XiaoMi-AI文件搜索系统
World File Search System断层
多发性骨髓瘤中的免疫正电子发射断层扫描 (PET) 是什么？那又怎么样？现在怎么办？
1 CRCINA、INSERM、CNRS、昂热大学、南特大学，44093 南特，法国； clement.bailly@chu-nantes.fr (CB); benjamin.chalopin@yahoo.fr (BC); sebastien.gouard@univ-nantes.fr（新加坡）； thomas.carlier@chu-nantes.fr (TC)； patricia.lesaec@univ-nantes.fr (PR-LS); severine.marionneau-lambot@univ-nantes.fr (SM-L.); francoise.bodere@chu-nantes.fr (FK-B.); caroline.milin@chu-nantes.fr（CB-M.）2 核医学科，南特大学医院，44093 南特，法国 3 血液学科，南特大学医院，44093 南特，法国；philippe.moreau@chu-nantes.fr（PM）；cyrille.touzeau@chu-nantes.fr（CT）4 核医学科，ICO-Ren é Gauducheau 癌症中心，44800 Saint-Herblain，法国* 通讯地址：michel.cherel@univ-nantes.fr；电话：+ 33-228-080-245；传真：+ 33-228-020-204 † 这些作者对这项工作做出了同等贡献。
基于稀疏视图计算机断层扫描
摘要提出了一种新的稀疏 - 视图计算机断层扫描重建方法，该方法利用了变压器网络的恢复能力，特别是基于Swin Transformer的图像重建网络SWINIR。我们的方法包括三个关键块：通过线性插值来提高采样，使用两者中深度学习的初始重建以及残留的细化。测试了两个架构：一个长期的架构，该结构在残留细化块的两个域中使用神经网络，而在正式结构域中仅使用网络的网络进行了简短。用swinir和u-net测试了每种方法，从而产生了四种变体，所有这些方法在PSNR和SSIM方面都优于FBP和SIRT（例如FBP和SIRT）。使用Swinir的短体系结构取得了最佳结果，其训练和计算时间小于基于Swinir的长架构，但比两个基于U-NET的变体都大。
tomocpt：一种可概括的模型，用于3D粒子检测和在低温电子断层图中的定位
冷冻电子断层扫描是一个快速发展的领域，用于研究其天然环境中的宏观复合物，并有可能彻底改变我们对蛋白质功能的理解。然而，在低温图中，快速准确地识别颗粒是具有挑战性的，它代表了下游过程中的显着瓶颈，例如亚图平均图。在这里，我们提出了tomocpt（断层式质心预测工具），这是一种基于变压器的解决方案，该解决方案将粒子检测重新探测为使用高斯标签的质心预测任务。我们的方法是建立在Swinunetr架构的基础上的，它表现出了卓越的性能，而二进制标签策略和模板匹配都相比。我们表明，tomocpt通过零弹性推断有效地将新型粒子类型推广到新颖的粒子类型，并且可以通过有限的数据进行微调来显着增强。The efficacy of tomoCPT is validated using three case studies: apoferritin, achieving a resolution of 3.0 A ˚ compared with 3.3 A ˚ using template matching, SARS-CoV-2 spike proteins on cell surfaces, yielding an 18.3 A ˚ resolution map where template matching proved unsuccessful, and rubisco molecules within carboxysomes, reaching 8.0 A ˚ resolution.这些结果证明了Tomocpt处理各种场景的能力，包括密集的环境和膜结合的蛋白质。该工具作为命令行计划的实现，再加上其微调数据要求，使其成为高通量冷冻数据处理工作流的实用解决方案。
高能双能计算机断层扫描，用于表征大而厚的物体
