XiaoMi-AI文件搜索系统
World File Search System阵挛性
生成有关癫痫病的患者教育指南：跨
首先生成答复。选择了三种常见的神经病，即 GTCS、肌阵挛性癫痫和癫痫持续状态。选择了两种 AI 工具 ChatGPT 和 Google Gemini，用于生成患者教育手册。ChatGPT 3.5 版和 Google Gemini 1.5 版于 2024 年 6 月 11 日使用 [6] 。这两种 AI 工具都给出了以下提示：“为 [疾病名称] 撰写一份患者教育指南。”生成的答复收集在 Microsoft Word（Microsoft Corp.，华盛顿州雷德蒙德）文档中，并使用各种工具进行评分：使用 Flesch-Kincaid 计算器进行字数统计、句子数统计、生成信息的易理解性和可读性，使用 QuillBot 剽窃工具检查内容的相似性，使用改进的 DISCERN 评分检查科学文本的可靠性 [7,8,9] 。改良的DISCERN评分是衡量信度和准确度的工具，总分为5分，分数越高，信度越高[9]。
Dravet 综合征：一例病例报告
摘要 我们报告了一例罕见的 Dravet 综合征病例，患者是一名 13 岁男孩，因多形性多药耐药性癫痫发作而就诊。他出生后第一年反复发作几次热性惊厥，最初接受全身性癫痫治疗。但由于癫痫发作对一种抗癫痫药物有抵抗力，因此随着时间的推移，他增加了其他药物。全身性癫痫发作始于 8 个月大的热性惊厥，每次发热发作时经常重复发作，直到 5 岁时变为多形性，并出现认知和运动功能下降。没有相关家族史，也没有近亲关系。脑电图显示两个半球均有严重的癫痫放电，脑部 MRI 显示皮质萎缩。因此，该儿童被转诊进行 Dravet 综合征的基因检测，结果证实了 SCN1A 基因阳性突变的诊断。引言 Dravet 综合征 (DS) 以前称为婴儿严重肌阵挛性癫痫 (SMEI)，被归类为一种癫痫性脑病，其特征是在出生后第一年内出现长时间的癫痫发作。这些癫痫发作经常与发烧或疾病同时出现，并且经常最初被误诊为热性惊厥。DS 的准确诊断和随后的后续治疗通常会被推迟。发病时，脑电图 (EEG) 看起来正常，神经影像学未显示任何结构异常。虽然通常会达到早期发育里程碑，但在出生后第二年可能会出现退化的迹象，常伴有抽搐性癫痫持续状态、交替性半抽搐和肌阵挛性癫痫发作。目前已可以进行基因检测，通过识别 SCN1A 基因突变来确诊。及时识别和诊断唐氏综合征，并实施适当的抗惊厥药物和综合治疗计划，可能有助于减少癫痫发作频率并改善长期发育结果。1 我们报告了一例 13 岁男孩的病例，该男孩表现为药物抵抗性癫痫发作和神经系统、认知和行为状态恶化。病例介绍 一名 13 岁的阿尔巴尼亚男孩因多形性药物抵抗性癫痫发作、认知和运动功能障碍被转诊至科索沃大学临床中心神经内科
Rio-Bermudez.大脑皮层.2020.pdf - Blumberg 实验室
主动睡眠 (AS) 为同步皮质和皮质下结构内及之间的神经活动提供了独特的发展环境。在一周大的大鼠中，肌阵挛性抽搐的感觉反馈（AS 的特征性相位运动活动）会促进海马体和红核（中脑运动结构）中相干的 θ 振荡 (4-8 Hz)。抽搐的感觉反馈还会以纺锤波爆发的形式触发感觉运动皮质中的节律活动，纺锤波爆发是由 θ、α/β（8-20 Hz）和 β2（20-30 Hz）频段中的节律成分组成的短暂振荡事件。在这里，我们想知道这些纺锤波爆发成分中的一个或多个是否从感觉运动皮质传递到海马体。通过同时记录 8 日龄大鼠的胡须桶状皮质和背侧海马，我们发现 AS（而非其他行为状态）会促进皮质-海马相干性，尤其是在 beta2 波段。通过切断眶下神经以阻止胡须抽搐的感觉反馈传递，AS 期间的皮质-海马 beta2 相干性显著降低。这些结果证明了感觉输入（尤其是在 AS 期间）对于协调这两个正在发育的前脑结构之间的节律性活动的必要性。
VIMPAT® 处方信息
