Search

The purpose of this white paper is to put together a coherent vision for the role of helioseismic monitoring of magnetic activity in the Sun's far hemisphere that will contribute to improving space weather forecasting as well as fundamental research in the coming decade. Our goal fits into the broader context of helioseismology in solar research for any number of endeavors when helioseismic monitors may be the sole synoptic view of the Sun's far hemisphere. It is intended to foster a growing understanding of solar activity, as realistically monitored in both hemispheres, and its relationship to all known aspects of the near-Earth and terrestrial environment. Some of the questions and goals that can be fruitfully pursued through seismic monitoring of farside solar activity in the coming decade include: What is the relationship between helioseismic signatures and their associated magnetic configurations, and how is this relationship connected to the solar EUV irradiance over the period of a solar rotation?; How can helioseismic monitoring contribute to data-driven global magnetic-field models for precise space weather forecasting?; What can helioseismic monitors tell us about prospects of a flare, CME or high-speed stream that impacts the terrestrial environment over the period of a solar rotation?; How does the inclusion of farside information contribute to forecasts of interplanetary space weather and the environments to be encountered by human crews in interplanetary space? Thus, it is crucial for the development of farside monitoring of the Sun be continued into the next decade either through ground-based or space-borne observations.

Hintergrund: Die Reifung des zentral-auditorischen Systems kann bei hörgesunden Kindern mit objektiven Verfahren belegt werden. In subjektiven Tests ist dies an einer Verbesserung auditiver Verarbeitungs- und Wahrnehmungsleistungen mit zunehmendem Lebensalter erkennbar bzw. bei Schulkindern mit ansteigender Schuljahresstufe. Allerdings stellt sich die Frage, ob diese Veränderung auch für Kinder mit AVWS zutrifft.Material und Methoden: In einer Trendstudie wurden 82 Erstklässler (40 AVWS; 42 Non-AVWS) und 65 Viertklässler (35 AVWS; 30 Non-AVWS) bzgl. 7 z-standardisierter auditiver Testvariablen sowie deren Gesamtsummenwert miteinander verglichen. Eine ANOVA erfolgte mit dem Gesamtsummenwert als abhängige Variable sowie eine MANOVA mit folgenden Testvariablen: Göttinger Sprachaudiometrie II im Störgeräusch; Dichotisches Wortpaarverstehen (Uttenweiler); Subtests Phonemdifferenzierung, Phonemidentifikation, Phonemanalyse (jeweils aus Heidelberger Lautdifferenzierungstest); Subtest Zahlenfolgen-Gedächtnis (Psycholinguistischer Entwicklungstest); Mottier-Test.Ergebnisse: Die ANOVA zeigte signifikante Haupteffekte von "Schulklasse" (1. vs. 4. Klassenstufe; p<.001, ɳ²=.418) und "Gruppe" (AVWS vs. Non-AVWS; p<.001; ɳ²=.690), jedoch keinen Interaktionseffekt zwischen "Schulklasse" und "Gruppe".In der MANOVA stellte sich ein ähnliches Ergebnismuster bzgl. der o.g. Haupteffekte dar. Zudem lag ein signifikanter Interaktionseffekt (Klassenstufe x AVWS) für Phonemidentifikation (p=.043; ɳ²=.028) und Phonemanalyse (p=.003; ɳ²=.062) vor, jedoch nur mit jeweils geringen Effektstärken.Diskussion: Beide Gruppen zeigten in der 4. Klassenstufe signifikant bessere Testleistungen als in der 1. Klasse. Der Unterschied zwischen den Gruppen (AVWS vs. Non-AVWS) scheint im Wesentlichen unabhängig von der Grundschulklassenstufe zu sein.Fazit: Im Grundschulalter gibt es sowohl für AVWS- als auch für Non-AVWS-Kinder Hinweise auf eine Reifung des zentral-auditorischen Systems, j

Hintergrund: Die Reifung des zentral-auditorischen Systems kann bei hörgesunden Kindern mit objektiven Verfahren belegt werden. In subjektiven Tests ist dies an einer Verbesserung auditiver Verarbeitungs- und Wahrnehmungsleistungen mit zunehmendem Lebensalter erkennbar bzw. bei Schulkindern mit ansteigender Schuljahresstufe. Allerdings stellt sich die Frage, ob diese Veränderung auch für Kinder mit AVWS zutrifft.Material und Methoden: In einer Trendstudie wurden 82 Erstklässler (40 AVWS; 42 Non-AVWS) und 65 Viertklässler (35 AVWS; 30 Non-AVWS) bzgl. 7 z-standardisierter auditiver Testvariablen sowie deren Gesamtsummenwert miteinander verglichen. Eine ANOVA erfolgte mit dem Gesamtsummenwert als abhängige Variable sowie eine MANOVA mit folgenden Testvariablen: Göttinger Sprachaudiometrie II im Störgeräusch; Dichotisches Wortpaarverstehen (Uttenweiler); Subtests Phonemdifferenzierung, Phonemidentifikation, Phonemanalyse (jeweils aus Heidelberger Lautdifferenzierungstest); Subtest Zahlenfolgen-Gedächtnis (Psycholinguistischer Entwicklungstest); Mottier-Test.Ergebnisse: Die ANOVA zeigte signifikante Haupteffekte von "Schulklasse" (1. vs. 4. Klassenstufe; p<.001, ɳ²=.418) und "Gruppe" (AVWS vs. Non-AVWS; p<.001; ɳ²=.690), jedoch keinen Interaktionseffekt zwischen "Schulklasse" und "Gruppe".In der MANOVA stellte sich ein ähnliches Ergebnismuster bzgl. der o.g. Haupteffekte dar. Zudem lag ein signifikanter Interaktionseffekt (Klassenstufe x AVWS) für Phonemidentifikation (p=.043; ɳ²=.028) und Phonemanalyse (p=.003; ɳ²=.062) vor, jedoch nur mit jeweils geringen Effektstärken.Diskussion: Beide Gruppen zeigten in der 4. Klassenstufe signifikant bessere Testleistungen als in der 1. Klasse. Der Unterschied zwischen den Gruppen (AVWS vs. Non-AVWS) scheint im Wesentlichen unabhängig von der Grundschulklassenstufe zu sein.Fazit: Im Grundschulalter gibt es sowohl für AVWS- als auch für Non-AVWS-Kinder Hinweise auf eine Reifung des zentral-auditorischen Systems, j

