XiaoMi-AI文件搜索系统
World File Search System血脑
血脑障碍纳米医学中的血脑屏障征服：策略，临床进步和新兴挑战
1扬兹大学健康科学中心医学成像系，中国434023； mengyun-duan@yangtzeu.edu.cn（M.D.）; chen_xg@yangtzeu.edu.cn（X.C。）2中国武汉430070的惠汉省孕产妇和儿童健康医院麻醉学系； zijun_wu@whu.edu.cn 3武汉大学武汉人民医院放射科，中国430060； rm003237@whu.edu.cn 4扬兹大学健康科学中心药理学系，中国434023； liulian@yangtzeu.edu.cn 5 NUS癌症研究中心（N2CR），新加坡新加坡国立大学，新加坡国立大学，新加坡117599； phcgbc@nus.edu.sg 6 Department of Pharmacology, Yong Loo Lin School of Medicine, National University of Singapore, Singapore 117600, Singapore 7 Cancer Science Institute of Singapore, National University of Singapore, Singapore 117599, Singapore 8 Department of Haematology-Oncology, National University Cancer Institute, Singapore 119228, Singapore * Correspondence: boxuren@yangtzeu.edu.cn（B.R.）; csiwl@nus.edu.sg（l.w.）†这些作者为这项工作做出了同样的贡献。
胰岛素抵抗/高胰岛素血症，通过保留的射血分数
摘要：心力衰竭（HF）已成为不断兴趣的主题，因为它在1997年被宣布为新的大流行，因为HF在最近几年的住院治疗呈指数增长。hf是最终的状态，即使没有得到充分治疗，不同病因的所有心脏疾病都会引起。它在全球范围内非常普遍，随着年龄的增长而逐渐增加，在65岁以上的受试者中达到10％。在过去的二十年中，有可能看到保留的射血分数（HFPEF）的心力衰竭的流行率正在增加，而心力衰竭的射血分数（HFREF）正在减少。HFPEF通常以舒张功能受损和增加的填充压力的左心室（LV）的同心重塑进行特征。多年来，一般成年人口中胰岛素抵抗（IR）/高胰岛素血症（HyperINS）的流行率逐渐增加，这主要是由于生活方式的变化，尤其是在发达国家和发展中国家的变化，全球范围在15.5％和46.5％之间。值得注意的是，超过50％的HF患者也具有IR/HYPERINS，而HFPEF患者的百分比甚至更高。在科学文献中，已经很好地强调了，与胰岛素抵抗状况相关的循环胰岛素水平增加，多年来造成了促进性心血管改变，这可能会刺激HFPEF的发展和/或HFPEF恶化。本手稿的目的是审查支持IR/HyperINS和HFPEF之间的病理生理联系的科学文献，以刺激科学界识别与胰岛素抵抗性的高胰岛素血症，作为独立的心血管危险因素，在HF的发展中，它可以改善其在适当的治疗中，并确定其在适当的治疗中，并确定其适当的培训，以改善HF的培训，并在适当的治疗中改善了HF的促进性。进展。
血与废墟 - 陆军大学出版社