通常的计算机断层扫描（CT）系统提供有关组成对象的材料的布局和性质的信息。但是，此信息仅限于材料的明显线性衰减µ。要以有效的原子数z eff和电子密度ρe的形式达到更精确和准确的描述，可以使用双能量成像。常规的双能计算机计算机（DECT）技术是：（a）进行预处理的双能数据集并执行常规CT重建[1]，（b）重建双能量数据集并分析获得的线性衰减数据集的比例，并在A上进行了一定的材料[2，3]和（C）[2，3]，3]和（C） [4-6]。第二种技术相对方便地设置，但并非完全独立于能量。第三种技术已被证明相当有效；但是，它提出了一个用于分解的材料基础选择的问题。检查由大量不同材料组成的复杂物体时，此选择可能至关重要。因此，这项工作着重于将第一个技术扩展到高能，因为它不需要对材料进行任何假设，并通过系统频谱响应考虑了光束硬化效应。DEV源通常是X射线管，将诊断能范围限制在几百kV中。对于大而厚的物体，必须具有等效的X射线衰减，高达1 m的混凝土，高能（> 6 mV）的扫描仪是强制性的。[1]和Azevedo等。[7]需要扩展。在这样的能量下，E + E - 对生产优先于光电效果，而Alvarez等人启动了双能分解的工作。由于E + E - 对生产横截面𝜎 𝜎没有分析公式，该模型以第二阶多项式𝑔𝑔（）的形式将贡献与原子数Z分开，并从能量E分开，并提出了第三阶多项式𝑔𝑃𝑃（）和第三阶多项式1𝑓（and）。
利用 X 射线相位对比断层扫描进行脑虚拟组织学研究第二部分：阿尔茨海默病模型中淀粉样斑块的 3D 形态
1 大学里昂，里昂神经科学研究中心，CNRS UMR5292，INSERM U1028，克劳德贝尔纳里昂第一大学，里昂，法国 2 UR BIA； BIBS 设施，INRAE，法国南特 3 巴斯克大学（UPV/EHU），西班牙圣塞瓦斯蒂安 4 Ikerbasque，巴斯克科学基金会，西班牙毕尔巴鄂 5 多诺斯蒂亚国际物理中心 (DIPC)，西班牙圣塞瓦斯蒂安 6 大学。里昂，CREATIS；法国国立科学研究院 UMR5220；法国健康与医学研究院 U1044里昂国立应用科学学院；大学里昂第一大学，里昂，法国 7 大学曼彻斯特，生物医学与健康学院，沃尔夫森分子成像中心，曼彻斯特，英国 8 大学。里昂，CRCL；法国健康与医学研究院 U1052 CNRS UMR5286；大学里昂 1；法国里昂 Léon Bérard 中心 9 大学里昂，ANSES，里昂，法国 10 大学。里昂，里昂民事临终关怀院，里昂，法国 11 大学。格勒诺布尔阿尔卑斯大学，INSERM UA07 Strobe 格勒诺布尔，法国 12 大学。克莱蒙奥弗涅，帕斯卡研究所；法国国立科学研究院 UMR 6602； SIGMA Clermont，克莱蒙费朗，法国 13 大学里昂，CarMeN 实验室；法国健康与医学研究院 U1060法国农业科学研究院 U1397；法国里昂临终关怀院 14 法国里昂国家科学研究院 15 现隶属关系：加拿大安大略省渥太华渥太华医院及渥太华大学医学院 16 以下作者对本文贡献相同 * chauveau@cermep.fr
多层 CdHgTe 基红外探测器：2D/3D 微断层扫描、同步辐射和室温及 100 K 下应力分布的有限元建模
在几种温度下加工后，对基于 CdHgTe 的红外探测器的机械行为进行了评估，以确定热机械负荷对残余应力和可靠性的影响。首先，依靠 SEM、X 射线微层析成像和衍射分析，对探测器的结构进行了全面表征，以便了解所有组成层（特别是铟焊料凸块）的性质、形态和晶体取向。结果特别显示了铟凸块的意外单晶外观，具有可重复的截锥形几何形状。为了获得加工后结构在工作温度范围内（从 430 K 到 100 K）的热机械响应，随后开发了一个 3D 有限元模型。正如预期的那样，数值结果显示，从高温到低温，结构中的应力梯度发生了变化，在 100 K 时，CdHgTe 中的局部高应力约为 30 MPa，这主要是由于不同层之间的热膨胀系数不匹配。它们强调了凸块的几何形状和单晶性质以及不同材料的行为规律的重大影响。
使用计算机断层扫描估算家猫（Felis Catus）中的内族量