Earthworms are important ecosystem engineers, and assessment of the risk of plant protection products toward them is part of the European environmental risk assessment (ERA). In the current ERA scheme, exposure and effects are represented simplistically and are not well integrated, resulting in uncertainty when the results are applied to ecosystems. Modeling offers a powerful tool to integrate the effects observed in lower tier laboratory studies with the environmental conditions under which exposure is expected in the field. This paper provides a summary of the (In)Field Organism Risk modEling by coupling Soil Exposure and Effect (FORESEE) Workshop held 28–30 January 2020 in Düsseldorf, Germany. This workshop focused on toxicokinetic–toxicodynamic (TKTD) and population modeling of earthworms in the context of ERA. The goal was to bring together scientists from different stakeholder groups to discuss the current state of soil invertebrate modeling and to explore how earthworm modeling could be applied to risk assessments, in particular how the different model outputs can be used in the tiered ERA approach. In support of these goals, the workshop aimed at addressing the requirements and concerns of the different stakeholder groups to support further model development. The modeling approach included 4 submodules to cover the most relevant processes for earthworm risk assessment: environment, behavior (feeding, vertical movement), TKTD, and population. Four workgroups examined different aspects of the model with relevance for risk assessment, earthworm ecology, uptake routes, and cross-species extrapolation and model testing. Here, we present the perspectives of each workgroup and highlight how the collaborative effort of participants from multidisciplinary backgrounds helped to establish common ground. In addition, we provide a list of recommendations for how earthworm TKTD modeling could address some of the uncertainties in current risk assessments for plant prote

Earthworms are important ecosystem engineers, and assessment of the risk of plant protection products toward them is part of the European environmental risk assessment (ERA). In the current ERA scheme, exposure and effects are represented simplistically and are not well integrated, resulting in uncertainty when the results are applied to ecosystems. Modeling offers a powerful tool to integrate the effects observed in lower tier laboratory studies with the environmental conditions under which exposure is expected in the field. This paper provides a summary of the (In)Field Organism Risk modEling by coupling Soil Exposure and Effect (FORESEE) Workshop held 28–30 January 2020 in Düsseldorf, Germany. This workshop focused on toxicokinetic–toxicodynamic (TKTD) and population modeling of earthworms in the context of ERA. The goal was to bring together scientists from different stakeholder groups to discuss the current state of soil invertebrate modeling and to explore how earthworm modeling could be applied to risk assessments, in particular how the different model outputs can be used in the tiered ERA approach. In support of these goals, the workshop aimed at addressing the requirements and concerns of the different stakeholder groups to support further model development. The modeling approach included 4 submodules to cover the most relevant processes for earthworm risk assessment: environment, behavior (feeding, vertical movement), TKTD, and population. Four workgroups examined different aspects of the model with relevance for risk assessment, earthworm ecology, uptake routes, and cross‐species extrapolation and model testing. Here, we present the perspectives of each workgroup and highlight how the collaborative effort of participants from multidisciplinary backgrounds helped to establish common ground. In addition, we provide a list of recommendations for how earthworm TKTD modeling could address some of the uncertainties in current risk assessments for plant protecti

Earthworms are important ecosystem engineers, and assessment of the risk of plant protection products toward them is part of the European environmental risk assessment (ERA). In the current ERA scheme, exposure and effects are represented simplistically and are not well integrated, resulting in uncertainty when the results are applied to ecosystems. Modeling offers a powerful tool to integrate the effects observed in lower tier laboratory studies with the environmental conditions under which exposure is expected in the field. This paper provides a summary of the (In)Field Organism Risk modEling by coupling Soil Exposure and Effect (FORESEE) Workshop held 28–30 January 2020 in Düsseldorf, Germany. This workshop focused on toxicokinetic–toxicodynamic (TKTD) and population modeling of earthworms in the context of ERA. The goal was to bring together scientists from different stakeholder groups to discuss the current state of soil invertebrate modeling and to explore how earthworm modeling could be applied to risk assessments, in particular how the different model outputs can be used in the tiered ERA approach. In support of these goals, the workshop aimed at addressing the requirements and concerns of the different stakeholder groups to support further model development. The modeling approach included 4 submodules to cover the most relevant processes for earthworm risk assessment: environment, behavior (feeding, vertical movement), TKTD, and population. Four workgroups examined different aspects of the model with relevance for risk assessment, earthworm ecology, uptake routes, and cross‐species extrapolation and model testing. Here, we present the perspectives of each workgroup and highlight how the collaborative effort of participants from multidisciplinary backgrounds helped to establish common ground. In addition, we provide a list of recommendations for how earthworm TKTD modeling could address some of the uncertainties in current risk assessments for plant protecti

Earthworms are important ecosystem engineers, and assessment of the risk of plant protection products toward them is part of the European environmental risk assessment (ERA). In the current ERA scheme, exposure and effects are represented simplistically and are not well integrated, resulting in uncertainty when the results are applied to ecosystems. Modeling offers a powerful tool to integrate the effects observed in lower tier laboratory studies with the environmental conditions under which exposure is expected in the field. This paper provides a summary of the (In)Field Organism Risk modEling by coupling Soil Exposure and Effect (FORESEE) Workshop held 28–30 January 2020 in Düsseldorf, Germany. This workshop focused on toxicokinetic–toxicodynamic (TKTD) and population modeling of earthworms in the context of ERA. The goal was to bring together scientists from different stakeholder groups to discuss the current state of soil invertebrate modeling and to explore how earthworm modeling could be applied to risk assessments, in particular how the different model outputs can be used in the tiered ERA approach. In support of these goals, the workshop aimed at addressing the requirements and concerns of the different stakeholder groups to support further model development. The modeling approach included 4 submodules to cover the most relevant processes for earthworm risk assessment: environment, behavior (feeding, vertical movement), TKTD, and population. Four workgroups examined different aspects of the model with relevance for risk assessment, earthworm ecology, uptake routes, and cross-species extrapolation and model testing. Here, we present the perspectives of each workgroup and highlight how the collaborative effort of participants from multidisciplinary backgrounds helped to establish common ground. In addition, we provide a list of recommendations for how earthworm TKTD modeling could address some of the uncertainties in current risk assessments for plant prote

