XiaoMi-AI文件搜索系统
World File Search System磁共振
磁共振引导聚焦新型头部固定装置的设计
b 弗吉尼亚大学生物医学工程系，本科摘要聚焦超声 (FUS) 是一种新兴的非侵入性技术，为治疗多种神经系统疾病（如特发性震颤和多形性胶质母细胞瘤 (GBM)）提供了一种替代方法。FUS 已被证明可以以安全和有针对性的方式破坏 BBB，然而，用于该过程的头部固定装置最初是为放射外科设计的。为此，研究小组提议开发一种用于 FUS 应用的新型头架。该设计的创建基于以下重要的总体目标：1) 减少设计笨重以最大限度地减少图像失真，2) 增加 BBBO 治疗范围，3) 最大限度地提高患者的舒适度。使用计算机辅助设计 (CAD) 软件 Fusion 360 创建设计迭代，然后 3D 打印并组装最终设计以创建原型。使用 Fusion 360 对框架进行有限元分析 (FEA)，以确定安全系数和在变形前可施加到设备前部旋转旋转螺钉上的最大力。对新型头架原型进行了静态应力有限元分析，平均固定扭矩为 0.348 Nm，最大固定扭矩为 0.522 Nm。结果显示，最大力为 273.1 MPa，安全系数为 1.0，最大力为 409.7 MPa，安全系数为 0.67。关键词：FUS、BBBO、GBM、立体定向头架、FEA
通过结构性磁共振成像和机器学习来识别REM睡眠行为障碍
孤立的/特发性快速眼运动（REM）睡眠行为障碍（IRBD）是一种寄生虫，其特征是REM睡眠期间肌肉atonia antonia和异常运动表现（1）。irbd是一种前驱α-核酸疾病，大多数患者随着时间的流逝，患有帕金森病（PD）或痴呆症患者（DLB）（2）。IRBD患者已经显示出临床和大脑变化，使人联想到明显的突触核苷（3±5），包括认知障碍和脑萎缩（1,4-7）。但是，这些变化的识别和进展在IRBD人群中差异很大（4-7）。特别是，与帕金森主义优先表型相比，大约三分之一的IRBD患者（5,6）中存在的轻度认知障碍（MCI）与痴呆症的表现可能更大的可能性有关（8）。
通过条件 ICA 进行功能性磁共振成像数据增强
摘要。计算认知神经成像研究的进展与大量标记脑成像数据的可用性有关，但此类数据稀缺且生成成本高昂。虽然在过去十年中为计算机视觉设计了强大的数据生成机制，例如生成对抗网络 (GAN)，但此类改进尚未延续到脑成像领域。一个可能的原因是 GAN 训练不适合功能性神经成像中可用的嘈杂、高维和小样本数据。在本文中，我们介绍了条件独立成分分析 (Conditional ICA)：一种快速功能性磁共振成像 (fMRI) 数据增强技术，它利用丰富的静息状态数据通过从 ICA 分解中采样来创建图像。然后，我们提出了一种机制来根据使用少量样本观察到的类来调节生成器。我们首先表明，生成机制能够成功合成与观察结果难以区分的数据，并且能够提高大脑解码问题的分类准确率。特别是，它的表现优于 GAN，同时更易于优化和解释。最后，条件 ICA 无需进一步调整参数即可提高八个数据集的分类准确率。
磁共振图像的白鲸（Delphinapterus leucas）大脑的解剖学和三维重建
磁共振成像提供了一种观察大脑内部结构的方法，其中传统的嵌入，切片，染色，安装和微观检查的过程不实用。此外，可以通过其精确的定量空间相互关系来分析内部结构，这在空间扭曲经常伴随组织学处理后很难完成。由于这些原因，磁共振成像使传统上难以分析的标本更容易访问。在本研究中，将白鲸（Beluga）Delphinapterus Leucas的大脑图像在119个前层的冠状平面中扫描。从这些扫描中，使用程序VoxelViewand和Voxelmath（Vital Images，Inc。）构建了计算机生成的三维模型。此模型，其中内部和外部形态的细节在三维空间中表示，然后在正交平面中切除，以在水平和矢状平面中产生相应的“虚拟”部分。在所有三个平面中的部分都显示出call体，内部囊，脑囊，脑室梗，脑室，某些丘脑核基团，尾巴核，腹侧纹状体，腹侧纹状体，腹侧纹状体，脑室，pontine核，小胡子皮质和白色的corercial和gyrci sulci sulci sulci sulci和gyrci sulci。
基于磁共振成像和机器学习的创伤后癫痫神经解剖学标记
a 南加州大学洛杉矶分校生物医学工程系 b Ming Hsieh 南加州大学洛杉矶分校电气与计算机工程系 c 南加州大学洛杉矶分校 Leonard Davis 老年医学学院 d 南加州大学洛杉矶分校放射学系 e 南加州大学洛杉矶分校神经病学系
DeepDicomSort：一种针对脑磁共振成像数据的自动排序算法
