XiaoMi-AI文件搜索系统
World File Search System脑模型
使用 X 射线光子计数条探测器识别大脑中的淀粉样斑块
广泛认为，大脑中聚集的 β 淀粉样蛋白 (β A) 斑块与多种神经退行性疾病有关，而它们的识别有助于阿尔茨海默病的早期诊断。我们研究了使用带有硅条光子计数探测器的光谱 X 射线相干散射系统识别大脑 β A 蛋白斑块的可行性。这种方法基于大脑中淀粉样蛋白、白质和灰质的结构差异。我们模拟了一个能量和角度色散 X 射线衍射系统，该系统带有 X 射线笔形束和硅条传感器、能量分辨探测器。多色光束在几何上聚焦于大脑中感兴趣的区域。首先，修改了用于蒙特卡罗传输的开源 MC-GPU 代码以适应探测器模型。其次，模拟了有和没有 β A 的大脑模型，以评估该方法并确定获得可接受统计功效所需的辐射剂量。对于 15 厘米脑模型中 3、4 和 5 毫米大小的 β A 靶，所需的入射曝光量约为 0.44 mR，来自 60 kVp 钨光谱和 3.5 毫米的附加铝过滤。结果表明，所提出的 X 射线相干散射技术能够使用高能 X 射线光谱，因此有可能在可接受的辐射剂量水平内用于精确的体内检测和量化脑中的 β A。
676 Rolls 等人 2023 层次组织...
使用人类连接组计划多模态分区图谱，用脑磁图测量了 83 名执行视觉记忆任务的人类连接组计划参与者的 25 个腹侧流视觉皮层区域和 180 个皮层区域之间的层次组织。目的是通过这种快速神经成像方法，利用基于生成有效连接的全脑模型揭示层次组织。V1–V4 形成第一组互连区域。特别是 V4 与腹外侧视觉流具有连接：V8、梭状面部皮层和后下颞叶皮层 PIT。这些区域反过来与下颞叶皮层视觉区域 TE2p 和 TE1p 具有有效连接。TE2p 和 TE1p 然后与多模态的前颞叶区域 TE1a、TE1m、TE2a 和 TGv 具有连接。在腹内侧视觉流中，V1–V4 连接到腹内侧区域 VMV1–3 和 VVC。VMV1–3 和 VVC 连接到内侧海马旁回 PHA1–3，后者与 VMV 区域一起包括海马旁回场景区。内侧海马旁回 PHA1–3 区域与海马系统区域（外嗅皮层、内嗅皮层和海马）具有连接性。通过脑磁图测量的两个腹侧视觉皮层流的有效连接为通过 fMRI 测量的大脑系统的层次组织提供了支持，并为方向性提供了新的证据。
在整合基于PDMS的微流体设备和微电极阵列的神经芯片平台上的最新进度和观点
摘要：近年来，在应用和解码神经活动在药物筛查，疾病诊断和脑部计算机相互作用中的编码和解码应用方面的进展激增。为了克服大脑复杂性的限制以及体内研究的伦理考虑，已经提高了整合微功能设备和微电极阵列的神经芯片平台，这不仅可以自定义体外神经元的生长路径，而且还可以监测和调节碎屑生长的专用神经网络。因此，本文回顾了整合微流体设备和微电极阵列的芯片平台的发展历史。首先，我们回顾了高级微电极阵列和微流体设备的设计和应用。之后，我们介绍了神经芯片平台的制造过程。最后，我们重点介绍了这种类型的芯片平台的最新进展，作为脑科学和神经科学领域的研究工具，重点是神经药理学，神经系统疾病和简化的脑模型。这是对神经芯片平台的详细而全面的评论。这项工作旨在实现以下三个目标：（1）总结此类平台的最新设计模式和制造方案，为开发其他新平台提供了参考； （2）在神经病学领域概括了芯片平台的几个重要应用，这将吸引科学家在领域的注意； （3）提出了整合微流体设备和微电极阵列的神经芯片平台的发展方向。
Neurosurgical-焦点
目的本研究的目的是评估增强现实手术导航（ARSN）系统的准确性（与目标或预期路径的偏差）和功效（插入时间），以插入活检针和外部心室排水（EVD）（EVD），两个常见的神经外科手术，需要高度的神经外科手术。使用了基于混合手术室的ARSN系统，其中包括具有术中圆锥形圆锥形CT（CBCT）的机器人C臂（CBCT）以及使用非引人注目的粘合剂光学标记的患者和仪器的集成视频跟踪。获得了一个3D打印的头骨幻影，具有逼真的凝胶脑模型，其中含有空气室和2毫米球形活检靶标。最初的CBCT获取目标注册和计划后，ARSN用于30次颅骨活检和10个EVD插入。通过CBCT验证针头位置。结果活检针插入（n = 30）的平均准确性为0.8 mm±0.43 mm。中值路径长度为39毫米（范围16–104 mm），与精度无关（p = 0.15）。中间设备插入时间为149秒（范围87-233秒）。与计划的路径相比，EVD插入（n = 10）的平均插入（n = 10）为2.9 mm±0.8 mm，角度偏差为0.7°±0.5°，中间插入时间为188秒（范围135-400秒）。结论这项研究表明，ARSN可用于以很高的准确性和功效为导航经皮颅骨活检和EVD。