Sammelband des Q-Tutoriums gleichen Namens im Sommersemester 2019 an der HU Berlin

The aim is to evaluate whether smart worklist prioritization by artificial intelligence (AI) can optimize the radiology workflow and reduce report turnaround times (RTAT) for critical findings in chest radiographs (CXRs). Furthermore, we investigate a method to counteract the effect of false negative predictions by AI -- resulting in an extremely and dangerously long RTAT, as CXRs are sorted to the end of the worklist. We developed a simulation framework that models the current workflow at a university hospital by incorporating hospital specific CXR generation rates, reporting rates and pathology distribution. Using this, we simulated the standard worklist processing "first-in, first-out" (FIFO) and compared it with a worklist prioritization based on urgency. Examination prioritization was performed by the AI, classifying eight different pathological findings ranked in descending order of urgency: pneumothorax, pleural effusion, infiltrate, congestion, atelectasis, cardiomegaly, mass and foreign object. Furthermore, we introduced an upper limit for the maximum waiting time, after which the highest urgency is assigned to the examination. The average RTAT for all critical findings was significantly reduced in all Prioritization-simulations compared to the FIFO-simulation (e.g. pneumothorax: 35.6 min vs. 80.1 min; p $<0.0001$), while the maximum RTAT for most findings increased at the same time (e.g. pneumothorax: 1293 min vs 890 min; p $<0.0001$). Our "upper limit" substantially reduced the maximum RTAT all classes (e.g. pneumothorax: 979 min vs. 1293 min / 1178 min; p $<0.0001$). Our simulations demonstrate that smart worklist prioritization by AI can reduce the average RTAT for critical findings in CXRs while maintaining a small maximum RTAT as FIFO.

We propose a deep learning-based automatic coronary artery tree centerline tracker (AuCoTrack) extending the vessel tracker by Wolterink (arXiv:1810.03143). A dual pathway Convolutional Neural Network (CNN) operating on multi-scale 3D inputs predicts the direction of the coronary arteries as well as the presence of a bifurcation. A similar multi-scale dual pathway 3D CNN is trained to identify coronary artery endpoints for terminating the tracking process. Two or more continuation directions are derived based on the bifurcation detection. The iterative tracker detects the entire left and right coronary artery trees based on only two ostium landmarks derived from a model-based segmentation of the heart. The 3D CNNs were trained on a proprietary dataset consisting of 43 CCTA scans. An average sensitivity of 87.1% and clinically relevant overlap of 89.1% was obtained relative to a refined manual segmentation. In addition, the MICCAI 2008 Coronary Artery Tracking Challenge (CAT08) training and test datasets were used to benchmark the algorithm and to assess its generalization. An average overlap of 93.6% and a clinically relevant overlap of 96.4% were obtained. The proposed method achieved better overlap scores than the current state-of-the-art automatic centerline extraction techniques on the CAT08 dataset with a vessel detection rate of 95%.

Objective: The aim is to evaluate whether smart worklist prioritization by artificial intelligence (AI) can optimize the radiology workflow and reduce report turnaround times (RTATs) for critical findings in chest radiographs (CXRs). Furthermore, we investigate a method to counteract the effect of false negative predictions by AI—resulting in an extremely and dangerously long RTAT, as CXRs are sorted to the end of the worklist. Methods: We developed a simulation framework that models the current workflow at a university hospital by incorporating hospital-specific CXR generation rates and reporting rates and pathology distribution. Using this, we simulated the standard worklist processing “first-in, first-out” (FIFO) and compared it with a worklist prioritization based on urgency. Examination prioritization was performed by the AI, classifying eight different pathological findings ranked in descending order of urgency: pneumothorax, pleural effusion, infiltrate, congestion, atelectasis, cardiomegaly, mass, and foreign object. Furthermore, we introduced an upper limit for the maximum waiting time, after which the highest urgency is assigned to the examination. Results: The average RTAT for all critical findings was significantly reduced in all prioritization simulations compared to the FIFO simulation (e.g., pneumothorax: 35.6 min vs. 80.1 min; p < 0.0001), while the maximum RTAT for most findings increased at the same time (e.g., pneumothorax: 1293 min vs 890 min; p < 0.0001). Our “upper limit” substantially reduced the maximum RTAT in all classes (e.g., pneumothorax: 979 min vs. 1293 min/1178 min; p < 0.0001). Conclusion: Our simulations demonstrate that smart worklist prioritization by AI can reduce the average RTAT for critical findings in CXRs while maintaining a small maximum RTAT as FIFO. Key Points: • Development of a realistic clinical workflow simulator based on empirical data from a hospital allowed precise assessment of smart worklist prioritization using

Hintergrund: Untersuchung der Struktur unserer eklektischen Testbatterie zur Diagnose von AVWS.Material und Methoden: Testergebnisse von 143 Kindern mit AVWS (96 Jungen) im mittl. Alter von 8,3 (SD 1,1) Jahren gingen in mehrere exploratorische Faktorenanalysen (EFA; Hauptkomponentenmethode) ein. Unter Berücksichtigung der Ergebnisse unserer diskriminanzanalytischen Vorstudien und der zu Grunde liegenden Interkorrelationen wurde eine EFA mit 12 diagnostischen Testvariablen gewählt (Wortverstehen im Störgeräusch durch Göttinger Sprachaudiometrie II; Binauraler Summationstest; Dichotische Sprachaudiometrie (Uttenweiler); HLAD-Subtests Phonemdifferenzierung, Phonemidentifikation, Phonemanalyse; PET-Subtests Laute Verbinden und Zahlenfolgen-Gedächtnis; Mottier-Test; HSET-Subtest Imitation grammatischer Strukturen; PaTsy-Subtests Tonhöhendiskrimination und monaurale Ordnungsschwelle).Ergebnisse: Das Kaiser-Meyer-Olkin (KMO)-Maß der Stichprobeneignung war mit .739 tendenziell gut. Aus der ersten EFA resultierten 12 noch unzureichend interpretierbare Faktoren mit einem Eigenwert >1, die 61,3% Gesamtvarianz erklärten. Da das Eigenwertkriterium bei einer großen Variablenanzahl häufig zu viele Faktoren extrahiert, wurde ein Scree-Test durchgeführt. Dieser sprach für eine 4-Faktorenlösung, obgleich das Muster der Faktorenladungen eher eine 3-Faktoren-Lösung nahelegte. Die daraufhin vorgenommene Promax-Rotation zeigte mit 4 Faktoren ein eindeutiger interpretierbares Muster. Es resultierten ein phonematischer Faktor, ein verbal-auditiver Kurzzeitgedächtnisfaktor, ein basaler Hörverarbeitungsfaktor und ein Hörverarbeitungsfaktor von redundanzreduzierter Sprache. Die Höhe der Interkorrelationen der Faktoren sprach für ihre Unterschiedlichkeit.Fazit: Mit diesen Ergebnissen ist ein vorläufiges Modell zentral-auditiver Prozesse unserer Testbatterie entworfen. Eine Replikation des Faktorenmusters an größeren Stichproben ist aber nötig.

