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

计算有效扩散系数

(Effective Diffusion Coefficient)是指在物理、化学或生物系统中,描述物质扩散速率的一个参数。它衡量了物质在扩散过程中的有效性,即物质在系统中扩散的能力。

有效扩散系数通常用D*表示,它是扩散系数(D)与系统中的阻力因子(F)的乘积。阻力因子是指物质在扩散过程中受到的各种阻力的综合效果,包括溶液的黏度、溶质与溶剂之间的相互作用力等。

计算有效扩散系数在许多领域中都具有重要的应用,例如:

  1. 材料科学:在材料的制备和性能研究中,有效扩散系数可以用来评估材料中不同组分的扩散行为,从而指导材料的设计和优化。
  2. 生物学:在生物体内,许多生物分子需要通过细胞膜进行扩散传输。计算有效扩散系数可以帮助研究人员理解生物分子在细胞内的传输过程,从而揭示生物体的功能和机制。
  3. 地球科学:在地下水和土壤中,计算有效扩散系数可以用来研究污染物的迁移和扩散,从而评估环境风险和制定相应的治理措施。

腾讯云提供了一系列与计算相关的产品和服务,包括:

  1. 云服务器(CVM):提供弹性的虚拟服务器实例,可根据实际需求灵活调整计算资源。
  2. 云函数(SCF):无需管理服务器,按需执行代码,实现事件驱动的计算。
  3. 容器服务(TKE):提供高度可扩展的容器化应用管理平台,简化容器的部署和管理。
  4. 批量计算(BatchCompute):提供高性能的计算集群,用于处理大规模的计算任务。

以上是腾讯云提供的一些与计算相关的产品,您可以通过访问腾讯云官方网站(https://cloud.tencent.com/)了解更多详细信息和产品介绍。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 中青年人脑白质的年龄效应和性别差异:DTI、NODDI 和 q 空间研究

    本文使用先进的扩散磁共振成像(dMRI)研究了中青年人脑白质的微观结构变化。使用混合扩散成像(HYDI)获得多shell扩散加权数据。HYDI方法用途广泛,并使用扩散张量成像(DTI)、神经突定向扩散与密度成像(NODDI)和q空间成像方法分析数据。本研究包括24名女性和23名男性被试,年龄在18至55岁之间。在整个大脑的48个白质感兴趣区域(ROI)中使用最小二乘线性回归测试了年龄和性别对扩散指标的影响,并对ROI进行了多重比较校正。在这项研究中,投射到海马或大脑皮层的白质是对大脑衰老最敏感的区域。具体来说,在这个从青年到中年的队列中,年龄效应与白质纤维更分散有关,而组织限制和轴突内体积分数保持相对稳定。NODDI的纤维弥散指数对老化表现出最显著的敏感性。此外,这一年龄队列中DTI指数的变化主要与纤维弥散指数相关,而不是与NODDI的细胞内体积分数或q空间测量值相关。虽然男性和女性的衰老率没有差异,但男性的轴突内体积分数往往高于女性。这项研究表明,使用HYDI采集和NODDI分区建模的高级dMRI可以阐明对年龄和性别敏感的微观结构变化。最后,本研究深入了解了DTI扩散指标与NODDI模型q空间成像的高级扩散指标之间的关系。

    02

    Nature neuroscience:结构束的改变预示着淀粉样蛋白阳性老年人的下游tau蛋白累积

    阿尔兹海默症的动物模型表明,在淀粉样蛋白病理学的促进下,tau蛋白病理学的传播可能沿着相关的途径发生。为了在人类中研究这些想法,研究者将淀粉样蛋白扫描与纵向数据相结合,包括白质连接、海马体积、tau正电子发射断层扫描以及256名认知健康的老年人的记忆表现。海马体积基线越低,连接海马扣带束(HCB)的平均扩散率越高。HCB扩散率预测了淀粉样蛋白阳性个体后扣带皮层的下游连接区tau蛋白的积累,而非淀粉样蛋白阴性个体。此外,HCB扩散率预测了具有高后扣带皮层tau结合的淀粉样蛋白阳性个体的记忆衰退。研究者的结果提供了更高的淀粉样蛋白病理学的体内证据,强调了后扣带皮层下游HCB扩散率和tau积累之间的联系,并促进记忆衰退。这证实了淀粉样蛋白在增强神经衰弱和记忆衰退方面的关键作用,标志着临床前期的阿尔茨海默病的开始。