o 用于治疗部分性发作的单一疗法的初始剂量为 100 毫克，每天两次（2.1） o 用于治疗部分性发作或原发性全身强直阵挛性发作的辅助疗法的初始剂量为 50 毫克，每天两次（2.1） o 用于单一疗法和辅助疗法的最大推荐剂量为 200 毫克，每天两次（2.1） • 1 个月至 17 岁以下的儿科患者：推荐剂量根据体重，每天口服两次（2.1） • 根据临床反应和耐受性增加剂量，每周不超过一次（2.1） • 注射：仅在暂时无法口服时用于静脉注射；推荐剂量根据体重，每天给药两到三次，每次持续 15 至 60 分钟；建议某些患者在开始用药前进行心电图检查（2.7、5.3） • 建议对严重肾功能不全的患者调整剂量（2.4、12.3） • 建议对轻度或中度肝功能不全的患者调整剂量；不建议对严重肝功能不全的患者使用（2.5、12.3）
GM2 - 盖尼替代病B1变体的癫痫和认知
结果：鉴定出三名诊断为GM2B1的家庭的四名患者（三名女性）。诊断时中位年龄为70个月。表现最常见的症状是发育回归（所有儿童），语言障碍（三个）和癫痫发作（两）。在所有情况下，均证明了白细胞和致病变异的酶缺乏症。在八个等位基因中的七个中，外显子5中的病原变体C.533G> A（P.R178H）存在。所有患者均经历了语言障碍（MD = 42 MOS），具有完全语言丧失（MD = 78 MO）。步行能力的丧失发生在三名患者（MD = 96 MO）中。所有患者在疾病过程中均有癫痫发作，并在55个月时发作癫痫发作。最初的癫痫发作被归类为非典型缺勤（两个），强调癫痫发作（一个）和肌阵挛性癫痫发作（一个）。脑电图评估显示，在所有情况下，基础节奏和局灶性阵发性较慢。所有人均接受了抗性药物治疗，两种需要三种药物组合。
大鼠脑急性发作过程中数据驱动的网络动力学模型
癫痫是全球最常见的神经系统疾病之一。最近的研究结果表明，大脑是一个由神经元网络组成的复杂系统，癫痫发作被认为是其相互作用产生的一种新特性。基于这一观点，网络生理学已成为一种有前途的方法，用于探索大脑区域如何在健康状态和危重疾病条件下协调、同步和整合其动态。因此，本文的目的是介绍（动态）贝叶斯网络 (DBN) 的应用，以基于使用阈值分析发现的弧数对诱发癫痫发作的大鼠的局部场电位 (LFP) 数据进行建模。结果表明，DBN 分析捕捉到了发作过程中大脑连接的动态特性，以及与神经生物学的显著相关性，这些相关性源于采用药理学操作、病变和现代光遗传学技术的开创性研究。根据所提出的方法评估的弧与以前的文献取得了一致的结果，此外还展示了功能连接分析的稳健性。此外，它还提供了令人着迷的新颖见解，例如前肢阵挛和全身性强直阵挛性癫痫 (GTCS) 动态之间的不连续性。因此，DBN 与阈值分析相结合可能是研究脑回路及其动态相互作用的绝佳工具，无论是在稳态条件下还是在功能障碍条件下。
演讲会 下午 12:00
Sonia BOUZIDI “通过深度学习和图像识别增强可持续时尚决策支持。” Sonia BOUZIDI “通过深度学习和图像识别增强可持续时尚决策支持。” Siwar SLIMI “开发情商模型以优化车辆驾驶。” Sirine AMMAR “用于个人服务、智能移动和高级家庭自动化的智能脑机接口方法。” Rahma MAALEJ “从不同的脑活动获取方式自动识别癫痫发作。” Basma JALLOULI “用于老年人心理运动功能的认知评估的多模式方法。” Ibtissem BOUSHILA “探索脑部 MRI 在青少年肌阵挛性癫痫诊断中的应用。” Tayssir BOUSHILA “通过 MRI 图像研究与测量颈髓萎缩：Devic 视神经脊髓炎病例。” Aicha NOUISSER “基于从面部表情、声音甚至身体活动中识别情绪的多模态识别系统。” Dalila OTHMEN “在线阿拉伯语手写识别。” Chawki BARHOUMI “使用深度学习和多模态数据进行情绪识别。” Hend KAROUI “使用深度学习识别心脏病。” Nabil BENHAMED “糖尿病视网膜病变疾病检测的先进技术。” Mahmoud LIMAM “用于文档图像处理的生成深度学习模型。”
Zepin-200通用名称：卡马西平片BP ...
