XiaoMi-AI文件搜索系统
World File Search System脑卒中
缺血性中风研究中的高级康复
摘要 目前由于缺血性脑卒中急性期治疗技术的快速进步，患者死亡率大大降低但残障幸存者数量不断增加，且多为老年患者。医师及康复治疗师注重发展各类治疗师技术包括物理治疗技术、机器人辅助技术、人工智能技术等，研究康复治疗的分子、细胞或协同机制，以提升康复治疗的效果。本文讨论了用于康复研究的不同缺血性脑卒中动物及体外模型；神经康复的复合概念与技术；物理治疗的各种生物学机制；神经康复的意义、评估与疗效；脑机接口、康复机器人及非侵入性脑刺激技术在脑卒中康复中的应用。
ZDHHC16 通过抑制脑卒中模型中的 CREB 促进神经细胞铁死亡
引言：本研究探讨了ZDHHC16在脑卒中（CA）模型中的作用及其可能的机制。材料和方法：从我院收集CA患者。使用小鼠建立大脑中动脉闭塞（MCAO）模型。结果：CA患者的ZDHHC16水平上调。ZDHHC16上调在体外模型中促进炎症并加速线粒体损伤。ZDHHC16基因上调促进神经细胞铁死亡。抑制ZDHHC16可预防小鼠脑卒中。ZDHHC16上调通过促进CREB泛素化与CREB相互连接来抑制CREB。CREB激动剂抑制了体外模型中ZDHHC16上调的影响。 CREB 抑制剂在体外模型中抑制了 ZDHHC16 下调的影响。结论：我们得出结论，ZDHHC16 通过抑制 CREB 促进 CA 模型中的铁死亡和炎症。该发现可能对 CA 或其他神经系统疾病的治疗有益。
用于从 MRI 图像中分割缺血性中风脑的混合 ResNet50-UNet 模型 1 Fathia ABOUDI、2 Cyrine DRISSI、3 Tarek KRAIEM
1 突尼斯埃尔马纳尔大学 (UTM) 生物物理与医学技术实验室 ISTMT，突尼斯 2 突尼斯蒙吉本哈米达国立神经病学研究所神经放射学系，突尼斯 3 突尼斯医学院生物物理与医学技术实验室，突尼斯 摘要 缺血性脑卒中是最常见的脑血管疾病，也是全球死亡和长期残疾的主要原因之一。及早发现缺血性脑卒中有助于医生及早诊断，从而大大减少死亡或残疾的可能性。医学研究中使用多种方式来检测缺血性脑卒中；不过，磁共振成像 (MRI) 仍然是该领域最有效的方式。最近，许多研究人员使用深度学习模型在 MRI 图像中检测缺血性脑卒中，并取得了令人鼓舞的结果。在本文中，我们提出了一种使用深度学习模型从 MRI 图像中自动分割缺血性中风病变 (ISL) 的方法。使用的 UNet 模型是混合框架，具有预训练的 ResNet50 架构。数据增强技术已被用于超越模型的准确性。所提出的工作流程已在公共缺血性中风病变分割挑战 (ISLES) 2015 数据集上进行了训练和测试。实验结果证明了我们的方法的性能效率，它实现了 99.43% 的平均准确率和 64.14% 的 Dice 系数 (DC)。我们的方法优于其他最先进的方法，更具体地说，在准确率方面。
研究论文 基于虚拟现实技术的人工智能肢体康复系统对中风长期健康管理的作用
本研究旨在探讨基于虚拟现实（VR）的人工智能肢体康复系统对脑卒中患者长期健康管理的影响。本研究将基于VR技术的人工智能肢体康复系统与传统药物治疗进行比较，比较两种疗法对脑卒中患者长期健康管理的影响。将我院50例脑卒中患者随机分为实验组和对照组，每组25例。实验组患者采用基于VR技术的人工智能肢体康复系统进行治疗，对照组患者采用传统药物治疗。为比较判断患者身体能力的恢复情况，比较两组患者治疗10周后的身体运动能力及日常生活活动能力。治疗10周后，对照组Fugl-Meyer上肢功能评估(FMA-UE)、Fugl-Meyer下肢功能评估(FMA-LE)、香港版偏瘫上肢功能测试(FTHUE-HK)、Barthel指数(BI)、日常生活(ADL)活动能力、Berg平衡量表(BBS)评分低于实验组，但MWS评分高于实验组(P<0：05)。基于VR技术的AI肢体康复系统能有效恢复脑卒中患者的日常健康管理，且效果明显高于传统药物治疗，可在临床推广。