The increased availability of labeled X-ray image archives (e.g. ChestX-ray14 dataset) has triggered a growing interest in deep learning techniques. To provide better insight into the different approaches, and their applications to chest X-ray classification, we investigate a powerful network architecture in detail: the ResNet-50. Building on prior work in this domain, we consider transfer learning with and without fine-tuning as well as the training of a dedicated X-ray network from scratch. To leverage the high spatial resolution of X-ray data, we also include an extended ResNet-50 architecture, and a network integrating non-image data (patient age, gender and acquisition type) in the classification process. In a concluding experiment, we also investigate multiple ResNet depths (i.e. ResNet-38 and ResNet-101). In a systematic evaluation, using 5-fold re-sampling and a multi-label loss function, we compare the performance of the different approaches for pathology classification by ROC statistics and analyze differences between the classifiers using rank correlation. Overall, we observe a considerable spread in the achieved performance and conclude that the X-ray-specific ResNet-38, integrating non-image data yields the best overall results. Furthermore, class activation maps are used to understand the classification process, and a detailed analysis of the impact of non-image features is provided.

Hintergrund: Untersuchung der Struktur unserer eklektischen Testbatterie zur Diagnose von AVWS.Material und Methoden: Testergebnisse von 143 Kindern mit AVWS (96 Jungen) im mittl. Alter von 8,3 (SD 1,1) Jahren gingen in mehrere exploratorische Faktorenanalysen (EFA; Hauptkomponentenmethode) ein. Unter Berücksichtigung der Ergebnisse unserer diskriminanzanalytischen Vorstudien und der zu Grunde liegenden Interkorrelationen wurde eine EFA mit 12 diagnostischen Testvariablen gewählt (Wortverstehen im Störgeräusch durch Göttinger Sprachaudiometrie II; Binauraler Summationstest; Dichotische Sprachaudiometrie (Uttenweiler); HLAD-Subtests Phonemdifferenzierung, Phonemidentifikation, Phonemanalyse; PET-Subtests Laute Verbinden und Zahlenfolgen-Gedächtnis; Mottier-Test; HSET-Subtest Imitation grammatischer Strukturen; PaTsy-Subtests Tonhöhendiskrimination und monaurale Ordnungsschwelle).Ergebnisse: Das Kaiser-Meyer-Olkin (KMO)-Maß der Stichprobeneignung war mit .739 tendenziell gut. Aus der ersten EFA resultierten 12 noch unzureichend interpretierbare Faktoren mit einem Eigenwert >1, die 61,3% Gesamtvarianz erklärten. Da das Eigenwertkriterium bei einer großen Variablenanzahl häufig zu viele Faktoren extrahiert, wurde ein Scree-Test durchgeführt. Dieser sprach für eine 4-Faktorenlösung, obgleich das Muster der Faktorenladungen eher eine 3-Faktoren-Lösung nahelegte. Die daraufhin vorgenommene Promax-Rotation zeigte mit 4 Faktoren ein eindeutiger interpretierbares Muster. Es resultierten ein phonematischer Faktor, ein verbal-auditiver Kurzzeitgedächtnisfaktor, ein basaler Hörverarbeitungsfaktor und ein Hörverarbeitungsfaktor von redundanzreduzierter Sprache. Die Höhe der Interkorrelationen der Faktoren sprach für ihre Unterschiedlichkeit.Fazit: Mit diesen Ergebnissen ist ein vorläufiges Modell zentral-auditiver Prozesse unserer Testbatterie entworfen. Eine Replikation des Faktorenmusters an größeren Stichproben ist aber nötig.

The increased availability of labeled X-ray image archives (e.g. ChestX-ray14 dataset) has triggered a growing interest in deep learning techniques. To provide better insight into the different approaches, and their applications to chest X-ray classification, we investigate a powerful network architecture in detail: the ResNet-50. Building on prior work in this domain, we consider transfer learning with and without fine-tuning as well as the training of a dedicated X-ray network from scratch. To leverage the high spatial resolution of X-ray data, we also include an extended ResNet-50 architecture, and a network integrating non-image data (patient age, gender and acquisition type) in the classification process. In a concluding experiment, we also investigate multiple ResNet depths (i.e. ResNet-38 and ResNet-101). In a systematic evaluation, using 5-fold re-sampling and a multi-label loss function, we compare the performance of the different approaches for pathology classification by ROC statistics and analyze differences between the classifiers using rank correlation. Overall, we observe a considerable spread in the achieved performance and conclude that the X-ray-specific ResNet-38, integrating non-image data yields the best overall results. Furthermore, class activation maps are used to understand the classification process, and a detailed analysis of the impact of non-image features is provided.

We introduce a functional for the learning of an optimal database for patch-based image segmentation with application to coronary lumen segmentation from coronary computed tomography angiography (CCTA) data. The proposed functional consists of fidelity, sparseness and robustness to small-variations terms and their associated weights. Existing work address database optimization by prototype selection aiming to optimize the database by either adding or removing prototypes according to a set of predefined rules. In contrast, we formulate the database optimization task as an energy minimization problem that can be solved using standard numerical tools. We apply the proposed database optimization functional to the task of optimizing a database for patch-base coronary lumen segmentation. Our experiments using the publicly available MICCAI 2012 coronary lumen segmentation challenge data show that optimizing the database using the proposed approach reduced database size by 96% while maintaining the same level of lumen segmentation accuracy. Moreover, we show that the optimized database yields an improved specificity of CCTA based fractional flow reserve (0.73 vs 0.7 for all lesions and 0.68 vs 0.65 for obstructive lesions) using a training set of 132 (76 obstructive) coronary lesions with invasively measured FFR as the reference.