神经科学方法杂志
背景：根据研究的 3R 原则，应尽可能限制动物的使用。尤其是对于初级科学家进行光生理和电生理手术技术的培训，在转向活体动物之前需要替代的培训工具。我们已经开发了一种经济高效的大鼠脑模型，用于训练各种手术技术，包括但不限于光遗传学、电生理学和颅内药物治疗。结果：我们的大脑模型创造了一种逼真的动物手术训练体验。手术的成功率（例如植入准确性）可以在模型大脑的横截面上轻松评估。此外，该模型允许练习电生理记录以及测试运动或光相关的伪影。与现有方法的比较：就必要的技术、注意事项和时间跨度而言，我们模型中的手术和记录体验与实际大鼠中的非常相似。与实际大鼠大脑的一些差异略微降低了我们模型与活体动物相比的难度。因此，入门级科学家可以先在我们的模型中学习基本技术，然后再学习活体动物中稍微复杂的程序。结论：我们的大脑模型是一种有用的培训工具，可以让刚进入电生理学和光遗传学操作领域的科学家掌握一套基本技能，然后再将其应用于活体动物。它可以适应所需的培训内容，甚至可以用于为更高级的科学家测试和优化新的实验室设备。
跨脑网络神经科学视角
图 1 脑间网络的整体效应可以分解为特定种子区域的节点效应。该图显示了陌生人与儿童互动与母子互动、基线与竞争以及基线与合作的整体和节点密度效应。节点密度由四个 NMF 成分的系数编码。左图：绘制了群体效应的边际后验分布及其平均值、90% CI（粗黑线）和 99% CI（细灰线）。CI 的宽度表示与估计参数相关的不确定性。90% CI 不包括零的参数（红线）被解释为存在影响的证据。整体结果显示出强烈的伴侣效应，与陌生人与儿童二元组相比，母子二元组的同步性有所提高，以及竞争效应和一些合作效应的证据，与基线条件相比，两种任务条件的同步性更高。节点结果证实了这些整体结果，但提供了更多的拓扑细节。具体而言，伴侣效应相当普遍（在成分 3 和 4 以及基线条件下的成分 2 中），而竞争和合作效应主要局限于左侧和右侧前额叶大脑区域（成分 1 和 4）。右图：五张 catplots 显示了在基线、合作和竞争条件下，母子和陌生人-儿童二元组中后部全局和节点密度值的变化情况。底部：热图可视化了 NMF 产生的基础矩阵，显示了儿童（C）和成人伴侣（P）的每个 fNIRS 通道（x 轴）对相应成分（y 轴）的贡献。在脑模型上可视化了儿童和成人伴侣的 fNIRS 通道，这些通道对每个成分的贡献最大，就其节点密度而言，权重高于第 80 个百分位数（最小值 = 0，最大值 = 1）
用于出血性中风检测和成像的颅内涡流阻尼传感器：台式实验的可行性
目的 据估计，约 10% 的中风患者会发生自发性脑内出血，且相关死亡率很高。可快速无创检测出血性中风的便携式诊断技术可避免不必要的患者护理延误，并有助于快速对缺血性中风和出血性中风患者进行分类。因此，作者旨在开发一种快速便携式涡流阻尼 (ECD) 出血性中风传感器，用于现场诊断出血性中风。方法 构建了一种具有微特斯拉级磁场强度的三线圈 ECD 传感器。开发了 16 个与活体脑组织电特性相同的明胶脑模型，并将其放置在幻影头骨复制品内，将盐水稀释至血液电导率并放置在脑内以模拟出血。ECD 传感器用于检测台式模型上的模拟出血。数据被保存并绘制为过滤热图以表示病变位置。进行扫描的人员不知道出血位置，传感器围绕头骨模型切向旋转以定位血液。数据还用于使用 MATLAB 软件创建热图图像。结果该传感器便携（最大直径 11.4 厘米）、紧凑，制造成本约为 100 美元。扫描时间为 2.43 分钟，病变的热图图像几乎实时生成。ECD 传感器在所有（n = 16）台式实验中准确预测了模拟出血的位置，并具有出色的空间分辨率。结论台式实验证明了 ECD 传感器用于快速颅内出血性中风诊断的概念验证。未来有必要对活体人类参与者进行研究，以充分确定从本研究中得出的可行性结果。