使用优化增强算法实现脑卒中早期检测的可解释和可解读模型
摘要：背景/目标：中风是全球突出的健康问题，造成大量死亡和衰弱。当脑血流受损时，就会发生中风，导致不可逆的脑细胞损伤或死亡。利用机器学习的力量，本文提出了一种基于一系列综合因素预测中风患者生存率的系统方法。这些因素包括人口统计属性、病史、生活方式因素和生理指标。方法：提出了一种有效的随机抽样方法来处理高度偏差的中风数据。使用优化的增强机器学习算法进行中风预测，并利用 LIME 和 SHAP 的可解释 AI 提供支持。这使模型能够辨别复杂的数据模式并建立所选特征与患者生存之间的相关性。结果：研究了三种增强算法在中风预测中的性能，包括梯度增强 (GB)、AdaBoost (ADB) 和 XGBoost (XGB)，其中 XGB 总体上取得了最佳结果，训练准确率为 96.97%，测试准确率为 92.13%。结论：通过这种方法，该研究旨在发现可行的见解，以指导医疗从业者为中风患者制定个性化的治疗策略。
提高脑卒中检测的准确性：带有 Adadelta、RMSProp 和 AdaMax 优化器的多层感知器
1 印度旁遮普邦奇特卡拉大学工程技术学院，2 印度加济阿巴德 KIET 机构集团，3 中国浙江嘉兴中大集团，4 黎巴嫩美国大学电气与计算机工程系，黎巴嫩比布鲁斯，5 印度韦洛尔韦洛尔理工学院信息技术与工程学院，6 中国嘉兴嘉兴学院信息科学与工程学院，7 印度帕格瓦拉洛夫利职业大学研究与开发部，8 埃及坦塔坦塔医学院公共卫生与社区医学，9 韩国首尔世宗大学数据科学系，10 韩国水原成均馆大学医学院
功能性电刺激与机械手套联合用于脑卒中后患者手部康复的疗效评价
摘要背景：中风患者的主要症状是上肢偏瘫和手部功能丧失。联合使用功能性电刺激和机械手套可以克服单独应用的局限性。目的/目标：评估机械手套和功能性电刺激对改善中风后患者手部功能的综合效果及其对生活质量的影响。方法：从 PUBMED、Google Scholar 和 Cochrane 等在线资源中搜索了 2011 年至 2022 年期间发表的不同文章。本综述包括实验研究、临床试验、初步调查、试点研究、随机对照试验。还对所有已确定文章的参考文献列表进行了二次搜索。然后对每项研究进行独立审查。结果：共搜索了 30 篇文章。在 30 项研究中，筛选出了 10 项，其中 4 项研究因方法学缺陷被排除在外。其余 6 项支持性研究报告称，功能性电刺激和机器人手套的结合作用比单独使用常规疗法更有利于改善手部功能。结论：因此，可以得出结论，功能性电刺激和机器人手套比常规疗法更有效地改善中风后患者的特定任务，例如完全伸展、抓握、释放、举重任务、饮水等。关键词：功能性电刺激、手部康复、机器人手套、中风。引言根据世界卫生组织的定义，中风是一种临床综合征，包括迅速发展的局部脑功能紊乱临床症状，持续时间超过 24 小时或导致死亡，除血管起源外没有明显原因。（1）根据 1990 年的全球疾病负担 (GBD) 研究，中风是全球第二大死亡原因。（2）中风幸存者表现出身体功能障碍，例如神经肌肉骨骼和运动相关功能的显着偏差或丧失
改进的ResNet152v2：使用基于迁移学习的方法对脑卒中进行二分类和混合分割
