XiaoMi-AI文件搜索系统
World File Search System成像
Wu等。 2024年。“用于成像活细胞中代谢物的遗传编码的荧光DNA适体”。美国化学学会杂志。 doi：
背景/客观遗传编码的荧光蛋白和荧光RNA传感器是对细胞中生物分子成像的必不可少的工具。为扩展工具箱并改善了这种类型的传感器的普遍性和稳定性，我们在此报告了遗传编码的荧光DNA适体（GEFDA）传感器，该传感器将荧光DNA Aptamer用于二甲基糖红（Dimethylindole Red）与ATP APTAMER联系起来。
定量DCE-US成像协议的新校准设置：朝标准化
方法：此校准方法已被设计为易于重现和优化，从而减少了所需的时间和成本。它是基于原始设置，其中包括使用浓度分离器来测量从时间强度曲线（AUC）下从面积（AUC）获得的谐波信号强度的变化作为各种对比剂浓度的函数。分离器提供了4种不同的浓度，同时从Sonovue™对比剂的初始浓度的12.5至100％不等（Bracco Imaging S.P.A.，米兰，意大利），在单个注射中测量4个AUC。AUC的图作为四个对比剂浓度的函数表示谐波信号的强度变化：斜率是校准参数。通过这种方法的标准化暗示，两代超声扫描仪都必须具有相同的斜率为校准。此方法已在同一制造商（Aplio500™，Aplioi900™，佳能医疗系统，日本东京）的两个超声扫描仪上进行了测试。APLIO500™使用了最初的多中心DCE-US研究定义的设置。已经调整了Aplioi900™的机械索引（MI）和颜色增益（CG），以匹配Aplio500™的颜色。根据测量可重复性评估了新设置的可靠性，一旦对两个超声扫描仪进行校准，获得的测量值之间的一致性可重复性。
18 F-氟脱氧葡萄糖正电子发射断层扫描 - 计算层析成像参数，用于预测儿童的预后和毒性
伯基特淋巴瘤（BL），弥漫性大B细胞淋巴瘤（DLBCL）和原发性纵隔B细胞淋巴瘤（PMBCL）是儿童和年轻人的常见肿瘤（1）。尽管化学疗法可以显着提高生存率，而无事件的生存率为5年，但对于那些对前线化学疗法复发或反应不佳的患者的预后较差[总生存率（OS）率≤25％]（2）。高剂量化疗可能会诱导延迟作用，包括继发性恶性肿瘤，慢性健康状况和不育（3,4）。作为一种新型的免疫治疗，嵌合抗原受体（CAR）T细胞治疗在许多类型的恶性肿瘤中取得了显着的效果，尤其是在复发或难治性的大B细胞淋巴瘤（LBCL）中，并且治疗效应可以持续使用（5-7）。但是，大多数患者确实会经历复发（8,9）。细胞因子释放综合征（CRS）和免疫效应物细胞相关的神经毒性综合征（ICAN）是常见的与免疫相关的不良事件，必须密切监测，因为它们可能是致命的（10）。因此，重要的是要鉴定预后较差的患者，并且在服用T细胞治疗之前有严重不良反应的风险。作为形态和功能成像的组合，
基于成像的生物标志物设置以量化细胞水平的衰老
除了这些危险信号外，DC的许多功能，包括成熟，细胞因子产生和迁移，还受到体内电信号的调节。DC中钾和钙离子的浓度与其成熟过程密切相关。然而，金属离子进入和流出细胞的运动严格由离子通道控制，目前没有有效的方法激活这些通道。
高级成像方法 - 晶体
欢迎来到Crystals，这是致力于晶体学研究的迷人世界的杂志！晶体不仅仅是装饰元素。他们拥有理解物质基本结构的关键。我们的使命是探讨这项研究在各个领域的关键意义。从医学到技术，化学到地质学，晶体起着至关重要的作用。它们的结构提供了对新的先进材料，创新药物和开创性技术的见解。通过晶体，我们深入研究了微观世界，以发现将影响未来的解决方案。与我们一起穿越晶体，科学与美和创新融合在一起。
多模式成像以识别人类亲社会行为的大脑标记
