XiaoMi-AI文件搜索系统
World File Search System放射线
胸部MRI图像的定量分析，用于良性恶性诊断肺固体结节
方法：招募了总共333例肺结核（训练队列中的233例，在验证队列中为100例）。从MRI图像（CE T1W和T2W）中提取了总共2,824个放射线特征。逻辑回归（LR），幼稚的贝叶斯（NB），支持向量机（SVM），随机森林（RF）和极端梯度提升（XGBOOST）分类器用于构建预测模型，并在应用最佳预测模型后为每个患者获得了放射线学分数（RAD分数）。临床因素和RAD分数共同基于多元逻辑回归分析构建了一个nom图模型，并使用接收器操作特征曲线（AUC）下的区域评估了五个预测模型的诊断性能。
深度学习的投影空间实施 -
我们的目的是评估低剂量（LD）PET图像和辛图中的全剂量（FD）PET图像合成的性能，而无需使用深度学习技术牺牲诊断质量。方法：回顾性使用140例患者的临床脑PET/CT研究。从FD列表模式PET数据中随机选择了5％的事件，以模拟现实的LD采集。促进了一个修改的3维U-NET模型，以分别从相应的LD辛图和图像中预测图像空间（PIS）中的投影空间（PSS）和FD图像中的FD曲目。使用5分评分方案评估了2个核医学专家的预测PET图像的质量。使用已建立的指标进行定量分析，包括峰值信噪比（PSNR），结构相似性指数指标（SSIM），区域性SUV偏置以及83个大脑区域中的第一，第二和高阶纹理放射线特征，用于测试和评估数据集中的83个大脑区域。结果：所有PSS图像均由核医学专家评分4或更高（良好至优秀）。PSNR和SSIM值分别为0.96±0.03和0.97±0.02，PSS分别获得了31.70±0.75和37.30±0.71的值。在所有大脑区域中计算出的平均SUV偏置分别为PSS和PI分别为0.24％±0.96％和1.05％±1.44％。与参考FD图像相比，PSS的平淡 - Altman图报告了PSS的最低SUV BI- AS（0.02）和方差（95％的置次间隔，-0.92至1 0.84）。PIS和PSS分别属于灰级共振矩阵类别的同质性放射线特征的相对误差分别为-1.07±1.77和0.28±1.4。结论：定性评估和定量分析表明，FD PET PSS提高了性能，从而提高了图像质量，而SUV偏置和方差较低，而SUV PET和差异要比FD PET PIS。
加快可持续性解决方案
hadicigroup - 约有3,000名员工，2023年的销售额为1,0.69亿欧元，以及跨越欧洲，北美和南美和亚洲的生产单位和销售办公室网络，今天是全球范围可再生能源，无编织物和医疗保健和制造业的个人保护设备的纱线。其产品建立在高级化学专有技术的基础上，以及聚酰胺供应链的垂直整合。它们是针对各种行业的应用程序开发的，包括汽车，电气/电子，消费品，服装，家具，建筑物，家用电器和体育部门。基于RadiciGroup的战略的基础是对创新，质量，客户满意度以及社会和环境可持续性的重要承诺。及其宏观业务领域 - 特种化学品，高性能聚合物和先进的纺织解决方案 - 放射线群是一个更广泛的工业集团的一部分，包括纺织机械（Itema），Energy（Geogreen）和酒店业务（San Marco）。www.radicigroup.com
软骨肉瘤对放射治疗的抵抗力
摘要：软骨肉瘤是一种恶性软骨肿瘤，对化疗和放射线具有很强的抗性。一线治疗方法是手术，但在某些特定部位几乎不可能进行手术。这种抗性可以通过肿瘤的特殊成分来解释，肿瘤在致密的软骨基质内发展，产生一个氧张力非常低的抗性区域。这种微环境迫使细胞适应并去分化为癌症干细胞，而癌症干细胞对传统治疗的抵抗力更强。治疗这种肿瘤的主要途径之一是强子疗法，特别是因为它的弹道特性，以及它对肿瘤细胞的更大生物学效应。在这篇综述中，我们描述了软骨肉瘤抗性的不同形式，以及强子疗法如何与其他涉及靶向抑制剂的治疗方法相结合，有助于更好地治疗高级别软骨肉瘤。
人类肿瘤细胞从乳腺和结肠的文章生存能力和放射敏感性受甲状腺高原提取物HP01
