zhuravleva的工作得到了田纳西大学的核科学和安全财团的支持，该联盟颁发了DE-NA-0003 180奖和DE-NA-0003996奖。Anton S. tremsin的工作得到了美国能源/NNSA/DNN研发部的部分支持，部分以及劳伦斯·伯克利国家实验室的一部分是根据合同AC02-05CH11231所支持的。本文的较早版本是在第16届闪烁材料及其应用国际会议的特刊（SCINT22），9月19日至23日，2022年，美国新墨西哥州圣达菲[doi：10.48550/arxiv.2212.10322]。（通讯作者：Zhehui Wang。）数字对象标识符10.1109/tns.2023.3290826Christotoge Dujardin与LumièreMatièreInstitut，UMR5306，CNRS，CNRS，UniverséClaudeBernard Lyon1，69622法国Villebanne，法国（电子邮件：christophhe.dujardin@.fr）。 Paul Lecoq是瑞士CH-1211 Geneva的欧洲核研究组织（电子邮件：Paul.lecoq@cern.ch）。 Wei Liu和Daniel G. Robertson在AZ 85054的May Clinic（电子邮件：liu.wei@mayoyo.edu; robertson.daniel@mayo.edu）。 Charles L. Melcher，Daniel J. Rutstrom和Mariya Zhuravleva与材料科学与工程系一起，田纳西州诺克斯维尔，田纳西州诺克斯维尔大学，美国田纳西州37996（电子邮件：cmelcher@cmelcher@utk.edu; drk.edu; drk.edu; drk.edu; > > > >Christotoge Dujardin与LumièreMatièreInstitut，UMR5306，CNRS，CNRS，UniverséClaudeBernard Lyon1，69622法国Villebanne，法国（电子邮件：christophhe.dujardin@.fr）。Paul Lecoq是瑞士CH-1211 Geneva的欧洲核研究组织（电子邮件：Paul.lecoq@cern.ch）。 Wei Liu和Daniel G. Robertson在AZ 85054的May Clinic（电子邮件：liu.wei@mayoyo.edu; robertson.daniel@mayo.edu）。 Charles L. Melcher，Daniel J. Rutstrom和Mariya Zhuravleva与材料科学与工程系一起，田纳西州诺克斯维尔，田纳西州诺克斯维尔大学，美国田纳西州37996（电子邮件：cmelcher@cmelcher@utk.edu; drk.edu; drk.edu; drk.edu; > > >Paul Lecoq是瑞士CH-1211 Geneva的欧洲核研究组织（电子邮件：Paul.lecoq@cern.ch）。Wei Liu和Daniel G. Robertson在AZ 85054的May Clinic（电子邮件：liu.wei@mayoyo.edu; robertson.daniel@mayo.edu）。 Charles L. Melcher，Daniel J. Rutstrom和Mariya Zhuravleva与材料科学与工程系一起，田纳西州诺克斯维尔，田纳西州诺克斯维尔大学，美国田纳西州37996（电子邮件：cmelcher@cmelcher@utk.edu; drk.edu; drk.edu; drk.edu; > >Wei Liu和Daniel G. Robertson在AZ 85054的May Clinic（电子邮件：liu.wei@mayoyo.edu; robertson.daniel@mayo.edu）。Charles L. Melcher，Daniel J. Rutstrom和Mariya Zhuravleva与材料科学与工程系一起，田纳西州诺克斯维尔，田纳西州诺克斯维尔大学，美国田纳西州37996（电子邮件：cmelcher@cmelcher@utk.edu; drk.edu; drk.edu; drk.edu; >Charles L. Melcher，Daniel J. Rutstrom和Mariya Zhuravleva与材料科学与工程系一起，田纳西州诺克斯维尔，田纳西州诺克斯维尔大学，美国田纳西州37996（电子邮件：cmelcher@cmelcher@utk.edu; drk.edu; drk.edu; drk.edu;Mar Nikl曾在捷克科学学院的物理研究所，捷克共和国普拉格16200号（电子邮件：nikl@fzu.cz）。Anton S. Tremsin与加利福尼亚州伯克利分校的太空科学实验室一起，美国加利福尼亚州94720美国（电子邮件：astr@berkeley.edu）。本文中一个或多个数字的颜色版本可从https://doi.org/10.1109/tns.2023.3
神经影像学