近来，历史学家和其他作家中出现一种趋势，对第二次世界大战的标准时间框架 — — 即 1939 年开战，1945 年结束 — — 提出挑战。也有人提出了其他的范式。作家罗伯特·卡普兰在最近为新美国安全中心撰写的一篇文章中，提到了“长期的欧洲战争”，他将这场战争的时间范围定为 1914 年至 1989 年，涵盖了两次世界大战以及冷战。1 历史学家安东尼·比弗 (Antony Beevor) 在他开创性的一卷本二战史中，对过去用来框架战争的各种时间参数提出了质疑，并指出“然而，历史从来都不是整洁的。”2 比弗指出，西方历史学家往往忽视二战的亚洲根源，而一些亚洲历史学家“则认为第二次世界大战始于 1931 年日本入侵满洲。” 3 在一部关于战争时期的宏伟新单卷历史著作《血与废墟：最后的帝国战争，1931-1945》中，英国历史学家理查德·奥弗里 (Richard Overy) 考察了比弗所建议的更广泛的时间范围。正如标题所示，作者的视角是从帝国或“民族帝国”的角度出发的，这使得这本书与其他单卷历史著作不同
关于华氏巨球蛋白血症
虽然大多数情况下，这种疾病发展缓慢，可以通过适当的疗法得到有效控制，但目前尚无治愈 WM 的治疗方法。许多关于 WM 的旧文献都引用了诊断后 5-7 年的存活率，而且这个数字仍不时出现。患者应该知道，这是基于许多新疗法（尤其是单克隆抗体、蛋白酶体抑制剂，以及现在的 B 细胞信号通路靶向疗法）广泛使用之前进行的研究。著名的 WM 研究人员报告说，鉴于 WM 患者的治疗选择迅速改善，如今的存活率要高得多。再加上 WM 患者在诊断时往往年龄较大，他们的存活率更接近一般人群的预期存活率。重要的是要记住，公布的存活率是基于 WM 患者群体对治疗的反应。这些统计数据在描述任何特定 WM 患者的预后方面用处不大，他们的前景可能受到许多因素的影响，例如他们的整体健康状况、接受治疗的机会以及耐受性或副作用。患者应与医疗团队沟通，以获得针对其长期前景的个性化评估。疾病的体征和症状
Waldenstrom的巨球蛋白血症
心脏是泵。它会在您的整个身体中传递血液。当心脏受损时，它无法将足够的血液泵入身体。这会导致一种称为心力衰竭的疾病。心力衰竭的另一个问题是血液可以备份并泄漏到肺，腹部和腿部的组织中。这会导致呼吸急促，腿部肿胀，使您经过常规活动后感到疲倦。
录用稿件，非最终出版稿 - 工程科学学报
因此，跨个体、跨场景的脑电分析方法逐渐成为研究热点。越来越多的研究人员将广泛应用脑 电信号分析的特征于跨个体、跨场景的脑电信号分析研究中。 Touryan 等人采用经典的独立成分分 析的特征分析方法描述特征空间，计算功率谱密度（ Power Spectral Density ， PSD ），并采用顺序 前向浮动选择方法识别频谱特征中的独立成分集，结果表明该方法可以识别出跨场景脑电信号中的 共同成分 [88] 。 Kakkos 等人采用了特征融合的方法，将 PSD 与功能连接特征相结合，提高了跨场景 分类的性能，并证明了脑特征融合在跨场景中的应用更为有效 [89] 。 Xing 等人将模糊熵特征用于跨 场景脑电信号分析，发现模糊熵特征相对于其他特征更能适合跨场景 [90] 。卷积神经网络 （ Convolutional Neural Networks ， CNN ）和递归神经网络（ Recurrent Neural Networks ， RNN ）等基 于深度学习的新型跨任务模型在跨场景脑电分析中展现了巨大潜力。这些模型能够自动提取特征和 学习复杂的脑电特征，从而有效地缩小不同任务和场景之间的差距，提高模型的泛化能力 [91][92][93] 。 近年来，一些跨学科的方法被创新性地应用于跨场景研究， Zhao 等人提出了一种跨学科的对齐多 源域自适应方法，用于跨个体的 EEG 疲劳状态评估，显著提高了模型的泛化能力 [94] ， Zhou 等人在 此基础上进行改进，提出了一种跨任务域自适应方法，有效提升了跨场景认知诊断的性能 [95] 。
补充材料脑脑内脑内...