在驯化过程中，大多数哺乳动物都观察到大脑和内部体积大小的变化。然而，尽管将驯养物种与野生亲戚进行比较，但很少有研究重点关注驯养品种之间的差异，尤其是在猫中。在这项研究中，我们使用从计算机断层扫描（CT）图像获得的虚拟内媒体估算了两种不同的家猫品种（Felis Catus）的内族体积。我们的分析没有揭示英国毛道和苏格兰褶皱在内政量上之间的任何显着差异。此外，我们发现了先前使用珠方法从家猫获得的体积的相似结果。尽管这些结果仅代表了整个CAT繁殖多样性的有限样本，但我们希望它们将有助于我们对驯化过程中大脑体积的宏观进化变化的理解。
![神经胶质细胞成像区分多系统萎缩和帕金森病：利用 [ 11 C ] PBR28 和机器学习分析进行正电子发射断层扫描研究](/simg/d/dbe141be97bad77b0a6908bb6f02f4c86eeef9b4.png)
神经胶质细胞成像区分多系统萎缩和帕金森病：利用 [ 11 C ] PBR28 和机器学习分析进行正电子发射断层扫描研究
1 PET 科学中心、个性化医疗和生物样本研发部、阿斯利康公司，瑞典斯德哥尔摩 2 临床神经科学系、精神病学研究中心、卡罗琳斯卡医学院，瑞典斯德哥尔摩 3 陶布研究所、神经病学系、哥伦比亚大学欧文医学中心，美国纽约 4 Invicro，英国伦敦 5 神经影像科学中心、精神病学、心理学和神经科学研究所、伦敦国王学院，英国伦敦 6 耶鲁大学 PET 中心，美国康涅狄格州纽黑文 7 图尔库 PET 中心、图尔库大学和图尔库大学医院，芬兰图尔库 8 研发部、阿斯利康公司，美国马萨诸塞州沃尔瑟姆 9 临床神经科学系、卡罗琳斯卡医学院，瑞典斯德哥尔摩 10 法国 MSA 参考中心、临床研究中心 CIC1436、神经科学和临床药理学系、NeuroToul COEN 中心，UMR 1 214-ToNIC 和图卢兹大学医院、INSERM 和图卢兹 3 大学，法国图卢兹 11 CRMR AMS，神经病学-神经变性疾病服务中心，CHU Bordeaux，法国波尔多 12 波尔多大学，CNRS，IMN，UMR 5293，法国波尔多 13 奥塔哥大学医学系，新西兰基督城脑研究所，新西兰基督城 14 萨勒诺大学神经退行性疾病中心，意大利萨勒诺 15 因斯布鲁克医科大学神经病学系，奥地利因斯布鲁克 16 纽约大学格罗斯曼医学院医学系，美国纽约 17 因斯布鲁克医科大学神经病学系临床神经生物学分部，奥地利因斯布鲁克
19 例脑转移瘤二次复发后采用螺旋断层放疗为基础的大分割立体定向放射治疗进行再放疗
约 40% 的肺癌病例在治疗过程中出现脑转移 (BM) (1)。此外，患有 BM 的肺腺鳞癌 (ASC) 患者的中位生存期仅为 4 个月 (2)。随着放射技术的进步，毒性逐渐降低，用于预防和治疗 BM 的放射治疗持续受到关注 (3)。立体定向放射治疗 (SRT) 在过去的半个世纪中取得了进展，其观点逐渐转变，挑战了 BM 的常规全脑放射治疗 (WBRT) 实践 (4)。SRT 包括常规单次分割立体定向放射外科 (SF-SRS) 和低分割立体定向放射治疗 (HSRT) (5)。重复 SRT 可确保较高的局部控制 (LC) 率，尽管存在放射性坏死 (RN) (6) 的风险，这种风险通常是继发于神经认知缺陷和降低
使用计算机断层扫描成像的肝细胞癌检测中深度学习应用的诊断性能
抽象背景/目的：肝细胞癌（HCC）是一种普遍的癌症，主要是由于其晚期诊断而在全球范围内显着促进死亡率。早期检测是至关重要但充满挑战的。这项研究利用深度学习（DL）技术的潜力，仅采用您看一次（Yolo）结构，以增强计算机断层扫描（CT）图像中HCC的检测，旨在改善早期诊断，从而改善患者的结果。材料和方法：我们使用了来自122名患者的1290个CT图像的数据集，根据标准的70:20:10分割，用于训练，验证和测试阶段。基于YOLO的DL模型接受了这些图像的培训，随后进行了验证和测试阶段，以全面评估该模型的诊断能力。结果：该模型表现出非凡的诊断准确性，精度为0.97216，召回0.919，总体精度为95.35％，显着超过了传统的诊断方法。它达到了95.83％的特异性和94.74％的敏感性，证明了其在临床环境中的有效性以及降低遗漏诊断和不必要的干预措施的潜力。结论：用于检测CT扫描中HCC的YOLO体系结构的实施显示了很大的希望，表明DL模型很快可能成为肿瘤学诊断的标准工具。关键词：人工智能，计算机断层扫描，深度学习，肝细胞癌，肝癌随着人工智能技术的不断发展，预计其整合到医疗保健系统中，将提高肿瘤学诊断的准确性和效率，增强早期检测和治疗策略，并可能提高患者的存活率。