EEG微状态在预测奥卡西平治疗新诊断局灶性癫痫患者疗效中的作用

EEG微状态在预测奥卡西平治疗新诊断局灶性癫痫患者疗效中的作用

EEG 微状态在预测新诊断局灶性癫痫患者奥卡西平治疗效果中的作用 引言 背景 局灶性癫痫(focal epilepsy)是最常见的癫痫类型,占所有癫痫病例的约60%。根据不同的癫痫类型,抗癫痫药物的选择也会有所不同。在局灶性癫痫的治疗中,奥卡西平(oxcarbazepine,简称OXC)被广泛应用。然而,奥卡西平能够使约65%的患者实现无癫痫发作,但仍有相当部分患者未能获得良好的治疗效果。电生理监测技术,如脑电图(electroencephalography,EEG),在癫痫的诊断和管理中具有重要作用。 研究目的 微状态(microstate)是一种反映大脑电活动的时-空特征的脑电图模式。以往的研究显示抗癫痫药物可以影响大脑的EEG信号,但对奥卡西平的研究仍然有限。同时,研究显示短暂状态可能...

施旺细胞来源的多效蛋白刺激成纤维细胞在丛状神经纤维瘤中过度增殖和胶原沉积

本研究探讨了神经纤维瘤病1型(neurofibromatosis type 1, NF1)相关的丛状神经纤维瘤(plexiform neurofibroma, PNF)中Schwann细胞和成纤维细胞之间的相互作用。研究的背景源于NF1的高发病率,约影响全球1/3000的新生儿,并伴随一系列独特的临床表现。PNF是NF1患者中常见的周围神经鞘瘤,约50%的患者罹患此疾病,并严重影响其生活质量。尽管经过数十年的研究,PNF依然无法治愈。现有的治疗方法主要针对NF1相关的Schwann细胞,并取得了一些临床疗效。然而,许多治疗方法,如选择性MEK抑制剂Selumetinib,仅对部分患者有效,且长期使用会导致耐药性。这促使研究人员将目光转向PNF中的成纤维细胞及其在肿瘤中异常增殖和胶原沉积的作用...

单细胞图谱揭示复发性胶质母细胞瘤中的免疫抑制微环境和Treg细胞景观

单细胞图谱揭示复发性胶质母细胞瘤中的免疫抑制微环境和Treg细胞分布 胶质母细胞瘤是最具侵袭性的脑肿瘤,具有极高的复发率和较差的预后。尽管许多研究已经对该疾病的肿瘤微环境进行了一些探讨,但对复发性胶质母细胞瘤的免疫微环境了解仍然非常有限。在这项研究中,研究团队使用单细胞RNA测序技术,揭示了复发性胶质母细胞瘤的免疫微环境,分析了脑脊液的潜在生物标志物,并比较了不同肿瘤位置的免疫特征。 研究背景 胶质母细胞瘤是极具恶性且易复发的脑癌,其特征包括血脑屏障(BBB)的特殊性、高异质性等。复发性胶质母细胞瘤患者的治疗选择有限,其内在分子改变致使其对常规治疗产生抵抗。了解这些肿瘤的分子和细胞组成有助于拓宽治疗选择。此外,免疫治疗作为一种理想的治疗方式,可以克服BBB针对肿瘤细胞。然而,肿瘤微环境中的一...

AAV介导的曲妥珠单抗中枢神经系统递送用于EGFR2阳性脑转移瘤

AAV介导的曲妥珠单抗中枢神经系统递送用于EGFR2阳性脑转移瘤 背景介绍 在乳腺癌治疗中,人表皮生长因子受体2(HER2)+ 的肿瘤表现出更为侵略性的特征,这给临床治疗带来了显著挑战。自1998年曲妥珠单抗(Trastuzumab,商品名赫赛汀®)获得批准以来,该药已显著改善HER2+ 乳腺癌患者的整体生存率。然而,对于发展为中枢神经系统(CNS) 的HER2+脑转移病例,由于存在脑血屏障及其他因素的影响,曲妥珠单抗在脑脊液中的半衰期较短(2-4天),传统的系统性抗HER2抗体治疗效果有限。因此,有必要寻求新的治疗途径来靶向HER2+ CNS疾病。 研究来源 本文的研究由Marcela S. Werner、Shweta Aras、Ashleigh R. Morgan等来自宾夕法尼亚大学佩雷...

一种用于术中识别人类脑肿瘤的可穿戴荧光成像设备

恶性胶质瘤(Malignant Glioma, MG)是最常见的原发性恶性脑肿瘤类型。手术切除MG依然是治疗的基石,且切除范围与患者生存期高度相关。然而,在手术中很难区分肿瘤组织与正常组织,这极大地限制了手术切除的效果。荧光成像是一项新兴技术,可以在术中实时可视化MG及其边界。然而,现有的临床级荧光成像神经外科显微镜由于成本高、便携性差、操作灵活性有限以及缺乏熟练的专业技术人员,导致应用率较低。为了克服这些限制,研究人员创新性地将微型光源、可翻转滤光片和记录摄像机集成到手术放大镜中,生成了一种可穿戴的荧光眼镜设备,用于术中的荧光成像。 来源 本文由Mehrana Mohtasebi、Chong Huang、Mingjun Zhao、Siavash Mazdeyasna、Xuhui Liu、S...