摘要 随着医学成像研究中使用的数据集规模不断扩大，对自动化数据管理的需求也随之增加。一项重要的数据管理任务是对数据集进行结构化组织，以保持完整性并确保可重用性。因此，我们研究了此数据组织步骤是否可以自动化。为此，我们设计了一个卷积神经网络 (CNN)，可根据视觉外观自动识别八种不同的脑磁共振成像 (MRI) 扫描类型。因此，我们的方法不受扫描元数据不一致或缺失的影响。它可以识别造影前 T1 加权 (T1w)、造影后 T1 加权 (T1wC)、T2 加权 (T2w)、质子密度加权 (PDw) 和派生图（例如表观扩散系数和脑血流）。在第一次实验中，我们使用了脑肿瘤患者的扫描结果：719 名受试者的 11065 次扫描用于训练，192 名受试者的 2369 次扫描用于测试。CNN 的总体准确率达到 98.7%。在第二个实验中，我们用第一个实验中的所有 13434 张扫描图训练 CNN，并用 1318 名阿尔茨海默病患者的 7227 张扫描图测试 CNN。在这里，CNN 的总体准确率达到了 98.5%。总而言之，我们的方法可以准确预测扫描类型，并且可以快速自动地对脑部 MRI 数据集进行分类，几乎无需人工验证。通过这种方式，我们的方法可以帮助正确组织数据集，从而最大限度地提高数据的可共享性和完整性。
磁共振引导的高强度聚焦超声以治疗必需震颤
临床效果和安全性：包括76例患者的一个多中心RCT和13例非随机研究，共有1029名患者（总共）。所有研究都调查了药物难治性，中度至重度ET的患者。RCT将单方面MRGFU与假（安慰剂）和非随机研究比较了治疗前和治疗后评分（无对照组）。MRGFUS治疗的患者显示出较低的手震颤和残疾评分，并且与假患者相比，生活质量可能改善了治疗后三个月（摘要调查结果表）。很难根据可用文档来判断治疗效果的持续时间。非随机研究表明，有益的治疗效应在治疗后一年持续存在，但是我们在这些结果中的确定性很低。一些非随机研究还表明，治疗效果可能会持续到一年以上，但观察到随时间降低治疗效应的趋势（非常低的确定性）。mrgfus也与不良事件有关。不良事件很常见，但大多是轻度和瞬态的。最常见的不良事件是“异常或麻木”和“步态干扰”。这些事件发生在三分之一以上的患者中，在治疗后一年持续了大约十分之一的患者。
使用多模态优化进行脑磁共振图像 (MRI) 分割
摘要 医学界高度关注的领域之一是从脑磁共振成像 (MRI) 中分割肿瘤。早期诊断恶性肿瘤对于为患者提供治疗是必要的。如果及早发现，患者的预后将会改善。医学专家在诊断脑肿瘤时使用手动分割方法。本研究提出了一种简化和自动化该过程的新方法。在最近的研究中，多级分割已广泛应用于医学图像分析，分割方法的有效性和精度与使用的分割数量直接相关。然而，选择合适的分割数量通常由用户决定，并且对于许多分割算法来说都是具有挑战性的。所提出的方法是基于 3D 直方图的分割方法的修改版本，该方法可以自动确定合适的分割数量。一般算法包含三个主要步骤：第一步是使用高斯滤波器平滑图像的 3D RGB 直方图。这样可以消除过于接近的不可靠和非主导直方图峰值。接下来，多峰粒子群优化方法识别直方图的峰值。最后，根据非欧几里得距离将像素放置在最符合其特征的聚类中。所提出的算法已经应用于癌症成像档案 (TCIA) 和脑 MRI 图像的脑肿瘤检测数据集。将所提出方法的结果与三种聚类方法的结果进行了比较：FCM、FCM_FWCW 和 FCM_FW。在对各种 MRI 切片进行这三种算法的比较分析中。我们的算法始终表现出卓越的性能。它在这三个指标中都获得了最高平均排名，表明了其在聚类中的稳健性和有效性。所提出的方法在实验中是有效的，证明了它能够找到适当的聚类。
人工智能在心血管磁共振预测结果中的作用：全面的系统评价
1 诺维奇医学院医学系，东英吉利大学，诺福克 NR4 7TJ，英国 2 诺福克和诺维奇大学医院 NHS 基金会心脏病学系，诺福克 NR4 7UY，英国 3 谢菲尔德大学感染、免疫与心血管疾病系，谢菲尔德 S10 2RX，英国 4 谢菲尔德教学医院 NHS 基金会临床放射学系，谢菲尔德 S10 2JF，英国 5 诺森比亚医疗基金会，诺森比亚专科护理急救医院，诺森伯兰 NE23 6NZ，英国 6 莱顿大学医学中心放射学系、图像处理分部，莱顿 2333 ZA，荷兰 7 上海交通大学医学院上海儿童医学中心放射学系，上海市东方路 1678 号200127，中国 8 新加坡国家心脏研究所，新加坡国家心脏中心，5 Hospital Drive，新加坡 169609，新加坡 9 心血管科学，杜克-新加坡国立大学医学院，8 College Road，新加坡 169856，新加坡 * 通讯地址：p.garg@uea.ac.uk
心脏磁共振晚期钆增强在心肌病中的作用
心脏 MR 检查 对所有参与者进行了标准 MR 检查，如下所示： 侦察图像：在正交平面中捕获以进行心脏长轴和短轴规划。 功能电影图像：在短轴平面、轴向平面以及 4 个腔平面中，使用 ECG 门控、稳态自由进动序列捕获。 通过重复屏气获取切片，应用以下参数：TR/TE：4.4/2.5。 FOV：根据患者的年龄在 250-350 毫米之间。 阶段：25。 NSA：1-2。 切片厚度：6-8 毫米，切片间隙：0 毫米。 矩阵：128x128。 利用观察锁定技术进行标准延迟钆增强成像以确定最佳延迟时间。 这是通过采用反转恢复平衡涡轮场回波 (IR-b-TFE) 实现的