首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    eLife:脑卒中大鼠的功能超声成像

    麻醉是临床前脑卒中研究的一个主要混杂因素,因为镇静患者很少发生脑卒中。此外,麻醉作为神经毒性或保护剂影响脑功能和脑卒中结局。到目前为止,还没有一种方法适合在对清醒动物进行血流动力学成像同时大规模记录脑功能的同时诱导中风。由于这个原因,人们对中风后的头几个小时以及相关的功能改变仍然知之甚少。在这里,我们提出了一种策略来研究卒中血流动力学和卒中诱导的功能改变,而不需要麻醉的混淆效应,即在清醒状态下。功能超声(fUS)成像用于连续监测脑卒中发作后3小时内65个脑区/半球的脑血容量(CBV)变化。在清醒的大鼠中,使用一种适合永久性大脑中动脉闭塞的化学血栓形成剂诱导局灶性皮质缺血。早期(0-3小时)和延迟(第5天)的fUS记录能够表征缺血的特征,扩张性去极化和体感觉丘脑皮质回路的功能改变。脑卒中后丘脑皮质功能在脑卒中后早期和后期时间点(0-3小时和5天)均受到影响。总的来说,我们的方法有助于对血流动力学和脑功能进行早期、持续和慢性评估。当与中风研究或其他病理分析相结合时,这种方法旨在增强我们对生理病理学的理解,从而开发相关的治疗干预措施。

    01

    Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

    现有的深度卷积神经网络(CNNs)需要一个固定大小的输入图像(如224×224)。这一要求是“人为的”,可能会降低对任意大小/尺度的图像或子图像的识别精度。在这项工作中,我们为网络配备了另一种池化策略,“空间金字塔池”,以消除上述要求。这种新的网络结构称为SPP-net,可以生成固定长度的表示,而不受图像大小/比例的影响。金字塔池对物体变形也有很强的鲁棒性。基于这些优点,SPP-net一般应改进所有基于cnn的图像分类方法。在ImageNet 2012数据集中,我们证明了SPP-net提高了各种CNN架构的准确性,尽管它们的设计不同。在Pascal VOC 2007和Caltech101数据集中,SPP-net实现了最先进的分类结果使用单一的全图像表示和没有微调。在目标检测中,spp网络的能力也很重要。利用SPP-net算法,只对整个图像进行一次特征映射计算,然后将特征集合到任意区域(子图像),生成固定长度的表示形式,用于训练检测器。该方法避免了卷积特征的重复计算。在处理测试图像时,我们的方法比R-CNN方法快24-102×,而在Pascal VOC 2007上达到了更好或相近的精度。在2014年的ImageNet Large Scale Visual Recognition Challenge (ILSVRC)中,我们的方法在所有38个团队中目标检测排名第二,图像分类排名第三。本文还介绍了本次比赛的改进情况。

    02
    领券