Purpose: The goal of this study was to assess the potential added benefit of accounting for partial volume effects (PVE) in an automatic coronary lumen segmentation algorithm from coronary computed tomography angiography (CCTA). Materials and methods: We assessed the potential added value of PVE integration as a part of the automatic coronary lumen segmentation algorithm by means of segmentation accuracy using the MICCAI 2012 challenge framework and by means of flow simulation overall accuracy, sensitivity, specificity, negative and positive predictive values and the receiver operated characteristic (ROC) area under the curve. We also evaluated the potential benefit of accounting for PVE in automatic segmentation for flow-simulation for lesions that were diagnosed as obstructive based on CCTA, which could have indicated a need for an invasive exam and revascularization. Results: Our segmentation algorithm improves the maximal surface distance error by ~39% compared to previously published method on the 18 datasets 50 from the MICCAI 2012 challenge with comparable Dice and mean surface distance. Results with and without accounting for PVE were comparable. In contrast, integrating PVE analysis into an automatic coronary lumen segmentation algorithm improved the flow simulation specificity from 0.6 to 0.68 with the same sensitivity of 0.83. Also, accounting for PVE improved the area under the ROC curve for detecting hemodynamically significant CAD from 0.76 to 0.8 compared to automatic segmentation without PVE analysis with invasive FFR threshold of 0.8 as the reference standard. The improvement in the AUC was statistically significant (N=76, Delong's test, p=0.012). Conclusion: Accounting for the partial volume effects in automatic coronary lumen segmentation algorithms has the potential to improve the accuracy of CCTA-based hemodynamic assessment of coronary artery lesions.

Hintergrund: Die Diagnose "Auditive Verarbeitungs- und Wahrnehmungsstörung" (AVWS) wird im Schulalter gestellt, weil eine nicht intakte Hörverarbeitung im Schulunterricht eher bemerkt wird als in der Spielsituation des Nicht-Schulkindes.Material und Methoden: In drei empirischen Studien , , wurden diskriminanzanalytisch diejenigen Testverfahren bestimmt, die in der Regelschule Erst-, Zweit-, Dritt- und Viertklässler mit AVWS von solchen ohne AVWS zu unterscheiden erlauben. In einer synoptischen Übersicht präsentieren wir nun die Testvariablen, die innerhalb der statistischen Modelle über die gesamte Grundschulzeit eine Trennfunktion hatten.Ergebnisse: Tendenziell lässt sich ein Muster erkennen. So werden bereits im ersten Schuljahr zwei, die Diagnose "AVWS" bestimmende Variablen sichtbar, die während der gesamten Grundschulzeit nachweisbar bleiben: das reduzierte Kurzzeitgedächtnis für sinnleere Silbenfolgen und das beeinträchtigte Wortverstehen im Störgeräusch. Zudem werden zusätzlich für die jeweils einzelnen Schuljahre bzw. Schuljahresgruppen weitere 1 bis 2 auditive Funktionsdefizite deutlich, die möglicherweise stärker von individuellem Belang sind wie z.B. die Phonemdiskrimination oder das dichotische Wortverstehen.Diskussion: Vorrangig ist bei Regelgrundschülern wohl davon auszugehen, dass ihr beeinträchtigtes Wortverstehen im Störgeräusch auch das unmittelbare serielle Behalten erschwert, da Sprachsignale erst einmal auf dem Hintergrund lexikalisch-semantischen Wissens gespeichert werden müssen, um sie erkennen zu können. Diesbezügliche Beeinträchtigungen sind für komplexe akustische Situationen wie beim Unterricht in einem Klassenraum ein großes Lernhemmnis.Fazit: Das Hören im Störgeräusch sowie auch das Kurzzeitgedächtnis für sinnleere Silbenfolgen ermöglichen in Kombination mit jeweils 1-2 weiteren Verfahren im Grundschulalter eine Trennung von Kindern mit AVWS gegenüber Kindern ohne AVWS.

Hintergrund: Die Diagnose "Auditive Verarbeitungs- und Wahrnehmungsstörung" (AVWS) wird im Schulalter gestellt, weil eine nicht intakte Hörverarbeitung im Schulunterricht eher bemerkt wird als in der Spielsituation des Nicht-Schulkindes.Material und Methoden: In drei empirischen Studien , , wurden diskriminanzanalytisch diejenigen Testverfahren bestimmt, die in der Regelschule Erst-, Zweit-, Dritt- und Viertklässler mit AVWS von solchen ohne AVWS zu unterscheiden erlauben. In einer synoptischen Übersicht präsentieren wir nun die Testvariablen, die innerhalb der statistischen Modelle über die gesamte Grundschulzeit eine Trennfunktion hatten.Ergebnisse: Tendenziell lässt sich ein Muster erkennen. So werden bereits im ersten Schuljahr zwei, die Diagnose "AVWS" bestimmende Variablen sichtbar, die während der gesamten Grundschulzeit nachweisbar bleiben: das reduzierte Kurzzeitgedächtnis für sinnleere Silbenfolgen und das beeinträchtigte Wortverstehen im Störgeräusch. Zudem werden zusätzlich für die jeweils einzelnen Schuljahre bzw. Schuljahresgruppen weitere 1 bis 2 auditive Funktionsdefizite deutlich, die möglicherweise stärker von individuellem Belang sind wie z.B. die Phonemdiskrimination oder das dichotische Wortverstehen.Diskussion: Vorrangig ist bei Regelgrundschülern wohl davon auszugehen, dass ihr beeinträchtigtes Wortverstehen im Störgeräusch auch das unmittelbare serielle Behalten erschwert, da Sprachsignale erst einmal auf dem Hintergrund lexikalisch-semantischen Wissens gespeichert werden müssen, um sie erkennen zu können. Diesbezügliche Beeinträchtigungen sind für komplexe akustische Situationen wie beim Unterricht in einem Klassenraum ein großes Lernhemmnis.Fazit: Das Hören im Störgeräusch sowie auch das Kurzzeitgedächtnis für sinnleere Silbenfolgen ermöglichen in Kombination mit jeweils 1-2 weiteren Verfahren im Grundschulalter eine Trennung von Kindern mit AVWS gegenüber Kindern ohne AVWS.

