XiaoMi-AI文件搜索系统
World File Search System病变
与脑白质病变和炎症过程相关的microRNA mir-425-5p
1 Department of Psychiatry and Psychotherapy, University Medicine Greifswald, 17475 Greifswald, Germany 2 German Centre for Neurodegenerative Diseases (DZNE), Site Rostock/Greifswald, 17475 Greifswald, Germany 3 Interfaculty Institute for Genetics and Functional Genomics, University Medicine Greifswald, 17475 Greifswald, Germany 4 German Centre对于心血管研究（DZHK），合作伙伴网站Greifswald，17475年德国格里夫斯瓦尔德； matthias.nauck@med.uni-greifswald.de（m.n。）5诊断放射学和神经辐射研究所，大学医学，格里夫斯瓦尔德大学，17475年，德国格里夫斯瓦尔德，6临床化学和实验室医学研究所，大学医学，格雷夫斯瓦尔德大学，17475年，德国格里夫斯瓦尔德，德国格雷夫斯瓦尔德，德国7研究院7研究院，社区医学，格雷夫斯瓦尔德大学，17475年，格雷夫斯瓦尔德，格雷夫斯瓦尔德，德国，德国，德国 * auweras@uni-greifswald.de;电话。 ： +49-3834-8669205诊断放射学和神经辐射研究所，大学医学，格里夫斯瓦尔德大学，17475年，德国格里夫斯瓦尔德，6临床化学和实验室医学研究所，大学医学，格雷夫斯瓦尔德大学，17475年，德国格里夫斯瓦尔德，德国格雷夫斯瓦尔德，德国7研究院7研究院，社区医学，格雷夫斯瓦尔德大学，17475年，格雷夫斯瓦尔德，格雷夫斯瓦尔德，德国，德国，德国 * auweras@uni-greifswald.de;电话。： +49-3834-866920
人乳头瘤病毒疫苗在宫颈病变治疗中的应用
人乳头瘤病毒 (HPV) 与宫颈癌前病变和宫颈癌 (CC) 的发展有关。预防性 HPV 疫苗接种可诱导产生特定的记忆免疫反应，一旦自然感染发生，即可促进 HPV 消除。目前，除了预防性疫苗外，治疗性疫苗也正在开发和研究，目的是诱导免疫反应，从而消除 HPV 感染的细胞。本研究的目的是描述治疗性疫苗的使用及其对宫颈癌前病变影响的现有证据，以制定其临床使用建议。到目前为止，已产生结果的研究表明预防性疫苗在感染和癌前病变管理中的边际有益作用。根据证据，建议继续研究治疗性疫苗治疗宫颈上皮内病变的有效性和安全性。不建议使用 HPV 预防疫苗治疗已有病变，但建议使用疫苗预防新病变。（REV INVEST CLIN. 2020；72(4):239-49）
半径优化的高效模板匹配用于脑图像病变检测
摘要 — 为了快速自动诊断神经疾病，需要从体积磁共振成像 (MRI) 中计算机辅助检测脑损伤。模板匹配技术可以为脑损伤的自动定位提供满意的结果；然而，找到使模板和损伤相似度最大化的最佳模板大小仍然具有挑战性。这增加了算法的复杂性和对计算资源的要求，同时使用了三维 (3D) 模板处理大型 MRI 体积。因此，需要降低模板匹配的计算复杂度。在本文中，我们首先提出了一个数学框架，用于计算归一化互相关系数 (NCCC) 作为 MRI 体积和近似 3D 高斯模板之间的相似性度量，具有线性时间复杂度，而不是传统的基于快速傅里叶变换 (FFT) 的方法，其复杂度为，其中是图像中的体素数，是尝试的模板半径的数量。然后，我们提出一个数学公式来分析估计图像中每个体素的最佳模板半径，并计算具有位置相关最佳半径的 NCCC，从而将复杂度降低到。我们在一个合成和两个真实的多发性硬化症数据库上测试了我们的方法，并将其在病变检测中的性能与 FFT 和最先进的病变预测算法进行了比较。我们通过实验证明了所提出的方法在脑病变检测中的效率及其与现有技术相当的性能。索引术语 – 脑病变检测、计算复杂度、FFT、MRI、NCCC、模板匹配。
半径优化的高效模板匹配用于脑图像病变检测