人类如何实现如此高度的亲社会行为是一个引人注目的主题。探索人类亲社会性的神经基础已在近几十年来引起了人们的重大关注。然而，人类亲身社会性的基础神经机制仍有待阐明。为了解决这一知识差距，我们分析了15场经济游戏中的多模式脑成像数据和数据。结果揭示了大脑特征和亲社会行为之间的几个重要关联，包括较强的半球连通性和较大的call体体积。更大的功能分离和整合，以及较少的髓磷脂图与较厚的皮质相结合，与亲社会行为有关，尤其是在社会大脑区域内。当前的研究表明，这些指标是人类亲社会行为的大脑标志物，并为人类亲社会行为的结构和功能性大脑基础提供了新的见解。
医学成像的机器学习中的可重复性
可重复性是科学的基石，因为发现的复制是它们成为知识的过程。广泛认为，许多科学领域正在经历可重复性危机。这导致了各种准则的出版物，以提高研究可重复性。本教学章节旨在作为用于医学成像的机器学习领域的研究人员的介绍。我们首先区分不同类型的可重复性。对于每个人，我们旨在定义它，描述实现它的要求并讨论其效用。本章以讨论可重复性的好处的讨论以及对这种概念的非态度方法及其在研究实践中的实施的恳求。
基于组合的电机成像的多类分类
运动图像（MI）允许设计自定进度的大脑 - 计算机界面（BCIS），该界面有可能提供直观且连续的相互作用。但是，具有三个以上命令的非侵入性MI基于BCI的实施仍然是一项困难的任务。首先，解码不同动作的MIS数量受到在相应来源之间保持足够间距的限制，因为近区域的脑电图（EEG）活性可能会加起来。第二，脑电图产生了大脑活动的相当嘈杂的图像，这会导致分类性能差。在这里，我们提出了一种解决方案，通过使用合并的MIS（即同时涉及2个或更多身体部位的错误）来解决可识别的运动活动的局限性。，我们提出了公共空间模式（CSP）算法的两种新的多标记用途，以优化信噪比，即MC2CMI和MC2SMI方法。，我们在8级的脑电图实验中记录了来自七个健康受试者的脑电图信号，包括剩余条件和所有可能的组合使用左手，右手和脚。所提出的多标记方法将原始的8级问题转换为一组三个二进制问题，以促进使用CSP算法。在MC2CMI方法的情况下，每个二进制问题组在一个类别中共同参与了三个选定的身体部位之一，而其余的不参与相同身体部位的MIS则在第二类中分组在一起。以这种方式，对于每个二进制问题，CSP算法都会产生特征，以确定特定的身体部分是否从事任务。最后，通过应用8级线性判别分析，将三组功能合并在一起，以预测用户意图。MC2SMI方法非常相似，唯一的区别是，在训练阶段考虑的任何组合MIS，这大大加速了校准时间。对于所有受试者，MC2CMI和MC2SMI方法的精度都比经典的配对（PW）和One-Vs.-All（OVA）方法更高。我们的结果表明，当正确调制大脑活动时，多标签方法代表了一个非常有趣的解决方案，可以增加命令数量，从而提供更好的相互作用。
在神经反馈任务期间同时进行EEG-FMRI，这是多模式数据集成的脑成像数据集
组合脑电图和fMRI允许整合精细的空间和准确的时间分辨率，但如果实时执行以实现神经反馈（NF）循环，则会引起许多挑战。在这里，我们描述了在运动成像NF任务中同时获得的脑电图和fMRI的多模式数据集，并补充了MRI结构数据。这项研究涉及30名健康志愿者接受五次培训。我们在以前的工作中展示了同时EEG-FMRI NF的潜力和优点。在这里，我们说明了可以从该数据集中提取的信息的类型并显示其潜在用途。这代表了NF的EEG和fMRI的第一个同时记录之一，在这里我们提出了第一个开放访问BI-MODAL模式NF数据集，该数据集整合了EEG和FMRI。我们认为，这将是（1）多模式数据集成的进步和测试方法，（2）提高所提供的NF质量，（3）改善在MRI下获得的EEG的方法论，并（4）使用多模式信息研究了运动象征的神经标志物。