摘要产品特征1。药品的名称：Zepin-200（卡马西平片BP 200 mg）2。定性和定量组成：每个未涂层的片剂都包含：卡马西平BP 200 mg 3。制药形式：白色，圆形，未涂层的片剂，一侧有“ Agog”，每片另一侧都断裂。4。临床细节：4.1治疗适应症：癫痫卡马西平可以单独或与其他抗癫痫药结合使用。它可用于治疗广义的隆隆声和部分（简单而复杂）的癫痫发作，并且在混合癫痫发作类型的儿童期中也有效。在治疗与脑电图中与3s -1尖峰和波浪相关的缺乏癫痫发作或童年或青春期的肌阵挛性癫痫发作时无效。用卡马西平治疗通常以小剂量开始，然后逐渐增加，直到获得所需的治疗作用。对等离子体卡马西平浓度的监测可以用作获得最佳剂量的一种手段，当使用卡马西平用于联合治疗中时，这可能尤其表明。目的应该是达到17-50 µmol.1-1之间的等离子体卡马西平浓度。如果将患者的治疗更改为卡马西平，则应逐渐将抗癫痫药的剂量逐渐缩减。
睡眠的个体发生 | 布隆伯格实验室 - 爱荷华大学
词汇表 主动睡眠 REM 睡眠的几个替代名称之一，另外还有异相睡眠、不同步睡眠等。尽管有些人限制将其用于发育中的动物，但也有人更喜欢将其更普遍地用作对这种状态的更客观的描述。 晚成性 出生时处于相对未成熟状态的动物。这样的后代通常出生时没有毛皮或绒毛，眼睛被封住，相对不动，依靠母亲的照料来获得营养、温暖和保护。狗、老鼠和鹰就是晚成性物种的例子。 肌阵挛性抽搐 四肢和其他附属物（例如，胡须、眼睛）的短暂、抽搐性运动，主要发生在 REM 睡眠期间。它们是由骨骼肌激活产生的。 早熟性 出生时处于相对成熟状态的动物。此类后代通常出生时身上有毛皮或绒毛，眼睛睁开，相对灵活，不像晚成性物种那样依赖母体提供营养、温暖和保护。绵羊、马和鸭子就是早熟物种的例子。安静睡眠 非快速眼动睡眠的几种替代名称之一，还有慢波睡眠、同步睡眠等。虽然有些人将其限制用于发育中的动物，但其他人更喜欢将其更广泛地用作对这种状态的更客观的描述。
MP-SeizNet：一种使用 EEG 进行癫痫类型分类的多路径 CNN Bi-LSTM 网络。
癫痫发作类型识别对于癫痫患者的治疗和管理至关重要。然而，这是一个耗时耗力的困难过程。随着机器学习算法的进步，自动诊断系统有可能加速分类过程、提醒患者并支持医生做出快速准确的决策。在本文中，我们提出了一种新型多路径癫痫发作类型分类深度学习网络 (MP-SeizNet)，它由卷积神经网络 (CNN) 和具有注意机制的双向长短期记忆神经网络 (Bi-LSTM) 组成。本研究的目的是仅使用脑电图 (EEG) 数据对特定类型的癫痫发作进行分类，包括复杂部分性、简单部分性、失神性、强直性和强直阵挛性癫痫发作。EEG 数据以两种不同的表示形式输入到我们提出的模型中。 CNN 接收从 EEG 信号中提取的小波特征，而 Bi-LSTM 接收原始 EEG 信号，以便我们的 MP-SeizNet 能够从癫痫发作数据的不同表示中进行联合学习，从而获得更准确的信息学习。我们利用最大的 EEG 癫痫数据库——天普大学医院 EEG 癫痫发作语料库 TUSZ v1.5.2 评估了所提出的 MP-SeizNet。我们使用三重交叉验证对不同患者数据评估了我们提出的模型，并使用五重交叉验证对癫痫发作数据评估了模型，结果分别获得了 87.6% 和 98.1% 的 F1 分数。