功能梯度（其中反应特性在大脑的某个区域内逐渐变化）被认为是大脑的一个关键组织原则。最近使用静息态和自然观察范式的研究表明，这些梯度可以通过“连接眼映射”分析从功能连接模式重建。然而，局部连接模式可能会因数据分析过程中人为引入的空间自相关而混淆，例如空间平滑或坐标空间之间的插值。在这里，我们研究这种混淆是否会产生虚假的连接眼梯度。我们在受试者的功能体积空间中生成了包含随机白噪声的数据集，然后可选地应用空间平滑和/或将数据插值到不同的体积或表面空间。平滑和插值都会引起空间自相关，足以使连接眼映射在许多大脑区域中产生基于体积和表面的局部梯度。此外，这些梯度看起来与从真实自然观看数据中获得的梯度非常相似，尽管在某些情况下，从真实数据和随机数据生成的梯度在统计上存在差异。我们还重建了整个大脑的全局梯度——虽然这些梯度似乎不太容易受到人工空间自相关的影响，但重现先前报告的梯度的能力与分析流程的特定特征密切相关。这些结果表明，通过连接图像映射技术识别的先前报告的梯度可能会受到分析过程中引入的人工空间自相关的干扰，在某些情况下，可能在不同的分析流程中重现效果不佳。这些发现意味着需要谨慎解读连接图像梯度。
神经影像学时间序列中的箭头 - 标识脑功能的因果触发器
图4箭头识别运动任务中的时空定位因果效应。（a）在运动任务范式中，因果效应（τ，顶部），活动（中间）和连通性（底部）的度量。范式由运动时期（左右手和脚，舌头）组成，被休息块隔开。（b）左半球大脑区域的因果效应的详细视图，显示了面板（a）（舌运动）突出显示的间隔中最强的AOT波动。正值表明该区域充当因果效应的下水道，而负值表明该区域是因果关系的来源。（c）面板（b）中四个大脑区域的可视化以及当受试者开始移动舌头时招募的假定因果途径。VIS24和PFC13之间的虚线表示，这两个区域之间的直接信息流不能仅从分析的四个区域中推断出来，并且可能涉及中间体。
神经影像学和电生理学中动态 FC 估计的稳定性：解决方案和限制
* 通讯作者 临床医学系，功能整合神经科学中心，奥胡斯大学，Universitetsbyen 3，8000 奥胡斯，丹麦。 dvidaurre@cfin.au.dk 摘要 能够绘制大脑活动的时空组织是进一步了解人类认知基础的重要一步。这激发了人们对时变功能连接 (FC) 方法的兴趣，该方法旨在描述整个大脑区域之间统计耦合的演变。神经影像学和电生理学中已经提出了几种方法来表征时变 FC。这些方法经常被忽视的问题是，即使对于相同的数据，它们的估计在推理运行过程中也常常不稳定；也就是说，不同的运行会产生不同的结果。但为了与行为建立有意义的关系，估计必须是稳健且可重复的。我们专注于时变 FC 的生成模型隐马尔可夫模型 (HMM)，提出了两种解决此问题的方法。首先，我们考虑多次运行推理，根据衡量数据适应度和模型简单性（此处为自由能）的定量指标对运行进行排名，并选择得分最高的模型。其次，我们引入了一种新方法，称为连接主成分分析 (PCCA)，该方法通过将不同的估计值重构为稳定的潜在时变 FC 模式，明确利用 HMM 推理的多变性。我们在两个独立的 fMRI 和 MEG 数据集上讨论和比较了这些方法，显示了它们在多大程度上提高了标准时变 FC 估计的稳定性。关键词：估计噪声；隐马尔可夫模型；连接主成分分析；时变 FC；可复制性；可重复性 1. 简介 大脑功能架构的一个重要方面是如何将不同区域组合成功能网络，以及这些网络如何在许多空间和时间尺度上动态组织 (Laughlin and Sejnowski, 2003)。映射这些功能关系最广泛使用的指标之一是功能连接 (FC)，它是衡量大脑区域对之间统计依赖关系的指标 (Friston, 1994)。最近，对这些相互依赖关系的时间属性的探索揭示了 FC 在会话内存在有意义的波动，这两者都来自功能性磁共振成像 (fMRI；Fornito 和 Bullmore, 2010；Karapanagiotidis 等人，2020；Liégeois 等人，2019；Lurie 等人，2020；Vidaurre 等人，2021、2018、2017；Xie 等人，2018)。不幸的是，部分由于用于估计随时间变化的 FC 的分析工具种类繁多及其固有的局限性（Dafflon 等人，2022 年），跨研究比较结果并不总是那么容易。我们在这里关注的问题是估计噪声。任何推理依赖于优化过程的方法，例如隐马尔可夫模型 (HMM)，即使我们使用相同的数据，在推理过程中也会发生变化。也就是说，估计可能会不稳定，具体取决于数据量和模型复杂性等因素 (Vidaurre et al., 2019)。对于更简单的方法也是如此，例如独立成分分析 (ICA；Beckmann
通过重复使用深神经网络特征的转移学习来进行神经影像学
摘要。将机器学习应用于神经图像的一个主要问题是MRI扫描仪的技术变异性和跨研究的受试者人群的差异。转移学习（TL）试图减轻这一问题。tl是指从相关任务中获取知识的一种方法，以改善感兴趣的任务中的概括。在这项工作中，我们在英国生物库MRI数据上进行了有关年龄和性别预测的深度神经网络，并研究了该网络对三个小型MRI数据集的预测。我们发现，神经网络可以在必要但充分的条件下从看不见的数据集中提取有意义的特征，以预测该网络以预测感兴趣的标签（例如如果年龄预测是感兴趣的任务，则对年龄预测进行了预先培训）。基于此，我们提出了一条转移学习管道，该管道依赖于在同一任务中重复使用深度神经网络功能。我们发现我们的方法的表现优于经典回归方法和从头开始训练网络。特别是我们改善了年龄和性别预测的最新结果。因此，我们的转移学习方法可以提供简单有效的管道，以在小型MRI数据集上实现高性能。