测定。使用γH2AX测定法分析了DNA双链断裂的数量，而通过流式细胞仪检查了细胞周期分布。对于两种肿瘤细胞系的抑制作用和细胞毒性作用均以10 µg/ml HP01的浓度开始。用HP01处理导致电离辐射后肿瘤细胞的克隆生成抑制（6 Gy）。肿瘤细胞中DNA双链断裂（DSB）的数量随着HP01处理而增加，但是辐射诱导的DNA DSB的修复不影响。细胞周期分析表明，除辐射外，HP01在MCF-7和HT-29细胞中的G2/M停滞增强。总体而言，HP01不仅显示出抑制生长的作用，而且还表现出对人肿瘤细胞的放射敏作用。我们得出的结论是，HP01诱导的细胞积累可能是药物诱导的放射线敏感性的主要基本原理。因此，它是肿瘤疾病联合治疗的承诺候选者，并需要进一步研究。
抗体药物缀合物
根据Globocan 2018数据，在印度被诊断出约110万例新癌症病例。[1]印度死亡率前五名的癌症数字，是西方第二常见的死亡原因。[2]已有几十年了，癌症治疗主要由手术，放射线和化学疗法组成。随着科学技术进步的可用性，新的药物（例如抗体药物共轭物（ADC），单克隆抗体，小分子激酶抑制剂和免疫检查点抑制剂都出现了。常规的细胞毒性疗法通过正常的增殖细胞（例如骨髓，粘膜衬里和毛囊）作用，从而带有某些不需要的毒性。为了避免这些非目标效应，开发了一种新的称为ADC的药物。ADC确保通过单克隆抗体（MAB）和细胞毒性化学疗法部分（有效载荷）的组合确保有针对性的药物递送，这是化学连接器连接的。
SHP2抑制剂PF- ...
这是一项由Inserm赞助并由辉瑞公司资助的I-Reivac网络内在法国进行的前瞻性，多中心研究。夹杂物：成年患者（> 18岁）从2022年5月至2023年6月，至少有24小时的临床和放射线确认的帽子住院。Urine samples were tested with Pfizer´s Urinary Antigen Detection (UAD) assays, which detect the 13 S. pneumoniae serotype‐specific polysaccharides excreted in human urine (1, 3, 4, 5, 6A/C, 6B, 7F, 9V, 14, 18C, 19A, 19F, 23F), and 11 additional serotypes (8, 10A, 11A, 12f，15b/c，22f，33f，2，9n，17f和20）。可预防盖的疫苗被定义为13、15和20值PCV中的UAD检测到的血清型的盖，以及23个价值的肺炎球菌多糖疫苗（PPSV）。
人胎骨的鳞状部分的主要骨化中心的定量解剖学
有关人类胎儿主要骨化中心发展的详细数值数据可能会影响更好的评估和骨骼发育不良的早期检测，这与骨质发育和矿化中心的延迟发展和矿化有关。据我们所知，这是医学文献中的第一份报告，用于分析基于计算机断层扫描成像的人类胎儿中颞骨鳞状部分的主要骨化中心。本研究为颞骨的鳞状部分的骨化提供了预先定量的基础，这可能有助于增强产前护理，并改善了具有继承的颅骨缺陷和骨骼发育不良的胎儿的结果。对37名男女（16名男性和21名女性）妊娠18-30周的男性胎儿进行了检查，并保存在10％中性的福尔马林溶液中。使用CT，数字图像分析软件，3D重建和统计方法，评估了颞骨鳞状部分的主要骨化中心的大小。With neither sex nor lateral- ity differences, the best-fit growth patterns for the primary ossification center of the squa- mous part of temporal bone was modelled by the linear function: y = − 0.7270 + 0.7682 × age ± 1.256 for its vertical diameter, and the four-degree polynomial functions: y = 5.434 + 0.000019 × (age) 4 ± 1.617的矢状直径为y = - 4.086 + 0.00029×（年龄）4±2.230，其投影表面积为4±2.230，y = - 25.213 + 0.0004×（年龄）4±3.563。暂时骨鳞状部分的主要骨化部分的基于CT的数值数据和生长模式可以用作妇科医生，产科医生，儿科医生和放射线医生在筛选胎儿超声扫描过程中的妇科医生，妇产科医生，儿科医生和放射线医生的特定年龄规范间隔。我们对颞骨鳞状部分不断增长的原发性骨化中心的发现可能有助于日常临床实践，而超级监测正常的胎儿生长并筛选遗传的颅断层和骨骼发育症。
