XiaoMi-AI文件搜索系统
World File Search System核上
使用无监督机器学习揭示进行性核上性麻痹的萎缩时空模式
我们的队列包括 426 例进行性核上性麻痹病例，其中 367 例至少接受过一次随访扫描，另 290 例为对照。在进行性核上性麻痹病例中，357 例临床诊断为进行性核上性麻痹 - 理查森综合征，52 例为进行性核上性麻痹 - 皮质变异（进行性核上性麻痹 - 额叶、进行性核上性麻痹 - 言语/语言或进行性核上性麻痹 - 皮质基底节），17 例为进行性核上性麻痹 - 皮质下变异（进行性核上性麻痹 - 帕金森病或进行性核上性麻痹 - 进行性步态冻结）。亚型和分期推断应用于从基线结构（T1 加权）MRI 扫描中提取的体积 MRI 特征，然后用于对随访扫描进行亚型和分期。随访中的亚型和分期用于验证亚型和分期分配的纵向一致性。我们进一步比较了每种亚型的临床表型，以深入了解进行性核上性麻痹病理、萎缩模式和临床表现之间的关系。
进行性核上性麻痹脑容量变化的数据驱动模型
进行性核上性麻痹最常见的临床表型是理查森综合征，其特征是对左旋多巴无反应的对称性帕金森病，伴有垂直核上性凝视麻痹、早期跌倒和认知障碍。目前尚无对进行性核上性麻痹疾病病理生理学完整序列的详细了解。确定进行性核上性麻痹的脑萎缩序列可以为疾病进展机制提供重要见解，并指导患者分层和临床试验监测。我们将基于事件的概率模型应用于大型国际队列的横断面结构 MRI 扫描，以确定临床诊断的进行性核上性麻痹理查森综合征的脑萎缩序列。共有 341 名理查森综合征患者（其中 255 人接受了 12 个月的随访影像学检查）和 260 名对照者被纳入研究。我们结合使用了 12 个月的随访 MRI 扫描和经过验证的临床评分（进行性核上性麻痹评分量表）来证明基于事件的模型分期系统的纵向一致性和实用性。基于事件的模型估计最早的萎缩发生在脑干和皮质下区域，然后向尾部进展到小脑上脚和小脑深部核，并向前端进展到皮质。皮质萎缩的顺序从前到后，从岛叶开始，然后是额叶，最后扩散到颞叶、顶叶，最后是枕叶。这种体内顺序与进行性核上性麻痹的死后神经病理学分期相符，并且在交叉验证下是稳健的。利用 12 个月随访扫描的纵向信息，我们证明受试者在此时间间隔内持续进入后期阶段，支持了该模型的有效性。此外，临床严重程度（进行性核上性麻痹评分量表）和疾病持续时间与预测的受试者基于事件的模型阶段显著相关（P ，0.01）。我们的研究结果为进行性核上性麻痹的萎缩进展顺序提供了新的见解，并提供了潜在的实用性，可根据疾病阶段对进入临床试验的此病患者进行分层，以及跟踪疾病进展。
核上性麻痹 - 伦敦大学学院发现
由儿童健康研究所/伦敦大学学院用户于 2022 年 4 月 26 日从 https://academic.oup.com/braincomms/advance-article/doi/10.1093/braincomms/fcac098/6568415 下载
模块化基因共表达网络分析揭示阿尔茨海默病和进行性核上性麻痹背后的分子通路
