XiaoMi-AI文件搜索系统
World File Search System脑颅
文章的发育性乙醇暴露会影响年轻小脑的Purkinje细胞，但不影响小胶质细胞
摘要：由发育乙醇暴露引起的胎儿酒精谱系（FASD）导致小脑损伤，包括运动问题，小脑体重降低和细胞死亡。在FASD的动物模型中报道了小脑皮层，Purkinje细胞和中枢神经系统免疫细胞的唯一输出的改变。为了确定发育性乙醇暴露如何影响成年小脑小胶质细胞和Purkinje细胞，我们使用了人类的第三孕期暴露模型，其中小鼠从产后（P）第4-9天接受了乙醇或盐水。在青春期，将小脑颅窗植入，并将小鼠老化到成年后，以检查带有两光片成像或固定组织中的小胶质细胞和Purkinje细胞。乙醇对小胶质细胞密度，形态，动力学或损伤反应没有影响。但是，乙醇降低了浦肯野细胞线性频率。与男性相比，女性的purkinje细胞层中的小胶质细胞 - 普鲁金耶细胞相互作用改变了。总体而言，成年后的小脑小胶质细胞对小脑小胶质细胞几乎没有影响，而普肯野细胞似乎更容易受到其作用的影响。
比较机器学习算法和小儿创伤性脑损伤的术中颅内损伤的可预测性
目的是讨论了头部CT检查的过度使用，尤其是那些因脑部造成轻微创伤的脑损伤（TBI）。在破坏性时代，机器学习（ML）是在神经外科各个领域使用和应用的预测工具之一。这项研究的目的是比较ML和nom图之间的预测性能，这是TBI儿童颅CT后颅内损伤的另一种预测工具。将来自964名TBI儿科患者的方法数据随机分为训练数据集（75％），以进行超疗法调整和来自14个临床参数的监督学习，而其余数据（25％）用于销售目的。此外，从具有相似参数的训练数据集开发了一个nom图。因此，通过基于Web的应用程序构建和部署了来自各种ML算法的模型。结果，随机森林分类器（RFC）算法确立了预测大脑颅内颅内损伤的最佳性能。RFC算法性能的接收器操作特性曲线下的面积为0.80，灵敏度为0.34，特异性为0.95，0.73正预测值，0.80负值预测值和0.79的精度。结论ML算法，尤其是RFC，表明相对出色的预测性能，可以支持医生在过度使用头部CT扫描并降低一般实践中小儿TBI的治疗费用。
已发布版本的引用 (APA)：Vernooij, M. W., Zaki, L. A. M., Smits, M., Tolman, C., Papma, J. M., Visser, J. J., & Steketee, R. M. E. (2022)。比较两种人工智能软件包在记忆临床成像中的规范性脑容量测定。神经放射学，64 (7)，1359-1366。 https://doi.org/10.1007/s00234-022-02898-w EUR 研究信息门户上的出版物链接
摘要 目的 比较两个执行规范性脑容量分析的人工智能软件包，并探索它们是否会在临床背景下对痴呆症诊断产生不同的影响。方法 回顾性地纳入了 60 名患者（20 名阿尔茨海默病、20 名额颞叶痴呆、20 名轻度认知障碍）和 20 名对照。每个受试者使用两家专有制造商的软件包处理一次 MRI，为每个受试者生成两份定量报告。两名神经放射科医生仅使用这些报告中的规范容量分析数据分配强制选择诊断。他们将体积分布分类为“正常”或“异常”，如果“异常”，他们会指定最可能的痴呆亚型。通过比较（1）基于软件输出的诊断之间的一致性；（2）诊断准确性、敏感性和特异性；来评估软件包之间的临床影响差异；和 (3) 诊断信心。还比较了定量输出，以提供任何诊断差异的背景。结果 软件包之间的诊断一致性为中等，用于区分正常和异常体积（K = .41– .43）和特定诊断（K = .36–.38）。但是，每个软件包在区分正常和异常概况时都产生了较高的观察者间一致性（K = .73–.82）。软件包之间的准确度、灵敏度和特异性没有差异。对于一个评估者来说，不同软件包之间的诊断信心是不同的。软件包之间的全脑颅内容积输出不同（10.73%，p < .001），用于诊断的规范区域数据相关性弱至中等（r s = .12–.80）。结论 用于脑 MRI 定量规范评估的不同人工智能软件包可以在临床解释层面产生不同的效果。诊所不应假设不同的软件包可以互换，因此建议在采用之前对软件包进行内部评估。