XiaoMi-AI文件搜索系统
World File Search System脑转
脑转移黑色素瘤患者的预后变化和生存相关因素
美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心癌症医学系（MH）；美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心生物统计学系（DRM）；美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心外科肿瘤学系（ABD、JEG、LEH）；美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心黑色素瘤医学肿瘤学系（ES、CS、ELP、EMB、ICGO、HAT、MAD）；美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心神经外科系（SO、BYSK、SSP、IEM、JSW、FFL、SDF）；美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心病理学系（CAT-C.、JTH）；美国宾夕法尼亚州匹兹堡大学医学成像人工智能创新中心（RRC）；美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心放射肿瘤科（CC、MFM、SLM、DNY、JL）
标题成为不朽的：未来的健康和医疗旅游市场类型文章URL https://clok.uclan.ac.uk/44087/ doi https://doi.org/10.1108/jtf- 标题为基于空中视力的遥感图像数据集，来自大型农场使用自主无人机监视牲畜类型的文章url https：/ div> 神经发育和相关精神疾病中的转录因子：遗传和环境风险因素的潜在收敛 痕量DNA证据的抗污染措施 医学教育中人工智能的范围审查 标题特别重点问题第一部分：癌症治疗中的功能性纳米材料类型文章URL https://clok.uclan.ac.uk/37922/ doi https://doi.org/10.2 纳米颗粒药物递送到靶向乳腺癌脑转移：当前和未来趋势 基于SDN的DDOS攻击对智能家居的检测和缓解 不断发展的控制 - chaos连续体：第1部分 纳米疗法靶向脑肿瘤的潜力 DNA在法医学中的作用：全面的评论 负面的幻觉会因环境友好型的数字而加剧： 有丝分裂原和应激激活蛋白激酶1负调节海马神经发生 优化可再生能源微电网系统的...
抽象目的 - 人类正在走向不朽的生活吗？如果是这样，哪些社会领域在实现这一目标中发挥了积极作用？为了理解这一点，该研究探讨了永生与健康和医疗旅游业之间的关系，以寻求它们之间的潜在关系，并最终询问有关这些旅游部门增长的困难问题，以及对他们进行更大监管的潜在需求。设计/方法论/方法 - 采用务实的哲学方法，并通过检查次要来源以及已发表的材料和报告的精致信息，该研究介绍了原始的理论知识以及探索旅游业和人类永生的模型。调查结果 - 本文认为，当今健康和医疗市场的持续增长可能导致一个世界，在我们的世界中，人类主义者和半机器人都在我们的世界中，甚至从智人接管。该研究提出了一个模型，强调了健康和医疗旅游市场的潜在作用，这说明了未来消费者服务的潜力，这些服务可能会进一步推动寻找永生的搜索。因此，这种市场和消费者的欲望是如何（在）直接支持人文对（非人类）不朽生存的渴望的。独创性/价值 - 如今，个人受到健康实践，医疗和化妆品的驱动，并愿意环游世界，以寻找能够执行所需程序或寻求价格更便宜的公司。这项研究提供了对这些复杂关系的新见解，并绘制了健康与医疗实践之间的隶属关系以及不朽的概念。
脑转移：神经肿瘤学会（SNO）关于当前管理和未来方向的共识审查
美国马萨诸塞州波士顿的辐射肿瘤学部，达纳 - 法伯癌研究所，杨百翰和妇女医院（A.A.，N.L。）;美国马萨诸塞州波士顿的哈佛辐射肿瘤学计划（N.L.）;美国佛罗里达州迈阿密迈阿密癌症研究所医学肿瘤学系（M.A.）;美国马里兰州贝塞斯达国家癌症研究所病理学实验室（K.A.）;美国纽约，纽约，纪念斯隆·凯特林癌症中心神经病学，人类肿瘤和发病机理计划（A.B.）;美国马萨诸塞州波士顿的马萨诸塞州综合医院神经肿瘤学和医学肿瘤学部门（P.K.B.）;美国明尼苏达州罗切斯特梅奥诊所辐射肿瘤学系（P.D.B.）;美国科罗拉多州奥罗拉的科罗拉多州癌症中心医学肿瘤学系（R.C.）;耶鲁大学医学院神经外科和辐射肿瘤学系，美国康涅狄格州纽黑文（V.C.）;美国德克萨斯州休斯敦市Anderson癌症中心的黑色素瘤医学肿瘤学系（M.D.，H.T。）;美国亚利桑那州凤凰城梅奥诊所神经放射科放射科（L.H.）;美国马萨诸塞州波士顿的杨百翰和妇女医院放射学系（R.H.）；美国明尼苏达州罗切斯特梅奥诊所放射科（T.K.）;西北大学Feinberg医学院神经病学系和美国伊利诺伊州芝加哥西北大学罗伯特·H·卢里综合癌症中心的马尔纳蒂脑肿瘤研究所（P.K.）;美国佛罗里达州迈阿密迈阿密癌症研究所辐射肿瘤学系（M.M.）;美国加利福尼亚州洛杉矶洛杉矶医疗中心Kaiser Permanente神经病学系（K.L.）;美国马萨诸塞州波士顿Dana-Farber癌症研究所医学肿瘤学系（E.L.，N.U.L.，D.R.，P.W。）;马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州肿瘤学和精神病学系（M.P.）;美国弗吉尼亚州弗吉尼亚大学神经外科系（J.S.）;神经科学系神经科学系Rita Levi Montalcini，意大利都灵都灵大学（R.S.）;瑞士苏黎世大学医院和苏黎世大学神经病学系（M.W。）