Identifying changes in model parameters is fundamental in machine learning and statistics. However, standard changepoint models are limited in expressiveness, often addressing unidimensional problems and assuming instantaneous changes. We introduce change surfaces as a multidimensional and highly expressive generalization of changepoints. We provide a model-agnostic formalization of change surfaces, illustrating how they can provide variable, heterogeneous, and non-monotonic rates of change across multiple dimensions. Additionally, we show how change surfaces can be used for counterfactual prediction. As a concrete instantiation of the change surface framework, we develop Gaussian Process Change Surfaces (GPCS). We demonstrate counterfactual prediction with Bayesian posterior mean and credible sets, as well as massive scalability by introducing novel methods for additive non-separable kernels. Using two large spatio-temporal datasets we employ GPCS to discover and characterize complex changes that can provide scientific and policy relevant insights. Specifically, we analyze twentieth century measles incidence across the United States and discover previously unknown heterogeneous changes after the introduction of the measles vaccine. Additionally, we apply the model to requests for lead testing kits in New York City, discovering distinct spatial and demographic patterns.

Chest radiography is the most common clinical examination type. To improve the quality of patient care and to reduce workload, methods for automatic pathology classification have been developed. In this contribution we investigate the usefulness of two advanced image pre-processing techniques, initially developed for image reading by radiologists, for the performance of Deep Learning methods. First, we use bone suppression, an algorithm to artificially remove the rib cage. Secondly, we employ an automatic lung field detection to crop the image to the lung area. Furthermore, we consider the combination of both in the context of an ensemble approach. In a five-times re-sampling scheme, we use Receiver Operating Characteristic (ROC) statistics to evaluate the effect of the pre-processing approaches. Using a Convolutional Neural Network (CNN), optimized for X-ray analysis, we achieve a good performance with respect to all pathologies on average. Superior results are obtained for selected pathologies when using pre-processing, i.e. for mass the area under the ROC curve increased by 9.95%. The ensemble with pre-processed trained models yields the best overall results.

The increased availability of X-ray image archives (e.g. the ChestX-ray14 dataset from the NIH Clinical Center) has triggered a growing interest in deep learning techniques. To provide better insight into the different approaches, and their applications to chest X-ray classification, we investigate a powerful network architecture in detail: the ResNet-50. Building on prior work in this domain, we consider transfer learning with and without fine-tuning as well as the training of a dedicated X-ray network from scratch. To leverage the high spatial resolution of X-ray data, we also include an extended ResNet-50 architecture, and a network integrating non-image data (patient age, gender and acquisition type) in the classification process. In a concluding experiment, we also investigate multiple ResNet depths (i.e. ResNet-38 and ResNet-101). In a systematic evaluation, using 5-fold re-sampling and a multi-label loss function, we compare the performance of the different approaches for pathology classification by ROC statistics and analyze differences between the classifiers using rank correlation. Overall, we observe a considerable spread in the achieved performance and conclude that the X-ray-specific ResNet-38, integrating non-image data yields the best overall results. Furthermore, class activation maps are used to understand the classification process, and a detailed analysis of the impact of non-image features is provided., Comment: added official split, non-image feature investigation

Current notions of “hearing impairment,” as reflected in clinical audiological practice, do not acknowledge the needs of individuals who have normal hearing pure tone sensitivity but who experience auditory processing difficulties in everyday life that are indexed by reduced performance in other more sophisticated audiometric tests such as speech audiometry in noise or complex non-speech sound perception. This disor-der, defined as “Auditory Processing Disorder” (APD) or “Central Auditory Processing Disorder” is classified in the current tenth version of the International Classification of diseases as H93.25 and in the forthcoming beta eleventh version. APDs may have detrimental effects on the affected individual, with low esteem, anxiety, and depression, and symptoms may remain into adulthood. These disorders may interfere with learning per se and with communication, social, emotional, and academic-work aspects of life. The objective of the present paper is to define a baseline European APD consensus formulated by experienced clinicians and researchers in this specific field of human auditory science. A secondary aim is to identify issues that future research needs to address in order to further clarify the nature of APD and thus assist in optimum diagnosis and evidence-based management. This European consensus presents the main symptoms, conditions, and specific medical history elements that should lead to auditory processing evaluation. Consensus on definition of the disorder, optimum diag-nostic pathway, and appropriate management are highlighted alongside a perspective on future research focus.

Hintergrund: Für die meisten pädaudiologischen Verfahren lassen sich signifikante Gruppenunterschiede für Kinder mit und ohne AVWS im 2., 3. und 4. Grundschuljahr feststellen , . Die aktuelle Studie erfolgte mit der Fragestellung, ob dies auch für Kinder der 1. Schulklassenstufe zutrifft.Material und Methoden: Leistungen von 78 Kindern (n=41 mit AVWS; n=37 ohne AVWS) im 1. Grundschuljahr wurden in 14 spezifisch auditiven Tests miteinander verglichen [Uttenweiler-Test zum Dichotischen Wortverstehen; Subtests Lautdifferenzierung, Kinästhetik und Phonemanalyse (Heidelberger Lautdifferenzierungstest); Göttinger Sprachaudiometrie II im Störgeräusch; Hannoverscher Binauraler Summationstest; Zahlenfolgen-Gedächtnis und Laute Verbinden (Psycholinguistischer Entwicklungstest); Mottier-Test; Psychoakustisches Testsystem (PaTSy: Tonhöhen- und Pegel-Differenzierungsschwelle; mono- und binaurale Ordnungsschwelle; gap-detection)].Ergebnisse: Im Mann-Whitney-U-Test stellten sich statistisch signifikante Gruppenunterschiede zwischen Kindern mit und ohne AVWS in 13 der 14 Untersuchungsinstrumente dar (5%-Niveau), nach Bonferroni-Korrektur verblieben 12. Lediglich in 2 PaTSy-Subtests (Tonfrequenzen, Tonintensitäten) wurden keine Gruppenunterschiede festgestellt. Bzgl. der monauralen Ordnungsschwelle blieb die Signifikanz nach Bonferroni-Korrektur nur knapp erhalten. Non-AVWS-Kinder bewältigten die PaTSy-Subtests nur in 86-89%, AVWS-Kinder sogar nur in 75-85% aller Fälle.Diskussion: Auch bei Erstklässlern ließen sich durch 12 Untersuchungsinstrumente Kinder mit "AVWS" von solchen ohne "AVWS" statistisch signifikant unterscheiden. In der Tendenz sind bei Erstklässlern mit Auffälligkeiten in der auditiven Verarbeitung und Wahrnehmung die selben Leistungen gemindert wie bei Grundschülern der 2., 3. und 4. Klassenstufe , . Der Einsatz sprachfrei-tonaler Verfahren erscheint fragwürdig.Fazit: Die Diagnostik von AVWS gerade für Erstklässler wegen der hohen Streuung ihrer Leistungen mit Vorsi