基于整体学习的放射素学模型，用于区分胶质母细胞瘤的脑转移
目的：术前脑转移（BM）和胶质母细胞瘤（GBM）之间的区分由于它们在常规脑MRI上的相似成像特征，因此在术前具有挑战性。这项研究旨在通过基于MRI放射学数据的机器学习模型来增强诊断能力。方法：这项回顾性研究包括235例确认孤立性BM和273例GBM患者。患者被随机分配到培训（n = 356）或验证（n = 152）队列中。获得了传统的大脑MRI序列，包括T1加权成像（T1WI），对比-Enhanced_T1WI和T2加权成像（T2WI）。在所有三个序列上都描绘了脑肿瘤并分段。从人口统计学，临床和放射线数据中选择了特征。一个集成的集成机器学习模型，即弹性回归SVM-SVM模型（ERSS）和组合人口统计学，临床和放射线数据的多变量逻辑回归（LR）模型是用于预测性建模的。使用歧视，校准和决策曲线分析评估模型效率。此外，使用由47例GBM患者和43例孤立BM患者组成的独立队列进行外部验证，以评估ERSS模型的推广性。Results: The ERSS model demonstrated more optimal classification performance (AUC: 0.9548, 95% CI: 0.9337 – 0.9734 in training cohort; AUC: 0.9716, 95% CI: 0.9485 – 0.9895 in validation cohort) as compared to the LR model according to the receiver operating characteristic (ROC) curve and decision curve for the internal cohort.外部验证队列的最佳性能较低但仍然稳健（AUC：0.7174，95％CI：0.6172 - 0.8024）。具有多个分类器的集成的ERSS模型，包括弹性网，随机森林和支持向量机，产生了可靠的预测性能，并且表现优于LR方法。结论：结果表明，集成的机器学习模型，即ERSS模型，具有有效，准确的BM与GBM的术前分化的潜力，这可能会改善临床决策和脑肿瘤患者的结果。
社论：胰岛素抵抗和心血管疾病
糖尿病会影响全球4.25亿个人，预计在未来20年中，数字将增加到6亿人（1）。在1型糖尿病（T1D）中，患者经历胰岛素产生降低引起的胰岛素缺乏症，而在2型糖尿病（T2D）中，患者经历了胰岛素抵抗（IR），通常与肥胖有关（2）。导致IR发展的主要因素是增加氧化应激，高血糖和脂质水平升高（3）。尽管有助于控制血糖水平的疗法进步，但心血管并发症仍然是该人群发病率和死亡率的主要原因（2、4、5）。在心脏中，IR会导致钙处理，线粒体功能障碍和代谢不足的失调，导致一系列病理，其中包括心肌 - 心脏情感功能障碍，舒张性障碍功能障碍，心肌细胞死亡，心肌死亡和内膜骨化（6，7，7，7，7，7，7）。与IR相关的血管事件通常与高血压和增强的血栓形成环境有关（8、9）。虽然阻塞性血凝块可以导致心肌梗塞，脑血管事件或关键的肢体缺血，并且由于血小板与止血蛋白之间的复杂相互作用而发生（10）。在这种高度异质的人群中，发展此类并发症的风险是可变的，并取决于一系列因素，包括年龄，糖尿病持续时间，血糖控制和IR。在内分泌学领域的这一研究主题中，我们介绍了8篇文章，旨在探索IR与心血管健康之间的关系。他等人。动脉硬化是糖尿病的众所周知的并发症（11）。检查了放射线间脂肪组织（IMAT）分析是否可以用作指示T2D患者动脉硬化的诊断措施。总共包括549例新诊断的T2D患者，并使用颈动脉斑块负担来表明动脉粥样硬化。构建了三个模型以评估动脉粥样硬化的风险：临床模型，一个放射组学模型（基于胸部CT图像的IMAT分析）和临床放射线组合组合模型（一种整合临床放射学特征的模型）。使用曲线和DELONG测试下的区域比较了这三个模型的性能。临床 - 放射线组合模型和放射线学模型表明，在表明动脉粥样硬化方面的性能更好。作者