摘要 — 为了快速自动诊断神经疾病，需要从体积磁共振成像 (MRI) 中计算机辅助检测脑损伤。模板匹配技术可以为脑损伤的自动定位提供满意的结果；然而，找到使模板和损伤相似度最大化的最佳模板大小仍然具有挑战性。这增加了算法的复杂性和对计算资源的要求，同时使用了三维 (3D) 模板处理大型 MRI 体积。因此，需要降低模板匹配的计算复杂度。在本文中，我们首先提出了一个数学框架，用于计算归一化互相关系数 (NCCC) 作为 MRI 体积和近似 3D 高斯模板之间的相似性度量，具有线性时间复杂度，而不是传统的基于快速傅里叶变换 (FFT) 的方法，其复杂度为，其中是图像中的体素数，是尝试的模板半径的数量。然后，我们提出一个数学公式来分析估计图像中每个体素的最佳模板半径，并计算具有位置相关最佳半径的 NCCC，从而将复杂度降低到。我们在一个合成和两个真实的多发性硬化症数据库上测试了我们的方法，并将其在病变检测中的性能与 FFT 和最先进的病变预测算法进行了比较。我们通过实验证明了所提出的方法在脑病变检测中的效率及其与现有技术相当的性能。索引术语 – 脑病变检测、计算复杂度、FFT、MRI、NCCC、模板匹配。
自体软骨细胞植入用于关节关节软骨病变
受损的关节软骨通常无法自行愈合，并且可能与疼痛，功能丧失和残疾有关，并且可能会导致骨关节炎会随着时间的流逝而使人衰弱。这些表现会严重损害患者日常生活的活动，并对生活质量产生不利影响。常规治疗方案包括缩写，软骨下钻孔，微裂和磨蚀性置换术。清创术涉及去除滑膜，骨质植物，松散的关节碎片和患病的软骨，并能够产生症状缓解。软骨下钻孔，微裂缝和磨蚀性关节置换术试图通过诱导纤维球脂肪的生长到软骨缺陷中来恢复关节表面。与原始的透明软骨相比，纤维球杆菌具有承受冲击力或剪切力的能力较小，并且可以随着时间的流逝而退化，通常会导致临床症状恢复。骨软骨移植物和ACI尝试再生透明的软骨，从而恢复耐用的功能。
多变量病变症状映射，以预测从失语症中恢复的轨迹
中风后失语症的人倾向于在某种程度上恢复其语言；但是，可靠地预测长期将发生的恢复的性质和程度仍然充满挑战。这项研究的目的是定量预测语言结果的第一年，从多个语言的多个领域和中风后多个时间点恢复。我们招募了217名失语症患者，急性左半球缺血或出血性中风，并使用快速的Aphinia电池急性电池评估了他们的语音和语言功能，然后在势利点最多获得纵向后续数据，最多三个时间点：1个月（n = 102）（n = 102），3个月（n = 98）（n = 98）（n = 98）和1年（n = 74）（n = 74）。我们使用支持矢量回归来使用急性临床成像数据，人口统计学变量和初始失语症的严重程度作为输入来预测每个时间点的语言结果。我们发现，可以使用这些模型来预测长期（1年）失语症的60％的差异，并具有有关病变位置的详细信息，重要的是有助于这些预测。在1个月和3个月的时间点上的预测基于病变位置的准确性较小，但在模型中包括初始APHA SIA的严重性时，在1年时间点的预测中达到了可比的准确性。语言的特定子域除了总体严重程度外，还具有不同的准确性，但通常相似的准确性。我们的发现证明了使用支持矢量回归模型具有带有一方面的交叉验证的可行性，以对长期恢复失语症进行个性化预测，并提供有价值的神经解剖基线，以在此基准上建立未来模型，并将未来的模型纳入超出神经解剖学和人际预测因素以外的信息。
自体软骨细胞植入用于关节关节软骨病变
专业 /机构原始生效日期：2006年10月1日最新审查日期：2024年5月28日，当前生效日期：2020年4月8日，州和联邦授权和健康计划成员合同，包括特定的规定 /排除措施，优先于医疗政策，必须首先被视为确定承保资格的资格。要验证会员的福利，请联系堪萨斯州客户服务的Blue Cross和Blue Shield。本文包含的BCBSKS医疗政策是为了信息目的，仅适用于通过BCBSK拥有健康保险或由BCBSK管理的自保组计划所涵盖的成员。FEP成员的医疗政策受FEP医疗政策的约束，这可能与BCBSK医疗政策不同。医疗政策不构成医疗建议或医疗服务。治疗医疗保健提供者是独立承包商，既不是堪萨斯州的蓝十字和蓝盾的雇员，也不是诊断，治疗和医疗建议。如果您的患者在不同的蓝色十字和蓝盾计划中涵盖，请参考该计划的医疗政策。
量子驱动的深度学习可增强糖尿病视网膜病变检测
