摘要:脑部疾病是全球日益老龄化的人口中最严重的问题,预计未来患有神经系统疾病的患者数量将会增加。尽管向大脑输送药物的方法已经取得了显著的进步,但这些方法都无法为治疗脑部疾病提供令人满意的结果。这仍然是一个挑战,因为大脑具有独特的解剖学和生理学,包括严格的调控和物质通过血脑屏障的有限途径。纳米粒子被认为是一种理想的药物输送系统,可以输送到难以到达的器官,如大脑。新药和基于纳米材料的新型脑部治疗方法的发展为科学家开发大脑特异性输送系统提供了各种机会,可以改善阿尔茨海默病、帕金森病、中风和脑瘤等脑部疾病患者的治疗效果。在这篇综述中,我们讨论了值得注意的文献,这些文献研究了用于治疗神经系统疾病的脑靶向纳米药物的最新发展。关键词:脑输送、血脑屏障、靶向输送、纳米粒子、神经退行性疾病、中风、癌症
恶性脑瘤胶质母细胞瘤多形(GBM)显示出重要水平的细胞塑性。经常假定肿瘤微环境(TME)是GBM细胞状态的,但我们对GBM Tumers的空间组织和TME衍生的信号驱动恶性细胞状态过渡的空间组织知之甚少。在这里,我将预先发送一种集成的单细胞和空间多摩管方法,以解决GBM的组织插曲。首先,我将提出Cell2Location,这是一种新的计算工具,可以在空间转录组数据中映射细粒细胞类型。第二,我将提出GBM-Space,这是一种新的协作努力,以使用多模式基因组学发现TME-GBM相互作用。使用联合单细胞转录组和表观基因组分析,我们定义了当前的恶性细胞态,并扩展了TME细胞的描述。使用覆盖空间RNA测序,我们介绍了不同的肿瘤部位,并观察到GBM微环境的显着区域 - 异质性。最后,我们使用Cell2Location整合了单细胞和空间转录组学,并发现恶性细胞态在GBM中逐渐分离并与不同的TME相关。我们的努力揭示了GBM肿瘤的新空间组织,并确定了调节恶性细胞状态的假定TME信号。
摘要:脑肿瘤检测是医学图像分析和诊断中一项重要任务。本研究提出了一种基于深度学习的脑肿瘤检测模型,利用YOLOv7可以准确检测脑肿瘤。使用的数据集分为训练数据集和测试数据集。对数据集执行预处理技术以获得最佳结果。研究产生了脑肿瘤的检测模型。该模型实现了 93.2% 的 mAP、91.4% 的准确率、90.2% 的召回率和 90.8% 的 F1 分数。结果证明了所提出的模型在准确检测脑肿瘤方面的有效性,可以协助早期诊断和治疗计划。关键词:物体检测,脑肿瘤,yolov7 摘要:脑肿瘤检测是医学图像分析和诊断中一项重要任务。本研究提出了一种基于深度学习的脑肿瘤检测模型,利用YOLOv7可以准确检测脑肿瘤。使用的数据集分为训练数据集和测试数据集。对数据集执行预处理技术以获得最佳结果。研究产生了脑肿瘤的检测模型。该模型实现了 93.2% 的 mAP、91.4% 的准确率、90.4% 的召回率和 90.8% 的 F1 分数。结果证明了所提出的模型在准确检测脑肿瘤方面的有效性,这有助于早期诊断和治疗计划。关键词:物体检测、脑瘤、yolov7
线粒体疾病是一组罕见疾病,出现了由线粒体或核基因组突变引起的异质临床,生化和遗传性疾病。多个器官可能会受到影响,尤其是那些器官。糖尿病是线粒体疾病的常见内分泌表现。线粒体糖尿病的发作可能是潜在的或急性的,并且表现型可以是1型或类型2。研究表明,与线粒体脑瘤病,乳酸性酸中毒和中风样发作(Melas)综合征的患者认知下降的潜在糖尿病AIS相关。在此,我们报告了糖尿病急性发作后的认知能力下降的病例。病人是一名36岁的妇女,由于高血糖危机和癫痫发作,她住院。两年前,她被诊断出患有Melas综合征,并逐渐发展为痴呆症和听力损失。然而,在糖尿病的急性发作之后,她迅速认知下降和进行日常活动的能力丧失。总而言之,糖尿病的急性发作可能是Melas综合征患者快速认知下降的危险因素。因此,这些患者以及具有相关基因突变的健康携带者应接受糖尿病教育和筛查测试。此外,临床医生应意识到高血糖危机急性发作的可能性,尤其是在存在触发因素的情况下。
