XiaoMi-AI文件搜索系统
World File Search System纹理分析
纹理分析和人工智能作为诊断多发性硬化症的决策支持工具 - 系统评价
麦当劳标准（Thompson等，2018），MS的诊断结合了临床，成像和实验室证据。神经系统检查与成像[磁共振成像（MRI）或光学相干断层扫描]和神经生理测试（视觉诱发电位）结合使用。在MRI上患有临床症状和病变的患者中，脑脊液通过腰椎穿刺收集。在脑脊液流体中存在寡克隆条带证实了MS的诊断（Thompson等，2018）。磁共振成像技术，例如双重反转恢复，相位敏感的反转恢复和使用梯度回声序列的磁化的快速采集来突出大脑皮层的MS病变。这些区域是由T1，T2或流体衰减反转恢复（Flair）方法获得的MRI图像中存在的高强度白质区域（Hitziger等，2022）。在图1a上，有一个示例MRI T1图像，带有两个病变，这些损伤显示为白质的高强度区域（Sarica和Seker，2022年）。在长轴中至少有3毫米的高强度区域被认为是病变（Thompson等，2018）。监测该疾病的演变，但治疗的效率也通过在年度随访MRI图像上出现或没有新病变来分析（Martínez-Heras等人，2023年）。在MRI图像上对脱髓鞘区域的手动识别和划定（图1B）具有一些缺点，耗时，需要合格的人员。其结果取决于专家解释MRI图像的经验。除了人为因素的主观性外，还可能发生差异，这是由于不同分辨率或具有各种质量的MRI图像而发生的。为了减少这些缺点，已经提出了几种用于诊断和监测MS的自动解决方案（Shoeibi等，2021）。通过在深度学习算法中使用神经网络与纹理分析相结合（Componick等，2021a），获得了与专家注释相当的结果。纹理分析是医学图像处理中的一种已知且有前途的技术，可在检测硬化病变方面具有显着的结果（Elahi等，2020； Boca等，2023）。通常，尝试通过那些特征来检测病变，这些特征是强度，照明，几何变换或噪声变化的图像不变的。为此，量化了像素强度和像素分布的相互关系，因此获得了许多特征。这些功能可以分为以下类别：第一阶特征（灰度直方图分析），二阶特征（灰度依赖矩阵），光谱特征和分形特征（小波变换和傅立叶变换）。用随机纹理识别的像素被归类为噪声（Friconnet，2021）。为了提高信号噪声比并降低噪声，将包括数学过滤组成的预处理操作应用于MRI图像。为例，高斯带通滤波器用于消除背景噪声（Kumar等，2023）。放射线学的方法由于出现了用于检测医学图像病变的自动方法（Lambin等，2012），因此有必要开发一种方法来通过自动检测方法来分析和评估结果的可重复性和质量。放射素学已逐渐应用于病理损害，诊断，差异诊断和MS预后的分析。开发了使用放射线特征的机器学习（ML）模型来检测MS病变（Peng等，2021）。
使用小波纹理分析和机器学习对骨质疏松X射线图像进行分类
摘要：骨质疏松症是一种由骨矿物质含量降低和骨微体系结构的变化所定义的疾病，对使用X射线图像进行准确分类构成了挑战。本文旨在从跟骨放射线照片中提取纹理特征，并选择最佳的纹理特征，这些特征可用于训练机器学习分类器模型以检测骨质疏松症。这项工作基于多分辨率分析和微结构分析，以表征来自跟骨X光片的小梁骨微体系结构。将图像转换为使用两级小波分解提取特征细节。结构纹理方法，例如局部二进制图案，分形维度和Gabor滤波器被应用于小波分解的图像。使用独立的样本t检验和特征选择方法选择了最具区别的纹理特征。机器学习模型是通过使用最佳纹理功能训练分类器来构建的，以从骨质疏松图像中对健康图像进行分类。使用包含跟骨放射线图像的公共挑战数据集评估了所提出方法的E ff。值得注意的是，最佳分类是通过使用正向特征选择选择的功能训练的K-Nearest邻居获得的，精度为78.24％。结果表明该方法作为低成本筛查骨质疏松症的可能替代工具的潜力。