传统卷积神经网络 (CNN) 已显示出识别糖尿病 (DR) 引起的视网膜病变的潜力。然而，发展量子计算有可能改善特征表示。我们提出了一种混合方法，将经典 CNN 与量子电路相结合，利用经典和量子信息进行 DR 分类。使用 Keras 和 Qiskit 框架，我们的模型将图片特征编码为量子态，从而实现更丰富的表示。通过对一系列视网膜图片的实验，我们的模型表现出了竞争力，在对 DR 严重程度进行分类方面具有出色的可靠性和准确性。这种经典和量子范式的结合为增强 DR 诊断和治疗提供了一种新方法。
使用生活方式和脑部病变的多模式痴呆识别，机器学习方法
痴呆症诊断通常依赖于限制访问早期筛查的昂贵和侵入性神经影像学技术。这项研究提出了一种创新的方法，用于使用可访问的生活方式和脑成像因子估算扩散张量成像（DTI）测量方法来促进早期痴呆症筛查。常规DTI分析虽然有效，但通常会受到高成本和有限的可访问性的阻碍。为了应对这一挑战，模糊的减法聚类确定了14个有影响力的变量，从生活方式中，用于脑健康，脑部萎缩和病变索引框架，包括人口统计学，医疗状况，生活方式因素和结构性脑标记。使用这些选定的变量开发了多层感知器（MLP）神经网络，以预测分数各向异性（FA），这是反映白质完整性和认知功能的DTI度量。MLP模型实现了有希望的结果，在FA预测的测试集中，平均平方误差为0.000 878，证明了其准确的DTI估计潜力，而无需昂贵的神经影像学技术。数据集中的FA值范围为0到1，较高的值表示更大的白质完整性。因此，平均平方误差为0.000 878表明与观察到的FA值相比，模型的预测高度准确。这种多因素方法与当前对痴呆症复杂病因的理解相吻合，受到各种生物学，环境和生活方式因素的影响。通过将随时可用的数据集成到预测模型中，该方法可以为早期痴呆症风险评估进行广泛的，具有成本效益的筛查。建议的无障碍筛查工具可以促进公共卫生计划中的及时干预，预防策略和有效的资源分配，最终改善患者的结果和照料者负担。
布鲁顿 ASPEN 第三阶段研究中的周围神经病变...
BH：研究经费：AbbVie、Century Therapeutics、Oncternal Therapeutics、Roche；咨询委员会：阿斯利康、百济神州、Epizyme, Inc. SO：咨询费：AbbVie、Antengene、阿斯利康、百济神州、BMS、CSL Behring、Gilead、Merck、Novartis、Janssen、Roche、Takeda；研究经费：AbbVie、阿斯利康、百济神州、BMS、Gilead、Janssen、Merck、Novartis、Pharmacyclics、罗氏、武田；酬金：AbbVie、阿斯利康、百济神州、BMS、Gilead、Janssen、Merck、诺华、罗氏、武田；在提交的作品之外担任实体董事会或咨询委员会成员：AbbVie、阿斯利康、百济神州、BMS、Gilead、Janssen、Merck、诺华、罗氏、武田。 BEW：股票：Genmab。MD：顾问委员会和酬金：安进、艾伯维、BMS、百济神州、杨森、葛兰素史克、美纳里尼、武田、再生元、赛诺菲。JJC：研究资金：艾伯维、阿斯利康、百济神州、Cellectar、Loxo、Pharmacyclics；咨询：艾伯维、阿斯利康、Avilar、百济神州、Cellectar、杨森、Kite、Loxo、Mustang Bio、Pharmacyclics。AT：咨询：百济神州、阿斯利康、艾伯维、杨森；酬金：百济神州、阿斯利康、艾伯维、杨森；演讲者局：百济神州、阿斯利康、艾伯维、杨森；差旅、住宿、费用：百济神州、阿斯利康、艾伯维、杨森。 CST：研究经费：杨森、艾伯维、百济神州；酬金：杨森、艾伯维、百济神州、Loxo、阿斯利康。CB：咨询、酬金、顾问委员会、差旅费：罗氏/基因泰克、杨森、百济神州、诺华、辉瑞、因塞特、艾伯维、吉利德、Celltrion、MorphoSys、再生元、Sobi、礼来。RGO：咨询：百济神州、杨森；酬金：百济神州、杨森、阿斯利康；会议/差旅：百济神州。VL：咨询：百济神州、艾伯维、杨森、默沙东；酬金：辉瑞、百济神州、阿斯利康、安进。JT：研究经费：百济神州、杨森、Pharmacyclics、罗氏、Celgene/BMS、Selectar；顾问委员会：百济神州。 GB 和 JS：就业：百济神州。WYC：就业：百济神州；股权持有人：百济神州、BMS。HA：就业，上市公司股权持有人：百济神州、Nkarta Therapeutics；专利和特许权使用费：圣犹达儿童研究医院。AC：顾问和股权持有人：百济神州。JVM：顾问：百济神州 WM 咨询委员会。