从多模式的磁共振图像数据自动分割脑肿瘤具有实现术前计划和术中体积测量的潜力。深度卷积神经网络技术的最新进展为实现脑肿瘤区域的端到端分段打开了机会。然而,脑肿瘤分割中使用的医学图像数据相对较少,并且脑肿瘤的出现变化,因此很难找到一种可学习的模式来直接描述肿瘤区域。在本文中,我们提出了一种新型的跨模式互动特征学习框架,以从多模式数据分割脑肿瘤。核心思想是多模式的MR数据包含正常大脑区域的丰富模式,可以轻松捕获,并且可以潜在地用于检测非正常的大脑区域,即脑肿瘤区域。所提出的多模式交互式特征学习框架由两个模块组成:跨模式特征提取模块和注意力引导特征融合模块,旨在探索丰富的模式跨多模式的富含模式,并指导相互作用的相互作用以及来自不同模态的丰富特征的融合过程。综合实验是在Brats 2018基准上进行的,该基准表明,与基线方法和最先进的方法相比,提出的跨模式特征学习框架可以有效地改善脑瘤分割性能。
AACR 本科生学者奖 科学转化医学/AAAS AACR 科学教育委员会成员 Brian M. Rivers,公共卫生硕士、博士 Kathleen W. Scoto,博士 John E. Leonard,理学硕士、博士 Beverly D. Lyn-Cook,博士 Jose G. Trevino,医学博士 AACR 女性癌症研究学者奖 阿斯利康吉利德科学公司 维多利亚的秘密与 Pelotonia 和 AACR 合作的全球女性癌症基金 高中生特别计划 改变我们的未来基金 AACR 学者培训奖 艾伯维公司 Alfred & Cathy Fraser 美国癌症研究协会 美国脑瘤协会 纪念 Barbara Campbell Creighton 乳腺癌研究基金会 百时美施贵宝 第一三共公司 Doreen J. Putrah 癌症研究基金会 Pezcoller 基金会 吉利德和凯特肿瘤学基金会 Glenn Sykes James V. Buzzitta,医学博士 家庭基金 约翰金凯德奖学基金 June L. Biedler 遗产 KidneyCAN 路德维希癌症研究中心 玛格丽特福蒂基金会 前列腺癌基金会 Sanofi Sygnature Discovery 华纳家族
背景:儿童获得性脑损伤 (pABI) 后,执行功能 (EFs,即有目的的、目标导向的行为) 受损会导致严重残疾,需要有效的干预。目标管理训练 (GMT) 是一种元认知协议,被证明对成人执行功能障碍有效。这项预先注册、盲法、平行随机对照试验评估了儿科改编 (pGMT) 与心理教育对照 (儿科脑健康研讨会,pBHW) 在改善 EF 方面的效果。方法:患有 pABI (例如,创伤性脑损伤、脑瘤) 的 10 至 17 岁儿童,发病或结束治疗后 ≥ 1 年,且父母报告有 EF 投诉,符合条件。参与者被随机分配 (计算机算法) 到基于组的 pGMT (n = 38) 或 pBHW (n = 38)。主动控制经过量身定制,以保持非特异性因素不变。因此,两种治疗均包括连续 3 周在医院进行的 7 次治疗,随后进行为期 4 周的参与者、父母和老师电话咨询。父母报告的日常生活 EF(通过执行功能行为评定量表问卷 (BRIEF;行为调节指数 (BRI) 和元认知指数 (MI) 进行评估)是干预后 6 个月的共同主要结果。次要结果包括神经心理学测试和复杂的自然任务(儿童烹饪任务)。
