神经元图像大数据的弱监督自动识别技术

在介观尺度上，小鼠大脑图像的数据量可达到10 TB量级，人脑数据量则达到惊人的几十PB，从海量脑图像数据中识别和分析神经元的形态是一项复杂且具有挑战的任务。当前研究人员提出了基于传统机器学习和深度学习的神经元识别算法，其中传统机器学习方法存在迁移、泛化能力较差的问题，基于深度学习的算法虽然可以通过海量精确标注的训练数据提高模型的泛化性，但缺乏精确且丰富的图像标记数据集，因此同样存在过拟合和泛化能力弱等问题。本文提出了一种基于深度学习的弱监督神经元识别方案，仅需要少量有标注的数据，即可通过迭代策略获取海量神经元图像的精确识别结果，具备较强的泛化能力，并最大限度减少人工参与量。该方法在fMOST、BigNeuron等数据集上进行了实验，自动识别精度F1值分别为0.9247和0.8318，优于其他对比的神经元识别算法。     

浅谈几种毒蛇咬伤的临床表现和抢救原则

世界已知毒蛇约500余种,分布在我国的毒蛇目前已知有80多种,但对人体危害较大、经常造成蛇伤的毒蛇主要有10余种。按照蛇毒成分不同可分为神经毒类、血循毒类和混合毒类3种。当毒蛇咬伤人后,由毒腺分泌的蛇毒经排毒导管、毒牙及伤口沿淋巴及血液循环扩散至全身,     

慢性牙周炎合并2型糖尿病患者龈沟液miR-21、miR-34a表达水平与牙周指标和Th1/Th2/Th17失衡的关系研究

摘要 目的：探讨慢性牙周炎（CP）合并2型糖尿病（T2DM）患者龈沟液微小核糖核酸（miR）-21、miR-34a表达水平与牙周指标和辅助性T细胞（Th）1/Th2/Th17失衡的关系。方法：选取2020年3月～2022年3月首都医科大学附属北京世纪坛医院口腔科收治的114例CP患者，根据是否合并T2DM分为CP合并T2DM组36例和单纯CP组78例，另选取60名健康体检者为对照组。对比三组牙周指标、龈沟液miR-21、miR-34a表达和外周血Th1、Th2、Th17、Th1/Th2/Th17、血清Th1、Th2、Th17相关细胞因子水平，采用Spearman相关性分析CP合并T2DM患者龈沟液miR-21、miR-34a表达与牙周指标和外周血Th1、Th2、Th17、Th1/Th2/Th17及其相关细胞因子水平的相关性。采用Pearson/Spearman相关性分析CP合并T2DM患者牙周指标与外周血Th1、Th2、Th17、Th1/Th2/Th17及其相关细胞因子水平的相关性。结果：对照组、单纯CP组、CP合并T2DM组菌斑指数（PLI）、牙龈出血指数（BI）、附着丧失（AL）、探诊深度（PD）依次增加，龈沟液miR-21和外周血Th2及血清白细胞介素（IL）-2、干扰素-γ（INF-γ）依次降低，龈沟液miR-34a和外周血Th1、Th17、Th1/Th2/Th17及血清IL-4、IL-10、IL-17、肿瘤坏死因子-α（TNF-α）依次升高（P＜0.05）。Spearman相关性分析显示，CP合并T2DM患者龈沟液miR-21表达与PLI、BI、AL、PD和外周血Th1、Th17、Th1/Th2/Th17及血清IL-4、IL-10、IL-17、TNF-α呈负相关，与外周血Th2和血清IL-2、INF-γ呈正相关（P＜0.05）；而miR-34a则与之相反。Pearson/Spearman相关性分析显示，CP合并T2DM患者PLI、BI、AL、PD与外周血Th1、Th17、Th1/Th2/Th17和血清IL-4、IL-10、IL-17、TNF-α呈正相关，与外周血Th2和血清IL-2、INF-γ呈负相关（P＜0.05）。结论：CP合并T2DM患者龈沟液miR-21低表达和miR-34a高表达，与牙周状况差有关，可能通过调节Th1/Th2/Th17失衡参与CP合并T2DM进展。