麦吉尔综合神经科学中心
简介 麦吉尔综合神经科学中心 (MCIN) 位于神经学院，过去二十年来一直处于加拿大数字研究基础设施 (DRI) 开发的前沿，为大型多中心研究提供了加拿大首个综合神经信息学平台，并为协作分布式高性能计算 (HPC) 提供了门户。MCIN 的两个主要平台 CBRAIN 和 LORIS 在过去 20 年中作为开源项目构建。MCIN 领导多个国家项目的大型网络平台工作，例如一个覆盖 6 个省的痴呆症网络、加拿大老龄化神经退行性疾病联盟 CCNA 和一个国家开放数据共享平台——加拿大开放神经科学平台 CONP。MCIN 是重大国际项目的核心合作伙伴，例如我们在 NIH 资助的婴儿脑成像研究 (IBIS) 中发挥着中央数据协调作用。MCIN 已经建立了开放科学数据存储库，包括 BigBrain 高分辨率 3D 脑模型、正常脑活动的 Open MNI iEEG Atlas 和 C-BIG 生物样本存储库。MCIN 在研究计算、数据管理和研究软件工程方面的专业知识在国际数据科学组织中保持着受人尊敬的加拿大领导地位，例如在全球脑联盟和国际神经信息学协调机构 (INCF) 内。这些举措得到了 CIHR、CFI、CFREF、FRQS、Brain Canada 和 CANARIE 的支持，使 MCIN 成为平台技术领导者。在这里，我们从 MCIN 的角度介绍了 NDRIO 的发展。1.当前问题
患有病理（先前发生过缺氧缺血性损伤）的儿童的 MRI 扫描 3D 打印大脑的保真度
摘要 仅使用脑图像很难向非放射科医生和普通人展示患有缺氧缺血性损伤 (HII) 的儿童的脑表面皮质损伤。三维 (3D) 打印有助于传达儿童脑因 HII 导致的体积损失和病理。3D 打印模型按比例表示脑，可以与正常脑模型进行比较以了解体积损失。如果要使用 3D 打印的脑用于正式交流，例如与医学同事或在法庭上交流，它们应该高度逼真地再现患者脑的实际大小。在这里，我们评估了先前患有 HII 的儿童的脑部 MRI 扫描的 3D 打印模型的尺寸保真度。根据 HII 儿童的 MRI 扫描创建了 12 个脑部 3D 打印，并选择它们来代表各种皮质病理。对 3D 打印进行了特定的预定测量，并将其与 MRI 上匹配平面的测量值进行比较。额枕骨长度 (FOL) 和双颞骨/双顶骨直径 (BTD/BPD) 显示出较高的组间相关性 (ICC)。半球高度、颞骨高度和脑桥小脑厚度的相关性为中等至弱。平均测量标准误差 (SEM) 为 0.48 厘米。我们的结果表明，从脑部 MRI 扫描得出的每个 3D 打印模型与原始 MRI 的总体测量值具有较高的相关性，FOL 和 BTD/BPD 的高 ICC 值就是明证。相关性值较低的测量值可以通过测量平面与 MRI 切片方向的匹配变化来解释。
使用 transformers 进行无监督脑成像 3D 异常检测和分割
病理性脑外观可能非常多样化，以至于只能理解为异常，这些异常由其与正常的偏差而不是任何特定的病理特征集来定义。在医学成像中最困难的任务之一中，检测此类异常需要正常脑模型，该模型将紧凑性与表征其结构组织的复杂、长程相互作用的表达性相结合。这些要求是 Transformer 比其他当前候选架构更有潜力满足的，但它们的应用受到对数据和计算资源的需求的限制。在这里，我们将矢量量化变分自动编码器的潜在表示与一组自回归 Transformer 相结合，以实现无监督异常检测和分割，这些异常由与健康脑成像数据的偏差定义，在相对适中的数据范围内以较低的计算成本实现。我们在一系列涉及合成和真实病理病变的 2D 和 3D 数据的实验中将我们的方法与当前最先进的方法进行了比较。在真实病变中，我们利用来自英国生物库的 15,000 名放射学正常参与者训练我们的模型，并在四种不同的脑 MR 数据集上评估其性能，这些数据集包括小血管疾病、脱髓鞘病变和肿瘤。我们展示了卓越的异常检测性能，无论是图像方面还是像素/体素方面，都无需后处理即可实现。这些结果引起了人们对 transformers 在这项最具挑战性的成像任务中的潜力的关注。© 2022 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）