    03

    PNAS:子宫内妊娠中期和晚期人脑白质通路的发展

    摘要:在人类妊娠的中晚期,神经快速发育是由包括神经元迁移、细胞组织、皮层分层和髓鞘形成等基本过程所支撑的。在这个时期,白质的生长和成熟为一个高效的结构连接网络奠定了基础。关于健康人类胎儿大脑发育轨迹的详细知识有限,部分原因是在这一人群中获取高质量的MRI数据存在固有的挑战。在这里,我们使用最先进的高分辨率多壳运动校正扩散加权MRI(dMRI),作为正在发展的人类连接体项目(dHCP)的一部分,来表征113个22 - 37周妊娠的胎儿的白质微结构在子宫内的成熟。我们定义了5个主要的白质束,并利用传统的扩散张量模型和多壳多组织模型对其微观结构特征进行了表征。与关联束相比,我们在丘脑皮层纤维中发现了独特的成熟趋势,并在胼胝体的特定部位发现了不同的成熟趋势。虽然胼胝体压部的部分各向异性呈线性增长,但其他大部分白质束的部分各向异性呈复杂的非线性趋势,在妊娠早期部分各向异性先是下降,随后又增加。后者特别值得关注,因为它与之前在子宫外早产儿中描述的趋势明显不同,这表明这种正常的胎儿数据可以为了解与早产相关的神经发育损伤的连接性异常提供重要的见解。 1.简述 在人类胎儿中,大脑主要白质通路发展在妊娠前第二第三阶段极其迅速而有明显分层顺序。这些白质连接的结构和完整性在支持和协调功能网络中有不可或缺的作用。目前对这些过程的了解很大程度上依赖于死亡后的数据。胎儿MRI可以捕获全脑在其生存和功能状态下的发育,从而为了解正常生长提供重要的额外信息。特别是白质,这可以包括发展的远程连接和特定区域的轨迹的详细的调查。 早产儿认知和运动问题的高患病率强调了更好地理解这一关键时期的重要性。在这些婴儿中,早期暴露于子宫外环境可能会影响后来的神经发育轨迹。多项证据表明,白质异常是主要的病理,进一步表明,这种特殊的组织类型既处于发展的关键阶段,又易受外部影响。 在这种情况下,表征子宫内白质成熟具有重要的规范性参考作用。 由于难以从这一人群中获取固有的成像数据,例如处理与母质组织和胎儿持续运动相关的图像伪影,因此使用MRI等非侵入性方法对胎儿白质束的体内发育进行精确表征具有挑战性。 还需要招募足够多的受试者来解释人口异质性和年龄效应。以往的研究也很难概括为典型发育的代表,因为它们包括了脑异常或子宫外早产儿的临床人群。所有现有的研究都使用扩散张量成像(DTI)来描述微观结构的变化;然而,结果并不一致。虽然一些研究报道了DTI指标与胎龄(GA)之间的线性关系,其他研究拟合了非线性模型,其他研究仍未发现明显的年龄依赖性。 在这项研究中,我们利用最先进的高角度分辨率多壳扩散加权MRI (dMRI)采集技术来解决DTI的局限性和胎儿成像的挑战,以及专门为研究具有挑战性的胎儿数据而开发的重建和处理管道,这是发展中的人类连接体项目(dHCP)的一部分(http://www.developingconnectome. org)。我们应用新开发和优化的方法,在一个大队列的从22到37周的113个健康胎儿。 通过这些方法,我们能够描绘出特定的白质束,包括左右皮质脊髓束(CST)(一个投射束的例子),视辐射束(ORs)和下纵束(ILF)(联合束的例子),以及胼胝体(CC)(连合束的例子)。选择这些特定束是因为已知它们的发育轨迹存在差异,而且它们的损伤或异常发育与神经发育障碍或智力残疾的病理生理学有关。这项研究是对人类妊娠中后期白质微结构成熟变化的最大规模和最详细的宫内特征研究,为我们提高对神经发育障碍的神经病理生理学基础的理解提供了宝贵的资源。 2. 结果 2.1 胎儿队列中全脑发育和FA的规范趋势 胎儿dMRI数据收集于151例(22岁至38周)的dHCP。每个受试者采用dHCP预处理流水线进行处理,包括考虑胎儿运动不可预测、回声平面成像几何畸变、胎儿位置差异引起的信号强度不均匀性等具体措施。胎儿头部较小,与线圈距离较远,信噪比较差。在接受人工评估的151名受试者中,38名受试者因采集过程中过度运动而失败。 为了验证数据集显示了正常的容量增长预期趋势,我们计算了每个受试者的全脑容量和胎龄之间的关系。与现有的文献一致,我们发现在整个研究期间,体积呈强的线性增长。全脑平均FA与GA呈相似的正线性关系(图1C)。

