XiaoMi-AI文件搜索系统
World File Search System按压
学习同时进行手指按压序列时的皮质变化
摘要 关于运动技能习得背后的皮质改变仍存在争议。在这项针对年轻人的纵向研究中，我们在 6 周内每周进行一次表现和神经影像学 (7 T MRI) 测量，以研究与学习用非惯用手同时按压手指的序列相关的神经变化。干预组 (n = 33)（在家练习手指序列）和对照组 (n = 30，未在家练习）均表现出总体表现改善，但是干预组进行强化训练的序列表现改善更多，且与未进行强化训练的序列相比更一致。与未进行训练的序列相比，双侧顶叶和运动前皮质的大脑活动对于训练过的序列有所减少。未检测到与训练相关的主要感觉运动区域的变化。训练过和未训练序列之间的激活模式相似性在次要感觉运动区域降低，但在主要感觉运动区域没有降低，而不同训练过序列之间的激活模式相似性没有显示出可靠的变化。无论是试验中激活模式的变异性，还是大脑结构的估计值，都没有显示出与练习相关的、达到统计显著性的变化。总体而言，学习配置序列的主要相关性是次级运动区域大脑活动的减少。
针对出现芳香化酶抑制剂相关肌肉骨骼症状的乳腺癌患者的自我指压疗法：AcuAIM 随机试点试验方案
符合条件的绝经后女性已接受AI治疗3周以上、2年以下，并且自开始AI治疗以来出现新发或恶化的关节痛或肌痛，且最严重的疼痛在数值评定量表上至少为10分中的4分。我们将招募50名参与者，并按1:1的比例随机分配接受真穴位或假穴位按压治疗，治疗12周。参与者每天自行对9个穴位按压3分钟。所有参与者每周完成一次疼痛评估，每6周完成一组症状问卷。在穴位按压0周和12周后，将采集可选的粪便样本，以检查肠道微生物群的变化。主要终点是经过12周的穴位按压干预后，简明疼痛量表-短表上最严重疼痛的变化，并用广义估计方程进行评估。
使用深度神经网络对经食管超声心动图图像中的左心室进行分割
胸外按压是心肺复苏 (CPR) 期间促进全身循环的主要手段。最佳胸外按压可使心脏骤停患者获得良好的复苏效果。尽管最近的 CPR 指南建议使用实时反馈设备来在复苏期间维持高质量的 CPR，但它很少与良好的复苏效果相关[1-3]。原因之一可能是未监测胸外按压的位置。先前基于胸部计算机断层扫描的研究还发现，目前建议的胸外按压位置太高，无法有效压迫左心室 (LV) [4,5]。经食道超声心动图 (TEE) 被认为是一种很好的方法，可用于识别心脏骤停的可纠正原因以及监测 CPR 质量和位置[6-8]。它还可以在复苏期间不中断胸外按压的情况下识别受外胸按压的心脏结构[9]。因此，我们可以从心脏骤停患者 TEE 图像中评估胸外按压的准确位置和外部胸外按压产生的收缩功能。这可能验证 CPR 期间促进左心室收缩功能的最佳胸外按压方法[10-12]。分割左心室对于确定胸外按压的位置和获得心脏功能定量评估指标（如舒张末期容积、收缩末期容积、面积和射血分数）是必不可少的。人们进行了许多尝试来分割左心室。Noble 等[13]基于轮廓跟踪方法，采用了基于卡尔曼滤波器的心外膜和心内膜边界跟踪系统。Bosch 等[14]将边界检测的主动外观模型改进为主动外观运动模型，可实现全自动、强大且连续的左心室检测。大多数心脏图像，如超声波图像和核磁共振成像（MRI），都有模糊的边界和严重的噪声；因此，分析这些图像需要时间，而且结果可能因人而异。人工神经网络已被提出，因为它们提供了很高的分析精度，并使医学图像的泛化成为可能[15，16]。Smistad 等人[17]建议使用 U-Net [18] 的深度卷积神经网络进行 LV 分割模型，它由一个编码器-解码器组成，在生物医学图像中显示出鲁棒的分割模型。然而，U-Net 并没有考虑所有语义特征在解码过程中的贡献。因此，Moradi 等人[19]开发了一种改进的 U-Net，称为多特征金字塔 U-Net，其中通过在 U-Net 解码器路径的所有级别上链接特征图来补充特征。然而，现有的方法有一个局限性，即它们无法识别阴影和 LV 之间的模糊边界。此外，由于胸外按压，CPR 期间获取的 TEE 图像比正常超声心动图噪声更大。我们通过应用残差特征聚合方法和各种注意技术开发了基于 U-Net 的网络。我们的模型不仅展示了使用挤压和激励块以及残差块的强大特征提取技术，而且还关注更重要的特征。工作流程如图 1 所示。下一节描述了数据组织、深度学习的数据增强技术以及我们模型的结构。
