XiaoMi-AI文件搜索系统
World File Search System眼脑
微重力中的眼脑轴及其对太空相关的神经 - 眼综合征的影响
长期的人类空间传播会导致眼睛和大脑的变化，这些空间被称为空间 - 空间相关的神经眼综合征（SANS）。这些变化可能表现为症状的星座，其中可能包括视盘水肿，视神经鞘延伸，脉络膜褶皱，地球量，触角偏移，远视和棉质羊毛斑点。尽管尚不清楚SAN的基础机制，但在微重力诱导的头部液体移位后，贡献者可能包括颅内间质流体积累。对SAN的对策的开发和验证有助于我们对病因的理解，并加速了新技术，包括运动方式，下半身负压套件，静脉大腿袖口和阻抗阈值设备。然而，仍然存在显着的知识差距，包括生物标志物，一组完整的对策和/或治疗方案以及最终可靠的基于地面的类似物，以加速研究。欧洲航天局SANS专家小组的这项审查总结了过去的研究和当前有关SAN，潜在对策和关键知识差距的知识，以进一步我们在人类太空中对SAN的理解，预防和治疗，既可以进行人类空间和未来的外地地面探索。
研究论文 通过静息态闭眼脑电图检测中度创伤性脑损伤
创伤性脑损伤 (TBI) 是如果医疗救治延误，可能带来严重后果的损伤之一。通常，需要分析计算机断层扫描 (CT) 或磁共振成像 (MRI) 来确定中度 TBI 患者的严重程度。然而，由于如今 TBI 患者的数量不断增加，对每位潜在患者进行 CT 扫描或 MRI 扫描不仅成本高昂，而且耗时。因此，在本文中，我们研究了使用具有计算智能的脑电图 (EEG) 作为替代方法来检测中度 TBI 患者严重程度的可能性。EEG 程序比 CT 或 MRI 便宜得多。虽然与 CT 和 MRI 相比，EEG 的空间分辨率不高，但它的时间分辨率很高。使用传统的计算智能方法从 EEG 分析和预测中度 TBI 非常繁琐，因为它们通常涉及复杂的信号预处理、特征提取或特征选择。因此，我们提出了一种使用卷积神经网络 (CNN) 自动对健康受试者和中度 TBI 患者进行分类的方法。该计算智能系统的输入是静息状态下的闭眼脑电图，未经预处理和特征选择。使用的脑电图数据集包括 15 名健康志愿者和 15 名中度 TBI 患者，这些数据来自马来西亚吉兰丹马来西亚理科大学医院。将所提出方法的性能与其他四种现有方法进行了比较。所提出方法的平均分类准确率为 72.46%，优于其他四种方法。结果表明，所提出的方法有可能用作中度 TBI 的初步筛查，以选择患者进行进一步诊断和治疗计划。