Hintergrund: Im kontrollierten Gruppenvergleich konnte für Zweit-, Dritt- und Viertklässler bereits gezeigt werden, dass eine Trennung der Gruppen AVWS und Non-AVWS durch 3 bzw. 4 Untersuchungsinstrumente möglich war mit einer Zuordnungsrichtigkeit von 93,6% bzw. 97,5% , . Die aktuelle Erhebung erfolgte mit der Fragestellung, ob und mit welchen Tests der bekannten eklektischen Testbatterie , auch für Erstklässler eine Trennung der Gruppen gelingt.Material und Methoden: Leistungen von 78 Kindern (n=41 mit AVWS; n=37 Non-AVWS) im 1. Grundschuljahr wurden in 8 spezifisch auditiven Tests miteinander verglichen [Uttenweiler-Test zum Dichotischen Wortverstehen; Subtests Lautdifferenzierung und Kinästhetik (Heidelberger Lautdifferenzierungstest- HLAD); Göttinger Sprachaudiometrie II im Störgeräusch; Hannoverscher Binauraler Summationstest; Zahlenfolgen-Gedächtnis und Laute Verbinden (Psycholinguistischer Entwicklungstest); Mottier-Test]. Die Subtests des Psychoakustischen Testsystems wurden nicht berücksichtigt, da selbst Non-AVWS-Kinder diese Tests nur in 86-89% der Fälle bewältigten. Zudem wurde die Phonemanalyse (HLAD) ausgeschlossen wegen der sich im Lauf des 1. Schuljahres generell noch als relativ instabil darstellenden Fähigkeit der Phonem-Graphem-Zuordnung.Ergebnisse: Kinder mit AVWS im 1. Regelgrundschuljahr wurden von unauffälligen Kindern (Non-AVWS) der gleichen Schuljahrgangsstufe in 94,8% aller Fälle (kreuzvalidiert: in 92,2%) statistisch signifikant durch folgende Testvariablen getrennt: (1) PET-Zahlenfolgen-Gedächtnis; (2) HLAD-Lautdifferenzierung; (3) Mottier-Test; (4) Sprachaudiometrie im Störgeräusch.Diskussion: Bei Vergleich der Daten mit den empirisch belegten für Kinder der 2., 3. und 4. Grundschulklassenstufe , bildeten zwei Tests eine Schnittmenge: das Sprachverstehen im Störgeräusch und der Mottier-Test. Daher sollte in der AVWS-Diagnostik bei Erstklässlern insbesondere auf die Testergebnisse in diesen Instrumenten geachtet werden.Fazit: Die Qualitä

Hintergrund: Für die meisten pädaudiologischen Verfahren lassen sich signifikante Gruppenunterschiede für Kinder mit und ohne AVWS im 2., 3. und 4. Grundschuljahr feststellen , . Die aktuelle Studie erfolgte mit der Fragestellung, ob dies auch für Kinder der 1. Schulklassenstufe zutrifft.Material und Methoden: Leistungen von 78 Kindern (n=41 mit AVWS; n=37 ohne AVWS) im 1. Grundschuljahr wurden in 14 spezifisch auditiven Tests miteinander verglichen [Uttenweiler-Test zum Dichotischen Wortverstehen; Subtests Lautdifferenzierung, Kinästhetik und Phonemanalyse (Heidelberger Lautdifferenzierungstest); Göttinger Sprachaudiometrie II im Störgeräusch; Hannoverscher Binauraler Summationstest; Zahlenfolgen-Gedächtnis und Laute Verbinden (Psycholinguistischer Entwicklungstest); Mottier-Test; Psychoakustisches Testsystem (PaTSy: Tonhöhen- und Pegel-Differenzierungsschwelle; mono- und binaurale Ordnungsschwelle; gap-detection)].Ergebnisse: Im Mann-Whitney-U-Test stellten sich statistisch signifikante Gruppenunterschiede zwischen Kindern mit und ohne AVWS in 13 der 14 Untersuchungsinstrumente dar (5%-Niveau), nach Bonferroni-Korrektur verblieben 12. Lediglich in 2 PaTSy-Subtests (Tonfrequenzen, Tonintensitäten) wurden keine Gruppenunterschiede festgestellt. Bzgl. der monauralen Ordnungsschwelle blieb die Signifikanz nach Bonferroni-Korrektur nur knapp erhalten. Non-AVWS-Kinder bewältigten die PaTSy-Subtests nur in 86-89%, AVWS-Kinder sogar nur in 75-85% aller Fälle.Diskussion: Auch bei Erstklässlern ließen sich durch 12 Untersuchungsinstrumente Kinder mit "AVWS" von solchen ohne "AVWS" statistisch signifikant unterscheiden. In der Tendenz sind bei Erstklässlern mit Auffälligkeiten in der auditiven Verarbeitung und Wahrnehmung die selben Leistungen gemindert wie bei Grundschülern der 2., 3. und 4. Klassenstufe , . Der Einsatz sprachfrei-tonaler Verfahren erscheint fragwürdig.Fazit: Die Diagnostik von AVWS gerade für Erstklässler wegen der hohen Streuung ihrer Leistungen mit Vorsi