全面了解神经退行性疾病不同阶段所涉及的病理机制是预防和改善疾病治疗的关键。患病大脑中的基因表达改变是有关受病理影响的生物过程的潜在信息来源。在这项工作中，我们对被诊断为阿尔茨海默病 (AD) 或进行性核上性麻痹 (PSP) 的人类患者与淀粉样变性和 tau 蛋白病的动物模型大脑中的基因表达改变进行了系统比较。使用系统生物学方法揭示与基因表达改变相关的生物过程，我们可以精确地指出与 tau 蛋白病/PSP 和淀粉样变性/AD 更密切相关的过程。我们发现与免疫炎症反应相关的基因表达改变在年轻人中占主导地位，而与突触传递相关的基因表达改变主要在老年 AD 患者中观察到。然而，在 PSP 中，与免疫炎症反应和突触传递相关的变化重叠。在 AD 和 PSP 大脑中观察到的这两种不同模式分别在淀粉样变性和 tau 蛋白病的动物模型中得到了很好的再现。此外，在 AD 中，而不是在 PSP 或动物模型中，与 RNA 剪接相关的基因表达改变非常普遍，而与髓鞘形成相关的基因表达改变在 AD 和 PSP 中都很丰富，但在动物模型中却没有。最后，我们在细胞类型特异性共表达模块中确定了 12 个 AD 和 4 个 PSP 遗传风险因素，从而有助于揭示这些基因在发病机制中的可能作用。总之，这项工作有助于揭示受淀粉样蛋白和 tau 病理影响的潜在生物学过程以及它们如何导致 AD 和 PSP 的发病机制。
通过亚型和分期推断揭示皮层基底节综合征和进行性核上性麻痹的脑萎缩时间进展模式 (SuStaIn)
区分表现为皮层基底节综合征 (CBD-CBS) 的皮层基底节变性与伴有理查森综合征的进行性核上性麻痹 (PSP-RS)，尤其是在早期阶段，通常很困难，因为这两种神经退行性疾病在临床表现和病理方面非常相似。尽管已经对 CBS 和 PSP-RS 患者的脑磁共振成像 (MRI) 体积测定进行了研究，但评估脑萎缩进展的研究有限。因此，我们旨在纯粹基于横断面数据，使用亚型和阶段推断 (SuStaIn)——一种集成了聚类和疾病进展模型的新型无监督机器学习技术，揭示 CBS 患者和 PSP-RS 患者脑萎缩时间进展模式的差异。我们将 SuStaIn 应用于 25 名 CBS 患者、39 名典型 PSP-RS 患者和 50 名健康对照者的横断面区域脑体积，以估计 CBS 和 PSP-RS 两种疾病亚型和轨迹，它们具有不同的萎缩模式。将 CBS 和 PSP-RS 的进展模型和分类准确度与之前的研究进行比较，以评估 SuStaIn 的性能。SuStaIn 确定了 CBS 和 PSP-RS 脑萎缩的不同时间进展模式，这与之前的证据基本一致，在交叉验证下具有高可重复性（99.7%）。我们基于横断面结构性脑 MRI 数据对这些疾病进行了高精度（0.875）和高精度（分别为 0.680 和 1.000）分类，其精度高于之前研究的报告值。此外，SuStaIn 分期正确反映了疾病的严重程度，而无需疾病分期标签，例如疾病持续时间。此外，SuStaIn还表现出了分化能力
在第三个孕期中C肽的重新出现在1型糖尿病妊娠中：胰腺再生还是胎儿过度胰岛素？ 大脑体积的数据驱动模型变化的进行性核上麻痹 用于软机器人应用的弹性充气执行器 心脏的形成：在单细胞分辨率下定义心肌细胞祖细胞 大脑通信 零售供应链中的竞争合同设计需求不确定性
作者的完整清单：Meek，Claire;剑桥大学，代谢科学研究所； Addenbrooke医院，沃尔夫森糖尿病和内分泌部和临床生物化学。Oram，Richard A；皇家德文郡和埃克塞特医院，糖尿病研究系麦当劳，蒂莫西J；皇家德文郡和埃克塞特医院，糖尿病研究系； Denice糖尿病研究系Feig皇家德文郡和埃克塞特NHS基金会信托基金；西奈山医院 - 蒙特利尔哈特斯利，安德鲁·T；皇家德文郡和埃克塞特医院，糖尿病研究部墨菲，海伦R；东安格利亚大学，诺里奇医学院；伦敦国王学院，妇女和儿童健康系； Addenbrooke医院，沃尔夫森糖尿病和内分泌诊所Oram，Richard A；皇家德文郡和埃克塞特医院，糖尿病研究系麦当劳，蒂莫西J；皇家德文郡和埃克塞特医院，糖尿病研究系； Denice糖尿病研究系Feig皇家德文郡和埃克塞特NHS基金会信托基金；西奈山医院 - 蒙特利尔哈特斯利，安德鲁·T；皇家德文郡和埃克塞特医院，糖尿病研究部墨菲，海伦R；东安格利亚大学，诺里奇医学院；伦敦国王学院，妇女和儿童健康系； Addenbrooke医院，沃尔夫森糖尿病和内分泌诊所