使用多波长激发的荧光光谱法稳健估计荧光团的显式基线模型

研究背景 荧光光谱是一种广泛应用于识别和量化荧光物质(荧光团)的方法。然而,当材料中包含其他荧光团(基线荧光团)时,量化感兴趣的荧光团变得具有挑战性,特别是当基线的发射光谱未明确定义且与目标荧光团的发射光谱重叠时。为了准确区分并量化这些荧光物质,研究人员提出了基于多波长激发荧光光谱的新方法。这项研究的主要目标是解决基线荧光干扰这一问题,并提供一种无需先验假设的稳健估计算法。 论文来源 这篇名为《An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores Using Multiple-Wavelength Excitation Fluorescence Spectroscopy》的论文,作者包括A. Ga...

基于Siamese-Transport域适应框架的3D MRI胶质瘤和阿尔茨海默病分类

基于Siamese-Transport域适应框架的3D MRI胶质瘤和阿尔茨海默病分类 研究背景 在计算机辅助诊断中,3D磁共振成像(MRI)筛查对于早期诊断各类脑部疾病具有重要作用,可以有效防止病情恶化。胶质瘤是一种常见的恶性脑肿瘤,其治疗方案因肿瘤级别的不同而有所不同。因此,准确高效的3D MRI分类在医学影像分析中至关重要。然而,传统的深度学习模型在应用于临床获得的无标签数据时,表现会严重退化,主要原因是域间不一致性,如不同设备类型和数据获取参数的差异。现有的方法主要集中在减少域间差异,但忽略了语义特征和域信息的纠缠。 论文来源 本文由Shandong University的Luyue Yu,Ju Liu,Qiang Wu,Jing Wang和Aixi Qu等人撰写,发表在2024年1...

DeepSleepNet: 基于原始单通道EEG的自动睡眠分期模型

深度睡眠网络:基于单通道EEG的自动睡眠阶段评分模型 背景介绍 睡眠对于人体健康具有重要影响,监测人们的睡眠质量在医学研究和实践中至关重要。通常,睡眠专家通过分析多种生理信号(如脑电图 (EEG)、眼动电图 (EOG)、肌电图 (EMG) 和心电图 (ECG))进行睡眠阶段评分。这些信号被称为多导睡眠图 (Polysomnogram, PSG),经分类后用于确定个体的睡眠状态。然而,这种手动方法耗时且费力,需要专家持续数夜对多个传感器进行记录并分析。 基于多信号(如EEG、EOG和EMG)或单信号EEG的自动睡眠阶段评分方法已得到广泛研究。然而,大多数现有方法依赖于手工特征提取,这通常根据数据集的特性进行设计,无法推广到具有异质性的更大人群中。此外,较少方法考虑了用于识别睡眠阶段转换规则的时...

沉浸式虚拟现实在中风幸存者认知康复中的应用

沉浸式虚拟现实在中风幸存者认知康复中的应用

近年来,虚拟现实技术(Virtual Reality, VR)逐渐变得更加普及,其相关硬件设备的价格也更加亲民。例如,现在市面上的头戴式显示器(Head Mounted Displays, HMDs)不仅提供高分辨率的显示,还具有精准的头部和手持控制器的跟踪功能。这些技术最初多用于娱乐行业,但越来越多的应用领域开始使用这项技术开展严肃游戏(Serious Games),特别是在创伤性事件后的康复领域,其中包括中风患者。 背景与目的 中风是指脑部血液供应被切断或脑内及脑周围出血导致脑细胞损伤的情况。根据受损脑区的不同,中风可能会引发不同的症状,例如一侧身体的无力(半侧麻痹)、视觉障碍以及失语症(Aphasia)等。值得注意的是,中风后认知功能障碍(Post-Stroke Cognitive I...

利用可解释人工智能进行脑肿瘤检测和分类的视觉Transformer、集成模型以及迁移学习

由于脑肿瘤的高发病率和致命性,快速且准确地检测和分类脑肿瘤变得尤为重要。脑肿瘤包括恶性和非恶性两种类型,其异常生长会对大脑造成长期损害。磁共振成像(MRI)是一种常用的脑肿瘤检测方法。然而,依赖于专家手工分析 MRI 影像存在结果不一致的风险,同时仅仅识别肿瘤是不够的,快速确定肿瘤类型以尽早开始治疗同样重要。 为了提高肿瘤检测的速度、可靠性和公正性,本研究探索了多种深度学习(Deep Learning, DL)架构,包括 VGG16、InceptionV3、VGG19、ResNet50、InceptionResNetV2 和 Xception,并提出了基于最佳三种传递学习(Transfer Learning, TL)模型的新模型 IVX16。本文的多类分类模型旨在解决当前主要集中在二分类问题...