CPO和鞘褶中的定量纹理分析
摘要：正确的营养和饮食与心理健康，免疫系统的功能和肠道菌群组成直接相关。含有较高含量的营养素的饮食，例如纤维，植物化学物质和短链脂肪酸（Omega-3脂肪酸），似乎对神经系统具有抗炎和保护作用。在营养素中，补充益生菌和omega-3脂肪酸在改善几种精神疾病的症状中起作用。在这篇综述中，我们收集了有关营养素在精神分裂症，自闭症谱系障碍，严重抑郁症，双相情感障碍和人格障碍患者中的功效数据。本叙事评论旨在概述有关该主题的最新证据，并指出未来研究的方向。
机器学习根据MRI纹理分析预测犬胶质瘤的组织学类型和等级
大脑的恶性肿瘤，尤其是高级神经胶质瘤（HGG），是人类已知的最致命的肿瘤之一，尽管经过数十年的深入研究，但生存率很低[1-4]。手术切除与辅助无线电/化学疗法相结合是HGG的一线治疗[5-7]，切除程度的增加与更好的患者生存率相关[8-11]。因此，在大多数情况下，完全或接近总切除术是至关重要的，并且仍然是神经外科医生的最终目标。然而，腹膜组织的过度侵略性切除倾向于对患者的神经功能造成额外和持久或永久损害，对患者的生活质量和预后产生负面影响[12]。因此，对脑肿瘤患者进行手术仍然是太广泛和太少切除之间的挑战。此外，清楚地鉴定了脑肿瘤组织以及周围的健康或不太浸润的组织，包括其潜在雄辩的纤维区域对于获得最佳的临床结果至关重要。可以注意到，这种方法不仅可以在检测脑肿瘤的检测中有用，还可以在术中分化其他脑组织病理学（例如创伤后受伤的大脑[13]）[13]，在这种情况下，受影响和未受影响的组织的明显分化是本质的。现代脑外科手术的当前局限性包括周围健康脑和肿瘤组织之间的对比度不佳，以及缺乏通过A
“ MHC-I- OPATHY”的Eular研究小组：识别疾病 转运蛋白介导的药物输送 细胞系和患者衍生的异种移植物的表面分析证实了FGFR4，NCAM1，CD276和突出显示AGRL2，JAM3和L1CAM，作为横纹肌肉瘤的表面目标 微生物 机器学习根据MRI纹理分析预测犬胶质瘤的组织学类型和等级 在类似手术的环境中，用于脑组织分化和白质纤维道鉴定的宽场成像摩尔器极化法的鲁棒性：离体研究 再生响应元件Careg监测MULLER GLIA在MNU诱导的斑马鱼视网膜损伤后的激活 介导对淡水的适应性
Jonas JW Kuiper ， Shumnalieva，10个秘密，11inakötter， 19,20名忠实居民，21,22NatašaVidovia，23,24和Talgal-Tutkun的折磨， 32FabianLötscher，33 Floor G Schance， 28,29 Ahmet Gul，40 John Bowes ，41,42 Rik Ju Loris ，19.20 MHC-I-Opathies研究
使用纹理分析识别 MRI 图像中的脑肿瘤
a 伊玛目阿卜杜勒拉赫曼·本·费萨尔大学基础科学系、预科及辅助研究系主任，邮政信箱 1982，达曼 34212，沙特阿拉伯 b 苏丹科技大学、医学放射科学学院，喀土穆，苏丹 c 伊玛目阿卜杜勒拉赫曼·本·费萨尔大学基础科学系、预科及辅助研究系主任，邮政信箱 1982，达曼 34212，沙特阿拉伯 d 萨坦·本·阿卜杜勒阿齐兹王子大学、应用医学科学学院、放射学和医学影像系，邮政信箱 442，阿尔哈吉 11942，沙特阿拉伯 e 苏丹科技大学医学放射科学学院，邮政信箱 1908，喀土穆，苏丹 f 伊玛目阿卜杜勒拉赫曼·本·费萨尔大学、科学与人文学院、计算机科学系，沙特阿拉伯