。CC-BY-NC 4.0 国际许可下可用(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 2 月 20 日发布。;https://doi.org/10.1101/2023.05.23.541998 doi:bioRxiv 预印本
脑血管控制及其与其他生理系统的整合在有效维持脑功能稳态方面发挥着关键作用。维持、恢复和促进这种平衡是脑康复和干预计划的首要目标之一。脑血管反应性 (CVR) 是脑血管储备的指标,在脑血流的化学调节中起着重要作用。改善血管反应性和脑血流是脑康复的重要因素,有助于实现预期的认知和功能结果。人们普遍认为,CVR 在衰老、高血压和脑血管疾病以及神经退行性综合征中受损。然而,许多生理因素都会影响 CVR,因此需要全面了解其潜在机制。我们目前对哪种康复方法可以改善 CVR 以及这些信息如何为患者的预后和诊断提供信息知之甚少。实施有针对性的康复方案将是阐明此类方案是否可以调节 CVR 的第一步,在此过程中可能有助于提高我们对潜在血管病理生理学的理解。因此,MRI 提供的高空间分辨率以及全脑覆盖为 CVR MRI 令人兴奋的最新发展打开了大门。然而,目前存在一些挑战,阻碍了其作为治疗计划和指导中有效诊断和预后工具的潜力。了解这些知识空白最终将有助于更深入地了解脑血管生理学及其在脑功能和康复中的作用。根据我们小组过去和正在进行的神经康复研究的经验教训,我们系统地回顾了导致衰老和疾病中 CVR 受损的生理机制,以及 CVR 成像及其在脑康复背景下的进一步发展如何为临床环境增加价值。
睡眠必要性的生理基础仍不确定。最近的证据表明,睡眠会增加脑脊液 (CSF) 的对流并促进间质溶质的输出,从而为解释为什么所有脊椎动物都需要睡眠提供了一个框架。心血管、呼吸和血管运动脑脉动均已被证明会驱动脑脊液沿血管周围空间流动,但尚不清楚这些脉动在人类睡眠期间如何变化。为了研究这些脉动现象与睡眠的关系,我们同时记录了一组健康志愿者的快速 fMRI、磁共振脑电图 (MREG) 和脑电图 (EEG) 信号。我们通过频谱熵分析量化了信号频率分布的睡眠相关变化,并通过功率总和分析计算了 15 名受试者(年龄 26.5 6 4.2 岁,6 名女性)的生理(血管运动、呼吸和心脏)脑脉动的强度。最后,我们确定了 EEG 慢振荡 (0.2 – 2 Hz) 功率和 MREG 脉动之间的空间相似性。与清醒状态相比,非快速眼动 (NREM) 睡眠的特点是频谱熵降低和脑脉动强度增加。对于极低频 (£ 0.1 Hz) 血管运动脉动,这些影响在后脑区域最为明显,但对于呼吸脉动也在整个大脑范围内明显,对于心脏脑脉动则影响较小。在与显示睡眠相关 MREG 脉动变化的大脑区域空间重叠的大脑区域中,EEG 慢振荡功率增加。我们认为,频谱熵降低和脉动强度增强是 NREM 睡眠的特征。根据我们发现的慢振荡功率增加,目前的结果支持睡眠促进人脑液体运输的假设。
版权所有 © 2022 Helakari 等人。这是一篇开放获取的文章,根据知识共享署名 4.0 国际许可条款分发,允许在任何媒体中不受限制地使用、分发和复制,前提是正确署名原始作品。
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可进行授权,允许以任何媒体或格式使用、共享、改编、分发和复制,只要您给予原作者和来源适当的信任,提供知识共享许可的链接,并指明是否做了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可中,除非资料的致谢中另有说明。 如果资料未包含在文章的知识共享许可中,且您的预期用途不被法定规定允许或超出允许用途,则需要直接从版权所有者处获得许可。 要查看此许可证的副本,请访问 http://creativecommons.org/licenses/by/4.0/。知识共享公共领域贡献豁免(http://creativecom-mons.org/publicdomain/zero/1.0/)适用于本文中提供的数据,除非数据来源中另有说明。