    03

    Brain|白质束和执行功能:对因果性和相关性证据的回顾

    执行功能是涉及工作记忆/更新、设置转移和抑制等能力的高级认知过程。这些复杂的认知功能是由广泛分布的认知网络之间的相互作用实现的,由白质束支持。执行功能障碍在影响白质的神经系统疾病中很常见;然而,特定的神经束是否对正常的执行功能至关重要尚不清楚。我们回顾了在胶质瘤清醒手术中使用直接电刺激、基于体素、基于束和束的病变症状映射和弥散张量成像,以探索健康和受损成人白质束完整性和执行功能之间的关系的因果和相关证据。胼胝体始终与所有的执行过程相关,特别是它的前节段。因果关系和相关性证据都显示,上纵束显著支持执行功能,特别是工作记忆。更具体地说,强有力的证据表明,上纵束的第二分支对所有的执行功能都至关重要,特别是对灵活性。整体结果显示,语言任务的左侧偏侧化,而具有视觉需求的执行任务的右侧偏侧化。额束可能支持执行功能,然而,需要更多的证据来阐明它参与执行任务是否超出了语言的控制。越来越多的证据表明,连接皮质和皮层下灰质区域的右侧束网络支持评估反应抑制任务的执行,一些表明右丘脑前辐射的作用。最后,相关证据表明扣带束在执行功能中发挥了作用,特别是在评估抑制的任务中。我们根据目前关于这些神经束的功能作用的知识、对支持执行功能的大脑网络的描述以及对脑肿瘤患者的临床意义来讨论这些发现。

    01

    NC:儿童的利手性与大脑功能连接模式之间的联系

    利手性在生命早期就已经发展起来了,但与之相关的大脑结构和功能连接模式仍然不清楚。在这里,我们调查了在青少年大脑认知发展(ABCD)研究中,9-10岁儿童的利手性和大脑连接偏侧化之间的关系。与右撇子相比,左撇子左手运动区整体功能连接密度增加,右侧运动区整体功能连接密度降低。基于功能连接计算的利手指数为左利手性和右利手性提供了更明显的区别。在单模态感觉运动皮层、跨模态皮层和小脑中,手-运动功能连接的偏侧化随利手性的变化而变化(P < 0.001),并在发现和复制子样本中的所有感兴趣区域复制。在这里,我们展示了在左利手性、右利手性和混合利手性儿童的结构连接、大脑形态测量和皮质髓磷脂没有差异的情况下,利手性和功能连接模式的偏侧化之间的强关联。