摘要简介：当脑血管破裂时，大脑会受到一种称为中风的疾病的伤害。当大脑的血液和其他营养物质流动中断时，可能会出现症状。世界卫生组织 (WHO) 声称，中风是全球致残和死亡的主要原因。通过及早发现中风的不同警告症状，可以减轻中风的严重程度。可以使用计算机断层扫描 (CT) 图像快速诊断脑中风。虽然专家们正在研究每一次脑部 CT 扫描，但时间过得很快。这种情况可能会导致治疗延迟和错误。因此，我们专注于使用有效的迁移学习方法进行中风检测。材料和方法：为了提高检测准确性，使用 Red Fox 优化算法 (RFOA) 对大脑中风影响的区域进行分割。然后使用高级 Dragonfly 算法进一步处理处理后的区域。分割后的图像提取包括形态学、小波特征和灰度共生矩阵 (GLCM)。然后使用修改后的 ResNet152V2 对正常和中风图像进行分类。我们使用脑卒中 CT 图像数据集使用 Python 进行测试以进行实施。结果：根据性能分析，所提出的方法优于其他深度学习算法，实现了 99.25% 的最佳准确度、99.65% 的灵敏度、99.06% 的 F1 分数、99.63% 的精确度和 99.56% 的特异性。结论：所提出的基于深度学习的分类系统在考虑性能标准的所有输入预测模型中返回最佳解决方案，并提高了系统的功效；因此，它可以更好地帮助医生和放射科医生诊断脑中风患者。
任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能的影响
摘要：目的：研究任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能的影响。方法：将108例脑卒中偏瘫患者随机分为对照组（常规上肢训练，36例）、观察组1（常规上肢训练加振动疗法，36例）和观察组2（常规上肢训练加振动疗法加任务导向训练，36例）。剔除退出研究的患者，共95例，其中对照组30例，观察组132例，观察组233例。治疗后对所有患者进行Fugl-Meyer功能评估量表（FMA）、Wolf运动功能测试（WMFT）、改良Ashworth痉挛评定量表（MAS）评分及最大握力评估，并进行比较。结果：治疗前3组FMA评分比较差异均无统计学意义（P>0.05）。对照组治疗前后FMA、WMFT、MAS评分及最大握力均无差异（均P>0.05），观察1、2组治疗前后FMA、MAS评分及最大握力比较差异均有统计学意义（均P<0.05）。治疗后，观察1组FMA评分及最大握力高于对照组，MAS评分低于对照组，差异均有统计学意义（均P<0.05）。观察2组FMA、WMFT评分及最大握力高于对照组和观察1组，MAS评分低于其余各组，差异均有统计学意义（均P<0.05）。结论：任务导向训练联合振动疗法对脑卒中偏瘫患者上肢功能障碍康复有显著效果，值得临床推广应用。
基于人工智能与计算机视觉评估的上肢重复促进运动对脑卒中患者步态的影响
目的：本研究旨在评估脑卒中患侧上肢功能增强对下肢步态的影响。方法：将40例符合条件的脑卒中患者随机分为对照组和治疗组，每组20例。两组患者在治疗前均接受基于人工智能和计算机视觉的动态评估。评估主要分析步态周期中肩肘关节的活动范围，以及患侧的各种步态参数（如步长、步速、站立相百分比等）。评估后，对照组接受常规康复治疗。结果：结果显示，治疗前两组患者无明显差异。但治疗后，治疗组患者患侧肩肘关节活动度有明显改善（p<0.05），而对照组患者仅有轻微改善，但无统计学意义（p>0.05）。结论：患侧上肢功能的改善似乎也对步态恢复有积极的影响。但值得注意的是，观察期相对较短。需要进一步研究来确认这种影响是否能长期持续。