利用机器学习进行多模态 MRI 鉴别帕金森病和进行性核上性麻痹的效用
经典帕金森病 (PD) 和进行性核上性麻痹 (PSP)（尤其是理查森综合征 (PSP-RS)）的早期鉴别诊断通常受到症状特征重叠的限制，现有的临床评分或既定的诊断方法无法有效捕捉这些症状特征。在这种情况下，即使是运动障碍专家也报告了高达 24% 的失败率 ( 1 )。在临床实践中，PD 和 PSP-RS 的诊断主要基于临床检查，包括主要特征、对左旋多巴的反应以及统一 PD 评定量表 (UPDRS) ( 2 ) 等既定评分。然而，由于临床症状明显重叠且床边检查准确性不足，鉴别诊断通常具有挑战性，尤其是在疾病早期。准确的早期诊断与通过适当的药物管理、患者护理方案更好地管理疾病密切相关，并且可能显著改善疾病预后。此外，识别早期疾病表现可能带来更有针对性的药物疗法，并推动在这一领域开发更有效的药物疗法。在这方面，使用各种磁共振成像 (MRI) 模式，如 T1 加权 ( 3 , 4 )、T2 加权 ( 5 , 6 ) 和扩散张量 MRI (DTI) ( 7 , 8 ) 进行的分组研究显示，PD 和 PSP-RS 患者与健康对照 (HC) 受试者之间存在显著差异。这些差异表明区域脑容量、脑铁代谢和微结构脑组织退化发生了改变，所有这些都与 PD 和 PSP-RS 与 HC 受试者相比的神经退行性特征密切相关 ( 9 – 11 )。监督式机器学习技术能够识别高维数据中的复杂模式，而识别出的模式可用于对新的未知病例做出针对特定患者的预测 (12)。机器学习已成功用于解决各种精准医疗问题 (13)，多项研究尝试利用上述分组研究获得的特征对个体 PD 和 PSP-RS 患者进行分类 [例如 (14-16)]。然而，到目前为止，只有少数科学研究真正尝试利用多模态成像特征的力量来改善 PD 和 PSP-RS 患者的鉴别分类 [例如 (17、18)]。此外，与单模态成像信息相比，多模态成像的真正优势尚未详细探讨。因此，本研究旨在提出一个全面的端到端框架，使用 T1 加权、T2 加权和 DTI 数据集对 PD 患者、PSP-RS 患者和 HC 受试者进行分类，并评估使用单个单模态特征和多模态特征训练的最佳机器学习模型的准确性。
大脑体积的数据驱动模型变化的进行性核上麻痹
20世纪的机器人系统是用僵硬的材料制成的，该领域的许多开发项目都越来越准确，充满活力的机器人，这些机器人在工业自动化环境中蓬勃发展，并且可能会在未来几十年中继续这样做。但是，21世纪的机器人遗产很可能会成为软机器人的遗产。这个新兴域的特征是连续软结构，同时履行机器人链路和机器人执行器的作用，其中主要重点是机器人硬件的设计和制造而不是软件控制以实现所需的操作。这些机器人预计将在经典机器人失败的精致任务中扮演重要角色，例如在微创手术，主动的假肢和涉及微妙不规则物体的自动化任务中。这些机器人开发的核心是制造软动力器以产生运动。本文回顾了一种由加压流体驱动的一种特别有吸引力的软执行器。由于技术从更好的仿真工具和新的制造技术推动，包括软光刻和添加剂制造，另一方面，这些执行器一方面获得了大量的吸引力，另一方面是从上面列出的应用程序中提取的市场。本文概述了不同的高级软执行器配置，其设计，制造和应用。