动机:精确的脑血管形态模型是建模和模拟现实血管网络中脑血流的关键。这种计算机模拟方法对于揭示神经血管耦合原理至关重要。验证这些血管形态需要执行某些无法通过通用可视化框架完成的视觉分析任务。这一限制对模拟中使用的血管模型的准确性有很大影响。结果:我们提出了 VessMorphoVis,这是一套集成的工具箱,用于交互式可视化和分析庞大的脑血管网络,这些网络由最初从成像或显微镜堆栈中分割出来的形态图表示。我们的工作流程利用了 Blender 的出色潜力,旨在建立一个集成的、可扩展的、特定领域的框架,该框架能够交互式可视化、分析、修复、高保真网格划分和高质量渲染血管形态。根据用户的初步反馈,我们预计我们的框架将成为未来血管建模和模拟的重要组成部分,填补目前尚未填补的空白。 可用性和实施:VessMorphoVis 在 Github 上可根据 GNU 公共许可证免费获取,网址为 https://github.com/BlueBrain/VessMorphoVis。形态分析、可视化、网格划分和渲染模块是基于其 Python API(应用程序编程接口)作为 Blender 2.8 的附加组件实现的。用户可以通过直观的图形用户界面使用附加功能,也可以通过以后台模式运行 Blender 的功能丰富的命令行界面调用 API 的详尽配置文件使用附加功能。 联系方式:marwan.abdellah@epfl.ch 或 felix.schuermann@epfl.ch 补充信息:补充数据可在 Bioinformatics 在线获取。
生物神经网络定义了人类和其他哺乳动物的大脑功能和智力,并形成了超大的空间结构图。它们的神经元组织与大脑微血管的空间组织紧密相连,微血管为神经元提供氧气并构建互补的空间图。这种血管(或血管结构)在神经科学中起着重要作用;例如,血管结构的组织(和变化)可以代表各种病理的早期迹象,如阿尔茨海默病或中风。最近,组织透明化的进展使得全脑成像和小鼠大脑血管整体分割成为可能。基于这些成像方面的进展,我们将基于特定的成像协议提供可扩展的全脑血管图数据集。具体来说,我们使用一种利用体积渲染引擎 Voreen 的改进图形提取方案来提取血管图,并通过 OGB 和 PyTorch Geometric 数据加载器以可访问且适应性强的形式提供它们。此外,我们使用引入的血管图数据集对许多最先进的图学习算法在血管预测和血管分类的生物学相关任务上进行了基准测试。我们的工作为推进图学习研究进入神经科学领域铺平了道路。作为补充,所呈现的数据集为机器学习社区提出了具有挑战性的图学习研究问题,包括将生物学先验纳入学习算法,或扩展这些算法以处理具有数百万个节点和边的稀疏空间图。1
虽然免疫组织化学和电子显微镜研究也揭示了 NVU 主要参与者的重要见解,但这些方式通常仅限于局部大脑区域,因为它们不易应用于全脑研究。然而,一些研究表明,同侧皮质不同区域的细胞组成、能量需求以及多种功能存在很大差异,更不用说大脑的其余部分了。14、15 这表明一个大脑区域的血管特征和组织可能不适用于其他大脑区域。因此,需要对脑血管组织和大脑区域异质性进行网络级和全脑研究,以更好地了解它们的关键功能以及病理条件下的任何潜在脆弱性。幸运的是,技术创新为小鼠全脑脑血管映射研究铺平了道路。虽然方法列表在不断增加,但这里的重点将包括当前几种细胞分辨率离体成像方法的改编,这些方法可以大致分为连续切片的块面成像和光片荧光显微镜 (LSFM)。我们还将讨论作为成像过程不可或缺的一部分的样品处理和血管标记策略。这些成像模式提供了研究脑血管系统细节的方法,每种方式都有自己的优点和局限性。重要的是,这些研究在技术上具有挑战性,不仅在成像方面,而且在需要高水平计算技能的分析流程方面。鉴于此,以及这些模式的快速扩展和我们对脑血管系统重要性的理解,综合最近研究工作中获得的知识和资源已成为必要。
简单摘要:在我们的研究中,我们使用一系列MRI模式解决了脑肿瘤分割任务的挑战。虽然领先的模型对标准化数据集显示了较高的能力,但它们在不同临床环境中的多功能性仍然不确定。我们引入了“以区域为中心的选择加(RFS+)”,从而提高了我们本地数据集中临床定义标签(如肿瘤总量)的分割性能。rfs+集成了分割方法和归一化技术,利用每种方法的优势,并通过选择前三个模型来最大程度地减少其缺点。rfs+与最先进模型相比,使用记忆少67%,训练时间少92%。与领先模型相比,该策略的性能更好,骰子得分为79.22%。这些发现突出了RFS+在扩增临床应用中深度学习模型对脑肿瘤分割的适应性方面的潜力。但是,需要进一步的研究来验证RFS+的更广泛的临床效率。
1神经科学计划,渥太华医院研究所,加拿大安大略省奥塔瓦2免疫学,渥太华大学,渥太华大学,安大略省,加拿大安大略省6个数字技术,加拿大国家研究委员会,渥太华,安大略省,加拿大安大略省7号医学科学司7,不列颠哥伦比亚省维多利亚大学,加拿大维多利亚大学8神经科学系8,神经科学系,加拿大卡尔顿大学,加拿大9诺,萨尔群岛,萨尔群岛。巴西圣保罗10耶鲁大学医学院,部门病理学,美国纽约州纽黑文病理学,美国纽约州纽黑文