用于深度学习脑转移瘤自动分割的多中心隐私保护模型训练
目标：本研究旨在探索多中心数据异质性对深度学习脑转移瘤 (BM) 自动分割性能的影响，并评估增量迁移学习技术，即学习而不遗忘 (LWF)，在不共享原始数据的情况下提高模型通用性的有效性。材料和方法：使用了来自埃尔朗根大学医院 (UKER)、苏黎世大学医院 (USZ)、斯坦福大学、加州大学旧金山分校、纽约大学 (NYU) 和 BraTS Challenge 2023 的总共六个 BM 数据集。首先，分别针对单中心专项训练和混合多中心训练建立 DeepMedic 网络的 BM 自动分割性能。随后评估了隐私保护双边合作，其中将预训练模型共享到另一个中心以使用迁移学习 (TL) 进行进一步训练（带或不带 LWF）。结果：对于单中心训练，在相应的单中心测试数据上，BM 检测的平均 F1 分数范围为 0.625（NYU）至 0.876（UKER）。混合多中心训练显著提高了斯坦福大学和纽约大学的 F1 分数，而其他中心的改善可以忽略不计。当将 UKER 预训练模型应用于 USZ 时，在组合 UKER 和 USZ 测试数据上，LWF 获得的平均 F1 分数 (0.839) 高于朴素 TL (0.570) 和单中心训练 (0.688)。朴素 TL 提高了灵敏度和勾勒准确度，但损害了精度。相反，LWF 表现出令人称赞的灵敏度、精度和勾勒准确度。当应用于斯坦福大学时，观察到了类似的表现。结论：数据异质性（例如，不同中心的转移密度、空间分布和图像空间分辨率的变化）导致 BM 自动分割的性能不同，对模型的通用性构成挑战。LWF 是一种很有前途的点对点隐私保护模型训练方法。
基于深度学习的自动表皮生长因子受体和间变性淋巴瘤激酶状态预测非小细胞肺癌脑转移
目的：本研究旨在调查开发一种深度学习（DL）算法的可行性，该算法将非小细胞肺癌（NSCLC）脑转移瘤分类为表皮生长因子受体（EGFR）突变和间变性淋巴瘤激酶（ALK）重排组，并与基于影像语义特征的分类进行比较。方法：分析了2014年至2018年117名患者的数据集，其中33名患者为EGFR阳性，43名患者为ALK阳性，41名患者为任一突变阴性。使用卷积神经网络（CNN）架构高效网络研究使用T1加权（T1W）磁共振成像（MRI）序列、T2加权（T2W）MRI序列、T1W后对比（T1post）MRI序列、液体衰减反转恢复（FLAIR）MRI序列的分类准确性。数据集分为80％训练和20％测试。采用描述性分析[卡方检验（χ
在外部验证中，MRI 放射组学预测脑转移瘤原发性肿瘤组织学的能力有限
摘要背景。越来越多的研究表明，使用从成像数据中提取的放射组学特征可以预测各种恶性肿瘤的组织学或遗传信息。本研究旨在通过内部和外部验证来研究基于 MRI 的放射组学在预测脑转移瘤原发性肿瘤中的作用，并使用过采样技术来解决类别不平衡问题。方法。这项经 IRB 批准的回顾性多中心研究包括肺癌、黑色素瘤、乳腺癌、结直肠癌和其他原发性实体的组合异质组（5 类分类）的脑转移瘤。2003 年至 2021 年期间从 231 名患者（545 个转移瘤）获取了本地数据。分别对来自公开的斯坦福 BrainMetShare 和加州大学旧金山分校脑转移瘤立体定向放射外科数据集的 82 名患者（280 个转移瘤）和 258 名患者（809 个转移瘤）进行了外部验证。预处理包括脑提取、偏差校正、配准、强度归一化和半手动二元肿瘤分割。从每个序列（8 次分解）的 T1w（± 对比度）、液体衰减反转恢复 (FLAIR) 和小波变换中提取了 2528 个放射组学特征。使用原始数据和过采样数据的选定特征训练随机森林分类器（5 倍交叉验证），并使用准确度、精确度、召回率、F1 分数和受试者工作特征曲线下面积 (AUC) 在内部/外部保留测试集上进行评估。结果。过采样并没有改善内部和外部测试集上整体不令人满意的性能。不正确的数据分区（训练/验证/测试分割之前的过采样）会导致对模型性能的严重高估。结论。应严格评估放射组学模型从成像中预测组织学或基因组数据的能力；外部验证至关重要。
PS YC HEN CO DE 2 评估样本细胞反卷积方法对人类大脑转录组数据的性能和应用
样本反卷积方法可估计大量组织样本中的细胞类型比例和基因表达，但它们的性能和生物学应用仍未被探索，特别是在人脑转录组数据中。在这里，使用来自大量组织 RNA 测序 (RNA-seq)、单细胞/细胞核 (sc/sn) RNA-seq 和免疫组织化学的样本匹配数据评估了九种反卷积方法。使用了来自 149 个成人死后大脑和 72 个类器官样本的每个细胞总共 1,130,767 个细胞核。结果显示，dtangle 在估计细胞比例方面表现最佳，而 bMIND 在估计样本细胞类型基因表达方面表现最佳。对于八种脑细胞类型，通过反卷积表达 (decon-eQTL) 鉴定了 25,273 个细胞类型 eQTL。结果表明，decon-eQTL 比单独的块组织或单细胞 eQTL 更能解释精神分裂症 GWAS 遗传性。还使用解卷积数据检查了与阿尔茨海默病、精神分裂症和大脑发育相关的差异基因表达。我们的研究结果在块组织和单细胞数据中得到复制，为解卷积数据在多种脑部疾病中的生物学应用提供了见解。