图S10。 建立用于研究缺血性中风的永久性脑动脉闭塞（PMCAO）模型。 PMCAO手术程序。 CCA，ICA和ECA暴露了，将硅细丝插入CCA和ICA直到到达MCA（有关详细信息的材料和方法）。 用biorender.com创建的数字。 b TTC染色大脑的代表性照片。 白色区域代表PMCAO的梗塞区域。 PMCAO后1、3和6小时，缺血性大脑中SIRT1的mRNA表达水平。 数据表示为折叠变化，相对于假手术组在归一化为GAPDH之后。 误差条表示平均值±S.D. （n = 3）（每组n = 10只小鼠， * p <0.05，*** p <0.001对假手术）。 缩写：CCA，常见的颈动脉； ICA，颈内动脉； ECA，外部颈动脉； MCA，中大脑中动脉； TTC，2,3,5-三苯基四唑氯化物。图S10。建立用于研究缺血性中风的永久性脑动脉闭塞（PMCAO）模型。PMCAO手术程序。CCA，ICA和ECA暴露了，将硅细丝插入CCA和ICA直到到达MCA（有关详细信息的材料和方法）。用biorender.com创建的数字。b TTC染色大脑的代表性照片。白色区域代表PMCAO的梗塞区域。PMCAO后1、3和6小时，缺血性大脑中SIRT1的mRNA表达水平。数据表示为折叠变化，相对于假手术组在归一化为GAPDH之后。误差条表示平均值±S.D.（n = 3）（每组n = 10只小鼠， * p <0.05，*** p <0.001对假手术）。缩写：CCA，常见的颈动脉； ICA，颈内动脉； ECA，外部颈动脉； MCA，中大脑中动脉； TTC，2,3,5-三苯基四唑氯化物。
BrainBeats：一个开源EEGLAB插件，用于共同分析脑血和心血管（ECG/PPG）信号
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开放源代码，EEGLAB，EEG，EEG，ECG，ECG，PPG，PPG，HRV，QEEG，QEEG，特征分析，Hep/Hep/hep/hep/heo，hep/heo，brain heart Interplay，Heart Artifact，Heart Artifact，Heart Artifact，Heart Artifact。摘要：BrainBeats工具箱是一个开源EEGLAB插件，旨在共同分析EEG和心血管（ECG/PPG）信号。它提供了三个主要协议：心跳诱发的潜力评估，基于特征的分析和心脏伪像从EEG信号中提取。它应该帮助研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它们有可能对大脑和心脏功能耦合提供宝贵的见解。EEG和ECG/PPG提供了无创，具有成本效益和便携式解决方案，用于捕获实验室，临床或现实世界中的大脑心脏相互作用。但是，由于技术挑战和缺乏准则，该域中的可扩展应用程序受到限制。现有工具通常缺乏统计方法，易于使用的用户界面或大型数据集的自动功能，对于可重复性至关重要。在标准化定量脑电图（QEEG）和心率变异性（HRV）特征提取方法中进一步存在，破坏了临床诊断或机器学习的鲁棒性（ML）模型。应对这些挑战，我们介绍了Brainbeats工具箱，该工具箱是作为开源EEGLAB插件实现的，提供了一套信号处理和功能突出功能。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO），用于以毫秒精度评估时锁的脑心脏相互作用； 2）QEEG和HRV功能提取，用于检查各种大脑和心脏指标之间的关联或构建基于功能的ML模型； 3）从EEG信号中自动提取心脏伪像，以消除进行EEG分析的任何潜在的心血管污染。我们提供了一个分步教程，用于在包含同时64通道EEG，ECG和PPG的开源数据集上执行这三种方法。可以通过图形用户界面（GUI）或命令行调整一系列参数以量身定制独特的研究需求。Brainbeats应该使大脑心脏的相互作用研究更容易访问和重现。
全脑脑
全脑脑是复杂的大脑畸形，这是由于早期胎儿发育过程中大脑不完全的裂解而导致的。这种情况的特征在于普罗德龙（胚胎的前脑）的失败，以正确分成大脑半球的双叶，导致影响大脑和面部特征的异常。根据大脑分裂的严重程度，全脑脑分为四种类型：Alobar Holoporsencephaly：最严重的形式，其中没有脑半球分离，导致单个脑室心室和一个单裂脑。半月骨全脑脑：大脑半球部分分离，大脑的结构在某种程度上介于Alobar和Lobar之间。Lobar Holoporsencephaly：最少的严重形式，具有更好的脑半球分离和更正常的大脑结构。中半球间变体（syntelcephaly）：半球在大脑中间没有分离，但可能在前和后方面更正常地分裂。是什么导致全脑脑？
BrainBeats：一个开源EEGLAB插件，用于共同分析脑血和心血管（ECG/PPG）信号
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2023年12月5日。 https://doi.org/10.1101/2023.09.25.559321 doi：Biorxiv Preprint