-
MergeNeXt:一种结合卷积神经网络(CNN)和变换器(Transformer)的混合模型,用于视网膜光学相干断层扫描(OCT)图像的分类
摘要视网膜疾病识别是计算机辅助诊断(CAD)中的一个关键组成部分。尽管取得了一些进展,现有的模型在捕捉光学相干断层扫描(OCT)图像中的细微局部细节和复杂全局关系方面仍存在困难。本研究旨在开发一种高精度的深度学习架构,以提高视网膜病变的自动分类准确性。本研究提出了MergeNeX
来源:Scientific Reports
时间:2026-09-05
-
去势抵抗性前列腺癌伴骨转移患者镭 -223 治疗的临床预后因素评估:KYUCOG-1901 研究
摘要我们评估了接受镭 -223(Ra-223)治疗的伴有骨转移的转移性去势抵抗性前列腺癌(mCRPC)患者中,与症状性骨事件(SSEs)、影像学无进展生存期(rPFS)和总生存期(OS)相关的临床因素。在 101 名入组患者中,93 名被纳入最终分析(中位随访时间,25.2
来源:Scientific Reports
时间:2026-09-05
-
内在能力、遗传易感性与炎症性肠病的发生:一项基于英国生物银行(UK Biobank)的前瞻性队列研究
摘要炎症性肠病(IBD)是一种慢性免疫介导的疾病,但内在能力(IC)——一种衡量功能储备的多维度指标——是否与IBD的发生有关尚不明确。我们分析了427,489名英国生物银行(UK Biobank)的参与者,这些参与者在基线时均未被诊断为IBD,并研究了基线时内在能力缺陷程度与I
来源:Scientific Reports
时间:2026-09-05
-
基于深度学习的病理组学揭示伴炎症细胞浸润的肾小管萎缩是IgA肾病的预后标志物
摘要IgA 肾病(IgAN)是全世界最常见的原发性肾小球肾炎。然而,仅依靠肾病理来评估 IgAN 进展风险仍存在许多局限性。作为一种新兴技术,病理组学可以协助肾病理学家发现亚视觉特征,从而成为评估 IgAN 进展风险的重要工具。本研究旨在利用病理组学在肾病理中识别有价值的亚视
来源:Scientific Reports
时间:2026-09-05
-
盆底肌放松训练对盆底肌张力增高患者康复的影响:一项随机对照试验
摘要盆底肌张力增高显著影响产后女性的生活质量,导致尿失禁和性功能障碍等问题。本随机对照试验旨在评估对于诊断为盆底肌张力增高(静息表面肌电图,sEMG,> 4 μV)的产后女性,在常规阴道电刺激和生物反馈疗法中结合骨盆带(环绕髋部和骨盆的肌肉)肌肉放松训练的额外益处。共 190
来源:Scientific Reports
时间:2026-09-05
-
基于量子增强深度学习的帕金森病分类
摘要帕金森病(PD)是一种缓慢进展的神经系统疾病,会严重损害患者的运动能力及认知能力,因此快速且精准的诊断对成功治疗至关重要。由于大脑内部变化细微且数据集存在不平衡问题,利用磁共振成像(MRI)图像诊断帕金森病十分困难。尽管现有的传统机器学习(ML)和深度学习(DL)方法已取
来源:Scientific Reports
时间:2026-09-05
-
埃塞俄比亚中部不同坡位家庭园农林复合系统与小麦单作的土壤属性差异
摘要农林复合系统作为恢复小农户系统土壤肥力的一种策略,正受到广泛推广;然而,该系统改变由地形驱动的土壤变异性方面的能力仍缺乏充分了解。在坡度较大的景观中,土壤特性主要受侵蚀—沉积过程塑造,但农林复合系统究竟是主动减缓这些梯度,还是仅仅受益于坡下部位置的养分积累,尚不明确。本研
来源:Scientific Reports
时间:2026-09-05
-
宽松与限制性输血策略对重症监护室中脓毒症肿瘤患者生存率的影响
摘要红细胞(RBC)输血是重症监护病房(ICU)中常用的一种支持疗法。然而,肿瘤患者合并脓毒症的最佳输血实践仍存在争议。本研究旨在比较收治入院的肿瘤合并脓毒症患者宽松与限制性输血方案的临床结局。这项回顾性、非随机研究纳入了 2014 年至 2023 年间收治入院的肿瘤合并脓毒
来源:Scientific Reports
时间:2026-09-05
-
酪醇通过 Nrf2 和 HO-1 通路减轻泛影葡胺诱导的急性肝肾毒性:基于生物化学和组织病理学评估
摘要碘造影剂(尤其是乌洛维宁)的临床应用可引起由氧化应激和炎症介导的造影剂肾病(CIN)和肝毒性。本研究旨在探讨羟基酪醇——初榨橄榄油中的一种主要生物活性成分——对乌洛维宁诱导的急性肝肾毒性的保护作用。将32只雌性Wistar白色大鼠随机分为四组(n = 8)。为评估羟基酪醇
来源:Scientific Reports
时间:2026-09-05
-
跨模态音频-文本注意力机制在资源匮乏的乌尔都语环境中用于多模态多任务语音情感识别
摘要
在资源匮乏的语言环境中,语音情感识别(Speech Emotion Recognition, SER)仍然面临诸多挑战,这主要是由于标注数据的数量有限、说话人的表现存在差异,以及情感表达的多模态特性。本文将现有技术组件(wav2vec 2.0、XLM-R
来源:Scientific Reports
时间:2026-09-05