在现代全球卫生领域,慢性病,特别是影响大脑和肝脏的慢性病,已成为世界各国面临的主要挑战。世界卫生组织 (WHO) 强调慢性病的日益流行,并指出其影响超过了感染和其他传统健康问题 [1,2]。脑部疾病包括从阿尔茨海默氏症等神经退行性疾病到脑瘤的一系列疾病,肝部疾病则包括从肝硬化到肝炎的多种疾病。这些疾病对个人、家庭和社会产生深远影响,是全球发病率和死亡率的重要原因,每年有数百万人受到其严重后果的影响。预测影响大脑和肝脏等慢性病的复杂性在于影响因素众多,从遗传易感性到环境暴露 [3,4]。早期发现对于管理和潜在缓解这些疾病至关重要,但由于早期症状不明显且往往具有误导性,因此仍然具有挑战性。例如,肝病的早期症状可能表现为单纯的疲劳或轻微的腹部不适,很容易与不太严重的疾病混淆。同样,脑部疾病的早期指标也可能被误认为是正常衰老。物联网(IoT)的出现——一项变革性的技术创新——有望重新定义医疗服务。物联网包含一个庞大的互联设备网络,这些设备无需人工干预即可收集、传输和分析数据,从而开启了医疗诊断和患者护理的新时代 [ 5 , 6 ]。
颅内压 (ICP) 升高通常在多种情况下进行筛查,包括脑积水、假性脑瘤和创伤 [1]。测量 ICP 的标准实践包括腰椎穿刺,通过压力计测量脑脊液开放压力,或通过应变计传感的外部脑室引流盐水柱的直接颅内接口测量脑脊液开放压力 [2]。这显然是侵入性的,而且往往会让患者感到不舒服。需要常规 ICP 监测的患者必须定期忍受这一过程 [3]。显然需要一种微创或非侵入性技术来筛查 ICP 升高 [4]。许多研究试图开发非侵入性方法来识别 ICP 升高,例如经眼超声、颈动脉多普勒和耳蜗导水管传输 [2,5,6]。然而,到目前为止,还没有一种被证明足够可靠以用于临床实践 [2,4- 7]。一种有趣的技术是利用鼓膜搏动来推导 ICP [8,9] 。该技术最早在 20 世纪 70 年代被描述,利用了脑脊液 (CSF) 和中耳之间通过耳蜗导水管 [10] 的已知通道。许多研究表明,这种连接可以将心脏搏动波形 (ICP 波形) 传输到鼓膜 (TM),并可以从 TM 搏动中推导 ICP 波形 [10-14] 。尽管之前的测试已经能够推导这种波形,但耳蜗导水管多变的声学特性往往使得经典的 ICP 波形指标(如振幅和时间平均值)不可靠 [2,15] 。这种限制,加上最初检测这些波形所需的笨重而复杂的设备,使得这种
许多肿瘤的特征是 OXPHOS 水平低。然而,这种病理的原因在不同的癌症类型中有所不同。一些肿瘤携带线粒体 DNA 编码复合物 I 亚基(例如肾嗜酸细胞瘤)或核编码复合物 II 亚基(例如嗜铬细胞瘤和副神经节瘤)的致病突变;其他肿瘤则显示所有 OXPHOS 复合物减少,线粒体 DNA 拷贝数减少;还有一些肿瘤的线粒体质量较低 [9–13]。在许多情况下,这种下调的遗传原因仍然难以捉摸。许多肿瘤均显示 OXPHOS 水平均匀降低,例如嗜酸细胞瘤、神经母细胞瘤、肾细胞癌和星形细胞脑瘤 [10,11,14]。然而,只有一小部分癌和黑色素瘤缺乏 OXPHOS,其他肿瘤仍保留有功能性 OXPHOS 系统 [15–20]。某些癌症亚型的 OXPHOS 依赖性受基因改变和/或肿瘤微环境的影响。例如,肺癌中 KRAS 驱动的三羧酸 (TCA) 循环中葡萄糖的贡献比正常肺组织高 [21]。此外,肺癌中经常检测到 SWI/SNF 染色质复合物成分(包括 SMARCA4)的改变。SMARCA4 突变的肿瘤以 OXPHOS 和呼吸能力增强为特征,因此对 OXPHOS 抑制敏感 [22]。与磷酸酶和张力蛋白同源物 (PTEN) 野生型前列腺癌细胞相比,PTEN 缺陷细胞的线粒体通过复合物 V 消耗 ATP,而不是产生 ATP,这导致体外对复合物 I 抑制的基因型特异性敏感性 [23]。