XiaoMi-AI文件搜索系统
World File Search System胶囊
PG胶囊Hyde Parks Eye Shala -Apao®2025PG胶囊Hyde Parks Eye Shala -Apao®2025
<800> 08:1% - 08:15 - 08: 08:30 - 08:30:30:00 - 10:30 pm 5. 1:30:10 11:30, 12:30 Themonth 11:30:30:55:30:30:30urs - 11:30 pm:30:30:5 - 11:45 11:45 - 12:00 12:00 12:5 12.15 - 12:30 - 12:30 - 12:30 - 12：00-1：00/05-1：00/05-12：00
经过验证的胶囊图像 r AI 模型的实际使用
背景和研究目的 胶囊内窥镜检查是一种耗时的过程，且错误率很高。人工智能 (AI) 可以通过减少需要人工审查的图像数量来显著减少读取时间。最近，一种支持 OMOM 人工智能的小肠胶囊已经过训练并验证，可用于小肠胶囊内窥镜视频审查。本研究旨在评估其在现实环境中的表现，并与标准读取方法进行比较。患者和方法在这项单中心回顾性研究中，首先用标准读取方法分析了 40 例使用 OMOM 胶囊进行的患者研究，然后使用 AI 辅助读取进行分析。比较了读取时间、病理识别、肠道标志识别和肠道准备评估 (Brotz 评分)。结果两种读取方法的总体诊断相关率为 100%。在每个病变的分析中，结合标准和 AI 辅助读取方法识别出 1293 个重要病变图像。 AI辅助阅读捕获了其中的1268个（98.1%，95% CI 97.15 – 98.7）个发现，而标准阅读模式捕获了1114个（86.2%，95% 置信区间 84.2 – 87.9），P < 0.001。平均阅读时间从标准阅读的29.7分钟缩短到AI辅助阅读的2.3分钟（P < 0.001），平均每个研究节省27.4分钟的时间。第一个盲肠图像的时间显示AI和标准读数之间存在99.2分钟的巨大差异（r = 0.085，P = 0.68）。肠道清洁评估一致率为97.4%（r = 0.805 P < 0.001）。结论AI辅助阅读在本研究中显示出显着的时间节省，而不会降低灵敏度。其他指标的评估仍然存在局限性。
Galar - 大型多标签视频胶囊内窥镜数据集
1 Else Kr ¨ oner Fresenius 数字健康中心，德累斯顿工业大学 (TU Dresden)，德累斯顿，德国 8 2 德累斯顿工业大学 (TU Dresden) 德累斯顿大学医院第一医学系，德累斯顿，9 德国 10 3 德累斯顿工业大学 (TU Dresden) 计算机科学研究所，德累斯顿，德国 11 4 德累斯顿 Diakonissen Krankenhaus，胃肠病学，德累斯顿，德国 12 5 乌尔姆大学和乌尔姆大学医学中心人类遗传学研究所，乌尔姆，德国 13 6 海德堡大学医院国家肿瘤疾病中心 (NCT) 肿瘤内科，海德堡，14 德国 15 7 维尔茨堡 16 大学医院内科 II 介入和实验内镜检查 (InExEn)，维尔茨堡，德国17 8 德国迪波尔迪斯瓦尔德胃肠内科医学办公室 18 † Maxime Le Floch、Fabian Wolf 和 Lucian McIntyre 对本文贡献相同 19 † Nora Herzog 和 Franz Brinkmann 对本文贡献相同 20 * 通讯作者：Maxime LeFloch (Maxime.LeFloch@ukdd.de) 21
制药商的 DNA“指纹”可与胶囊和包装联系起来
2 人链（绿色袋子）和 3 人链（红色袋子）胶囊的制作、包装和运输流程图。每条链重复此过程五次，每条链总共 10 个 ZLB 和 50 个胶囊。参与者 A 在包装胶囊（2 人链）时只接触胶囊（2 人链和 3 人链）和 ZLB。参与者 B 在包装成 ZLB（3 人链）时只接触胶囊，参与者 C 只接触 ZLB（2 人链和 3 人链）的外表面。图片来源：Forensic Science International：Genetics (2024)。DOI：10.1016/j.fsigen.2024.103182
