XiaoMi-AI文件搜索系统
World File Search System手动追踪
下一代人类大脑组织学图谱及其在自动脑部 MRI 分割中的应用
图 1：组织学图谱中的 NextBrain，具有优点（）、缺点（）和中立点。（）。（A）打印的图谱 [1]，其中包含一组稀疏的手动追踪切片 [1]。（BG）覆盖范围有限的特定 ROI 的组织学图谱：（B）手动追踪的基底神经节切片 [8]；（C）确定性丘脑图谱的 3D 渲染 [11]；（DF）追踪的 MRI 切片、组织学切片和海马图谱的 3D 渲染 [12]；（G）我们的丘脑概率图谱切片 [14]。（HN）整个人脑的组织学图谱：（H）BigBrain 的 3D 重建切片 [13]；（I）MNI 模板上的 Julich-Brain 标签切片； (J) 标记的 Allen 参考脑组织学切片 [7]；(K) 使用受 (J) 启发的协议标记 MNI 模板；(LN) AHEAD 脑的 MRI、组织学和 3D 渲染 [22]。(OS) 我们的新图谱 NextBrain 包括五个标本的密集 3D 组织学 (OP) 和全面的手动标记 (Q)，从而可以构建概率图谱 (R)，该图谱可与贝叶斯技术相结合，自动标记体内 MRI 扫描中的 333 个 ROI (S)。
标题：在神经退行性疾病的小鼠模型中自动评估区域脑萎缩的工具
摘要随着预期寿命的增加，神经退行性疾病的流行率也随之增加。神经变性会导致渐进的区域脑萎缩，通常在症状发作之前引发。研究人员衡量潜在治疗对小鼠模型中萎缩的影响以评估其有效性。这很重要，因为与症状管理相反，旨在对抗神经病理学的治疗更有可能改变疾病。磁共振成像虽然精确地测量了大脑区域结构体积，但价格昂贵。相反，更常用的是立体量评估，即从成像的2D脑切片中估算单个3D脑区域体积的过程。这涉及在定期间隔成像的横截面中手动追踪大脑区域以确定其2D区域，然后使用Cavalieri原理估算体积。这种方法的相关警告是劳动密集型手动追踪过程，以及由于人类变异而引起的潜在不准确性。为了克服这些挑战，我们创建了一个神经病理评估工具（NAT），以使用人工智能（AI）（AI）和拓扑数据分析的概念自动化区域脑示意和识别。通过比较亨廷顿病模型小鼠纹状体体积的手动和NAT分析来验证NAT。NAT检测到效率较高的纹状体萎缩，93.8％与手动测量和较低的组间变异性一致。NAT将提高临床前神经病理学评估的效率，从而可以进行更多的实验疗法，并促进药物发现棘手的神经退行性疾病。
使用开放数据的胎儿功能MRI自动脑掩盖
抽象的胎儿静止状态功能磁共振成像（RS-FMRI）已成为表征出生前脑发育的关键新方法。尽管这种方法的快速而广泛地增长，但目前，我们缺乏适合解决该数据类型固有的独特挑战的神经影像处理管道。在这里，我们解决了最具挑战性的处理步骤，在数千个非平稳的3D大脑体积中，胎儿大脑与周围组织的快速而准确地隔离。利用我们的1,241个手动追踪的胎儿fMRI图像的图书馆，我们培训了一个卷积神经网络（CNN），该卷积神经网络（CNN）在来自单独的扫描仪和人群的两个持有测试集中实现了出色的性能。此外，我们将自动屏蔽模型与现有软件的其他fMRI预处理步骤结合在一起，并洞悉我们对每个步骤的改编。这项工作代表了针对全面的，开源的工作流程的最初进步，并具有公开共享的代码和数据，用于胎儿功能性MRI数据预处理。
利用拓扑元素提高虚拟现实神经元追踪的可用性
摘要 — 连接组学领域的研究人员正在努力重建大脑中的神经连接图，以便从根本上了解大脑如何处理信息。构建此连接图是通过荧光显微镜成像技术获取的高分辨率图像堆栈来追踪神经元来完成的。虽然已经提出了大量自动追踪算法，但这些算法通常依赖于数据中的局部特征，并且在嘈杂的数据或模糊的情况下会失败，需要耗时的手动校正。因此，手动和半自动追踪方法仍然是创建精确神经元重建的最新方法。我们提出了一种新的半自动方法，该方法使用拓扑特征来指导用户追踪神经元，并将该方法集成到以前用于手动追踪的虚拟现实 (VR) 框架中。我们的方法增强了可视化和与拓扑元素的交互，从而可以快速理解和追踪复杂的形态。在我们的试点研究中，神经科学家表现出强烈的偏好，他们更喜欢使用我们的工具，而不是之前的方法，他们表示在追踪过程中疲劳感更少，并称赞它能够更好地理解可能的路径和替代方案。对追踪的定量评估表明，与完全手动的方法相比，用户的追踪速度有所提高，同时保持了类似的准确性。
比较手动接触者追踪和数字接触者建议
MIT Safepaths 团队 PathCheck Covid SafePaths 团队贡献者：Ramesh Raskar、Dr. Ranu Dhillon、Dr.Suraj Kapa、Deepti Pahwa、Renaud Falgas、Lagnojita Sinha、Aarathi Prasad、Abhishek Singh、Andrea Nuzzo、Vivek Sharma 1. 简介 手动接触者追踪 (MCT) 涉及建立一支“侦探大军”，根据 WHO 的规定执行三个步骤 (i) 接触者识别：快速回溯受感染个体的接触者，(ii) 对他们进行访谈，以及 (iii) 跟踪他们症状的变化。在访谈过程中，接触者追踪人员还可以识别潜在的表面或区域暴露，以确定其他传播途径（例如，共用表面、共用设备等）。接触者追踪人员在历史上一直是抗击大流行的关键，因为接触者追踪在确定新病原体（如 COVID）如何传播时至关重要。在 Safe Paths，我们的目标是在整体“理想”接触者追踪系统的背景下构建数字能力。我们相信，数字工具最终可能会具有优势/功能，以增强手动追踪的某些方面。例如，根据 CDC 的建议，病例调查人员可能会要求受感染者参考位置跟踪应用程序来确定他们最近的位置历史。数字接触建议 (DCA) 是一个相对较新的领域。DCA 软件可以执行以下一项或多项任务：