感觉（关键）按压：隐性触摸压力在压力和放松之间的情绪动态建模方面优于大脑活动
摘要 — 身体内的实际情绪体验可能很复杂，随着时间变化和不和谐情绪同时发展；实时响应以估计个人情绪的设备应该相应地发展。假设广义情绪存在于离散状态的模型无法将人类情绪的动态和个体性中固有的宝贵信息付诸实践。我们的多分辨率情绪自我报告程序允许根据压力-放松量表构建情绪标签，不仅可以区分情绪是什么，还可以区分情绪如何转变——例如，“充满希望但越来越紧张”与“充满希望并开始放松”。我们训练了基于被试的情境化个人经验的分层模型，以比较不同模态（大脑活动和物理键盘的按键力度）的情绪分类，然后在 F1 分数 = [0.44, 0.82]（机会 F 1 = 0.22，σ = 0.01）下对分类性能进行基准测试，并检查高性能特征。值得注意的是，当在压力实际变化的体验背景下对情绪演变进行分类时，基于压力的按键力度特征被证明是更具信息量的模态，并且在考虑侵入性和易于收集和处理时更为方便。最后，我们展示了我们的 FEEL（力、脑电图和情绪标记）数据集，这是大脑活动和按键力度数据的集合，标记了在紧张的电子游戏过程中收集的自我报告情绪（N = 16），并开源供社区探索。
MAX1709 完整数据手册 (PDF)
固定频率PWM操作确保开关噪声频谱被限制在600kHz基波及其谐波内，从而允许轻松进行后置滤波以降低噪声。外部时钟同步功能允许更严格的噪声频谱控制。静态功耗小于1mW，可延长电池供电系统的工作时间。两个控制输入（ONA，ONB）允许通过单个瞬时按钮开关进行简单的按压、按压关闭控制，以及传统的开/关逻辑控制。MAX1709还具有可编程软启动和电流限制功能，可实现设计灵活性和最佳电池性能。最大RMS开关电流额定值为10A。有关具有较低电流额定值、较小尺寸和更低成本的设备，请参阅MAX1708数据手册。
致编辑的信“六拨号策略”——心肺复苏期间的机械通气
根据现行指南，只要在心肺复苏期间建立了高级气道，就应提供正压通气，而无需暂停进行胸外按压。正压通气可以通过袋瓣复苏器 (BV) 或机械通气机 (MV) 提供，经证实，这两种方法同样有效。在繁忙的急诊室，对于受过较少培训的人员，使用 MV 比 BV 更有优势，因为它可以减少人为错误，并让气道管理员专注于其他复苏任务。目前，没有针对心脏骤停中 MV 设置的特定指南。我们提出了“心肺复苏期间的六拨式呼吸机策略”的概念，该概念涵盖了胸外按压期间适当的循证设置。我们建议使用容量控制通气，设置如下：(1) 呼气末正压为 0 cm 水柱（以允许静脉回流），(2) 潮气量为 8 mL/kg，吸入氧分数为 100%（以保证充分氧合），(3) 呼吸频率为每分钟 10 次（以保证充分通气），(4) 最大吸气峰压或 P max 报警为 60 cm 水柱（以保证胸外按压期间的潮气量输送），(5) 关闭触发器（以避免胸部回缩触发），(6) 吸气与呼气时间比为 1:5（以提供 1 秒的充分吸气时间）。关键词：心脏骤停、机械通气、通气策略。印度重症监护医学杂志 (2020)：10.5005/jp-journals-10071-23464
COVID-19 疫苗公告 9
标记注射部位。图中浅色三角形表示三角肌肌肉注射部位。建议注射部位位于三角形中间。用拇指和食指绷紧皮肤，不要将皮肤揉成一团。以 90° 角快速插入针头。缓慢注射。快速拔出针头，用棉绒或纱布轻轻按压几秒钟