聚合物胶囊和胶束作为抗癌药物的有希望的载体
聚合物胶束和胶囊是抗肿瘤药物载体的有希望的候选材料。生物降解性和广义的生物相容性是用于医疗应用的聚合物应始终具有的关键特征。精心设计的输送系统应确保化疗药物安全运输到目标区域，从而最大限度地减少全身暴露于这些药物，限制其毒性作用，最好是限制其对癌细胞的毒性作用。聚合物胶束通常专门用于封装不溶于水的药物。胶束结构通常是由各种两亲性嵌段共聚物在水环境中自组装而成的。更先进的方法用于形成具有液体核心和由熔融聚合物纳米或微粒制成的外壳的胶囊。这种涂层可以具有均质或异质成分。Janus 和斑块胶囊通常具有更实用和更先进的特性。虽然一些聚合物载体设计用于持续释放货物，但更复杂的方法涉及在选定的化学或物理刺激的影响下按需释放有效载荷。可用的聚合物种类繁多，并且由不同种类的单体形成共聚物的可能性非常广泛，这使得聚合物材料成为生产具有所需特性的药物输送系统的理想选择。本综述的目的是总结聚合物胶束作为细胞抑制药物载体的某些方面，并考虑到临床应用。另一个目标是展示基于刺激响应胶囊（其外壳由聚合物颗粒制成）创建替代系统的研究。
药物输送系统中使用的纳米胶囊-IJRPR
这种由纳米胶囊制成的绷带也可能被军方用于战斗和其他伤口等溃疡。存在引起疾病的致病细菌时，医学敷料将从纳米胶囊中释放抗生素，旨在在感染恶化之前治疗感染。释放抗生素时，先进的伤口敷料也会改变颜色，使医疗专业人员有感染的存在。只有能够引起疾病的细菌会导致这种绷带激活。由于毒素，敷料将变色，它会释放出含有抗生素的胶囊的破裂。以这种方式，抗生素耐药细菌（如MRSA）（耐甲氧西林抗甲氧西葡萄球菌金黄色葡萄球菌）出现的风险降低了，因为仅在必要时释放抗生素。
用于脑 MRI 分割的 3D 胶囊网络
1 耶鲁大学医学院放射学和生物医学成像系，康涅狄格州纽黑文 06510 2 耶鲁大学医学院治疗放射学系，康涅狄格州纽黑文 06510 3 耶鲁大学医学院结果研究与评估中心，康涅狄格州纽黑文 06510 4 耶鲁大学医学院心血管医学部，康涅狄格州纽黑文 06510 5 耶鲁大学统计与数据科学系，康涅狄格州纽黑文 06511 摘要 简介：在脑图像上分割肿瘤周围的脑结构对于放射治疗和手术计划非常重要。当前的自动分割方法通常无法分割因肿瘤而扭曲的脑解剖结构。目的：开发和验证 3D 胶囊网络（CapsNets），该网络可以分割具有训练数据中未表示的新型空间特征的脑结构。方法：我们使用在一项多机构研究中获取的 3430 个脑部 MRI 开发、训练和测试了 3D CapsNets。我们使用多种性能指标将我们的 CapsNets 与 U-Nets 进行了比较，包括分割各种脑结构的准确性、分割具有训练数据中未表示的空间特征的脑结构的准确性、使用有限数据训练模型时的性能、内存要求和计算时间。结果：3D CapsNets 可以分割第三脑室、丘脑和海马，Dice 得分分别为 94%、94% 和 91%。3D CapsNets 在分割训练数据中未表示的脑结构方面优于 3D U-Nets，Dice 得分高出 30% 以上。与 3D U-Nets 相比，3D CapsNets 的模型也小得多，可训练参数减少了 93%。这使得 3D CapsNets 在训练过程中收敛速度更快，与 U-Nets 相比，它们的训练速度更快。这两个模型在测试过程中的速度一样快。结论：3D CapsNets 可以高精度地分割大脑结构，在分割具有训练期间未表示的特征的大脑结构方面优于 U-Nets，并且与 U-Nets 相比效率更高，在实现类似结果的同时，其规模却小了一个数量级。
奥美拉唑缓释胶囊 USP 20mg
奥美拉唑缓释胶囊对这些患者使用超过 8 周的疗效尚未确定。如果患者对 8 周的治疗没有反应，可以再进行 4 周的治疗。如果糜烂性食管炎或 GERD 症状复发（例如胃灼热），可以考虑再进行 4-8 周的奥美拉唑疗程。