    01

    二维冰—微观世界的丰富多彩

    何为复杂,何又为简单呢?水,生命之源,在人们生活中广泛存在,时常觉得水不就是H2O吗?然而,水又具有许多反常特性,例如:结冰后体积反而变大、热水比冷水更容易结冰以及具有超级大的比热容和表面张力等,使之又极其复杂,😬。 近来,国内多个课题组在水结冰的机理性研究方面取得了突破性的成果,从宏观、微观角度,探究水成冰的过程,具体结果如下:在介观和宏观尺度上,中科院相关课题组从实验上证实了临界冰核的存在,对加深相变成核现象的理解提供基础。然而,水结冰过程在原子尺度是什么样的表征,结冰过程中每个原子的能量变化是什么情况

    03

    PI-CAI2022——多模态MRI前列腺癌分割挑战赛

    诊断前列腺癌很困难(即使是放射科医生)。前列腺癌 (PCa)是男性最常见的癌症之一。全世界每年有 100 万男性接受诊断,300,000 人死于 PCa (csPCa) 。多参数磁共振成像 (mpMRI) 在前列腺癌的早期诊断中发挥着越来越重要的作用,并且在活检之前被欧洲泌尿外科协会 (EAU) 推荐(Mottet et al., 2021 )。然而,目前阅读前列腺 mpMRI 的指南(即PI-RADS v2.1 ) 遵循半定量评估,要求大量专业知识才能正确使用。此外,前列腺癌在 MRI 中可以表现出广泛的临床行为和高度异质的形态。因此,评估容易受到读者间一致性低(<50%)、次优解释和过度诊断的影响(Rosenkrantz等人,2016年,Westphalen等人,2020年)。与 mpMRI协议不同,双参数 MRI (bpMRI)不包括动态对比增强成像——从而降低了成本,消除了使用对比剂带来的任何不利影响的风险,并缩短了检查时间(Turkbey等人,2019年)。因此,尽管提供的诊断信息比 mpMRI 少(deRooij等人,2020 年),但bpMRI更适合大批量、基于人群的筛查(Eklund 等人,2021 年。

    02

    R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动

    跳跃扩散过程为连续演化过程中的偏差提供了一种建模手段。但是,跳跃扩散过程的微积分使其难以分析非线性模型。本文开发了一种方法,用于逼近具有依赖性或随机强度的多变量跳跃扩散的转移密度。通过推导支配过程时变的方程组,我们能够通过密度因子化来近似转移密度,将跳跃扩散的动态与无跳跃扩散的动态进行对比。在这个框架内,我们开发了一类二次跳跃扩散,我们可以计算出对似然函数的精确近似。随后,我们分析了谷歌股票波动率的一些非线性跳跃扩散模型,在各种漂移、扩散和跳跃机制之间进行。在此过程中,我们发现了周期性漂移和依赖状态的跳跃机制的依据。

    02

    JCIM | 组合分子动力学模拟和深度学习预测小分子迁移自由能

    准确预测小分子的配分和疏水性在药物发现过程中至关重要。细胞和整个人体内有许多异质的化学环境。例如,药物必须能够穿过疏水性的细胞膜才能到达细胞内的靶点,而疏水性是药物与蛋白质结合的重要驱动力。原子分子动力学(Molecular Dynamics,MD)模拟常用于计算小分子与蛋白质结合、穿过脂质膜和溶解的自由能,但计算成本很高。机器学习(Machine Learning, ML)和经验方法也被用于整个药物发现,但依赖于实验数据,限制了适用性的领域。研究人员提出了原子MD模拟计算15,000个小分子从水转移到环己烷的自由能。数据集被用来训练预测迁移自由能的ML模型。结果表明,空间图神经网络模型达到了最高的精度,紧随其后的是三维卷积神经网络,而基于化学指纹的浅层学习的精度明显较低。

    06

    迁移学习「求解」偏微分方程,条件偏移下PDE的深度迁移算子学习

    本文约3200字,建议阅读5分钟 迁移学习框架能够快速高效地学习异构任务。 传统的机器学习算法旨在孤立地学习,即解决单个任务。在许多实际应用中,收集所需的训练数据和重建模型要么成本高得令人望而却步,要么根本不可能。 迁移学习(TL)能够将在学习执行一个任务(源)时获得的知识迁移到一个相关但不同的任务(目标),从而解决数据采集和标记的费用、潜在的计算能力限制和数据集分布不匹配的问题。 来自美国布朗大学和约翰斯·霍普金斯大学(JHU)的研究人员提出了一种新的迁移学习框架,用于基于深度算子网络 (DeepONet

    02

    Micapipe:一个用于多模态神经成像和连接组分析的管道

    多模态磁共振成像(MRI)通过促进对大脑跨多尺度和活体大脑的微结构、几何结构、功能和连接组的分析,加速了人类神经科学。然而,多模态神经成像的丰富性和复杂性要求使用处理方法来整合跨模态的信息,并在不同的空间尺度上整合研究结果。在这里,我们提出了micapipe,一个开放的多模态MRI数据集的处理管道。基于符合bids的输入数据,micapipe可以生成i)来自扩散束造影的结构连接组,ii)来自静息态信号相关性的功能连接组,iii)量化皮层-皮层邻近性的测地线距离矩阵,以及iv)评估皮层髓鞘代理区域间相似性的微观结构轮廓协方差矩阵。上述矩阵可以在已建立的18个皮层包裹(100-1000个包裹)中自动生成,以及皮层下和小脑包裹,使研究人员能够轻松地在不同的空间尺度上复制发现。结果是在三个不同的表面空间上表示(native, conte69, fsaverage5)。处理后的输出可以在个体和组层面上进行质量控制。Micapipe在几个数据集上进行了测试,可以在https://github.com/MICA-MNI/micapipe上获得,使用说明记录在https://micapipe.readthedocs.io/,并可封装作为BIDS App http://bids-apps.neuroimaging.io/apps/。我们希望Micapipe将促进对人脑微结构、形态、功能、和连接组的稳健和整合研究。

    02

    Science子刊:利用DTI和NODDI纵向研究揭示轻度脑外伤后的白质微结构改变

    能够检测轻度脑外伤(mTBI)后的白质(WM)病理,并预测长期结果的神经成像生物标记物是改善护理和开发治疗方法所必需的。本文利用弥散张量成像(DTI)和近期新兴的神经突方向离散度和密度成像(NODDI)对mTBI后的WM微观结构进行了横断面研究和纵向研究,并将其与神经心理指标进行了相关性分析。在横截面研究中,早期分数各向异性的减小和平均扩散系数的增加对应于NODDI中WM区域自由水含量的升高。这种自由水升高的情况在早期脑震荡后症状的患者亚组中更为广泛。长期纵向的WM改变包括NODDI中的轴突密度下降,表征了弥漫性轴索损伤所致的轴突变性。因此,相比于DTI,NODDI能够更加清晰地表征弥漫性轴索损伤,是一种比DTI更敏感、更特异的检测mTBI所致的WM微结构改变的生物标志物,在对mTBI的诊断、预后和治疗监测中值得进一步研究。本文发表于Science Advances杂志。

    03

    Radiology:人工智能在神经肿瘤学中的新兴应用

    随着计算机算法呈指数式增长,人工智能(AI)方法有望提高医学诊断和治疗方法的精确度。影像组学方法在神经肿瘤学领域中的应用一直并可能继续处于这场革命的前沿。应用于常规和高级神经肿瘤学MRI数据的各种AI方法已经能够识别弥漫性胶质瘤的浸润边缘,区分假性进展和真实进展,并且比日常临床实践中使用的方法更好地预测复发和生存率。影像基因组学还将促进我们对癌症生物学的理解,允许以高空间分辨率对分子环境进行无创采样,从而能够对潜在异质性细胞和分子过程的系统理解。通过提供空间和分子异质性的体内标记物,基于人工智能的影像组学和影像基因组学工具有可能将患者分为更精确的初始诊断和治疗途径,并在个性化医疗时代实现更好的动态治疗监测。尽管仍存在重大挑战,但随着人工智能技术的进一步发展和临床应用的验证,在影像学实践中将发生巨大变化。

    03
    领券