Hintergrund: Im kontrollierten Gruppenvergleich konnte für Zweit-, Dritt- und Viertklässler bereits gezeigt werden, dass eine Trennung der Gruppen AVWS und Non-AVWS durch 3 bzw. 4 Untersuchungsinstrumente möglich war mit einer Zuordnungsrichtigkeit von 93,6% bzw. 97,5% , . Die aktuelle Erhebung erfolgte mit der Fragestellung, ob und mit welchen Tests der bekannten eklektischen Testbatterie , auch für Erstklässler eine Trennung der Gruppen gelingt.Material und Methoden: Leistungen von 78 Kindern (n=41 mit AVWS; n=37 Non-AVWS) im 1. Grundschuljahr wurden in 8 spezifisch auditiven Tests miteinander verglichen [Uttenweiler-Test zum Dichotischen Wortverstehen; Subtests Lautdifferenzierung und Kinästhetik (Heidelberger Lautdifferenzierungstest- HLAD); Göttinger Sprachaudiometrie II im Störgeräusch; Hannoverscher Binauraler Summationstest; Zahlenfolgen-Gedächtnis und Laute Verbinden (Psycholinguistischer Entwicklungstest); Mottier-Test]. Die Subtests des Psychoakustischen Testsystems wurden nicht berücksichtigt, da selbst Non-AVWS-Kinder diese Tests nur in 86-89% der Fälle bewältigten. Zudem wurde die Phonemanalyse (HLAD) ausgeschlossen wegen der sich im Lauf des 1. Schuljahres generell noch als relativ instabil darstellenden Fähigkeit der Phonem-Graphem-Zuordnung.Ergebnisse: Kinder mit AVWS im 1. Regelgrundschuljahr wurden von unauffälligen Kindern (Non-AVWS) der gleichen Schuljahrgangsstufe in 94,8% aller Fälle (kreuzvalidiert: in 92,2%) statistisch signifikant durch folgende Testvariablen getrennt: (1) PET-Zahlenfolgen-Gedächtnis; (2) HLAD-Lautdifferenzierung; (3) Mottier-Test; (4) Sprachaudiometrie im Störgeräusch.Diskussion: Bei Vergleich der Daten mit den empirisch belegten für Kinder der 2., 3. und 4. Grundschulklassenstufe , bildeten zwei Tests eine Schnittmenge: das Sprachverstehen im Störgeräusch und der Mottier-Test. Daher sollte in der AVWS-Diagnostik bei Erstklässlern insbesondere auf die Testergebnisse in diesen Instrumenten geachtet werden.Fazit: Die Qualitä

For applications as varied as Bayesian neural networks, determinantal point processes, elliptical graphical models, and kernel learning for Gaussian processes (GPs), one must compute a log determinant of an $n \times n$ positive definite matrix, and its derivatives - leading to prohibitive $\mathcal{O}(n^3)$ computations. We propose novel $\mathcal{O}(n)$ approaches to estimating these quantities from only fast matrix vector multiplications (MVMs). These stochastic approximations are based on Chebyshev, Lanczos, and surrogate models, and converge quickly even for kernel matrices that have challenging spectra. We leverage these approximations to develop a scalable Gaussian process approach to kernel learning. We find that Lanczos is generally superior to Chebyshev for kernel learning, and that a surrogate approach can be highly efficient and accurate with popular kernels., Comment: Appears at Advances in Neural Information Processing Systems 30 (NIPS), 2017

Current notions of "hearing impairment," as reflected in clinical audiological practice, do not acknowledge the needs of individuals who have normal hearing pure tone sensitivity but who experience auditory processing difficulties in everyday life that are indexed by reduced performance in other more sophisticated audiometric tests such as speech audiometry in noise or complex non-speech sound perception. This disorder, defined as "Auditory Processing Disorder" (APD) or "Central Auditory Processing Disorder" is classified in the current tenth version of the International Classification of diseases as H93.25 and in the forthcoming beta eleventh version. APDs may have detrimental effects on the affected individual, with low esteem, anxiety, and depression, and symptoms may remain into adulthood. These disorders may interfere with learning per se and with communication, social, emotional, and academic-work aspects of life. The objective of the present paper is to define a baseline European APD consensus formulated by experienced clinicians and researchers in this specific field of human auditory science. A secondary aim is to identify issues that future research needs to address in order to further clarify the nature of APD and thus assist in optimum diagnosis and evidence-based management. This European consensus presents the main symptoms, conditions, and specific medical history elements that should lead to auditory processing evaluation. Consensus on definition of the disorder, optimum diagnostic pathway, and appropriate management are highlighted alongside a perspective on future research focus.

Sparsity is a fundamental concept of modern statistics, and often the only general principle available at the moment to address novel learning applications with many more variables than observations. While much progress has been made recently in the theoretical understanding and algorithmics of sparse point estimation, higher-order problems such as covariance estimation or optimal data acquisition are seldomly addressed for sparsity-favouring models, and there are virtually no algorithms for large scale applications of these. We provide novel approximate Bayesian inference algorithms for sparse generalized linear models, that can be used with hundred thousands of variables, and run orders of magnitude faster than previous algorithms in domains where either apply. By analyzing our methods and establishing some novel convexity results, we settle a long-standing open question about variational Bayesian inference for continuous variable models: the Gaussian lower bound relaxation, which has been used previously for a range of models, is proved to be a convex optimization problem, if and only if the posterior mode is found by convex programming. Our algorithms reduce to the same computational primitives than commonly used sparse estimation methods do, but require Gaussian marginal variance estimation as well. We show how the Lanczos algorithm from numerical mathematics can be employed to compute the latter. We are interested in Bayesian experimental design here (which is mainly driven by efficient approximate inference), a powerful framework for optimizing measurement architectures of complex signals, such as natural images. Designs optimized by our Bayesian framework strongly outperform choices advocated by compressed sensing theory, and with our novel algorithms, we can scale it up to full-size images. Immediate applications of our method lie in digital photography and medical imaging. We have applied our framework to problems of magnetic resonance imaging design and r

Hintergrund: Die konnatale CMV-Infektion kann zu Schallempfindungsschwerhörigkeit mit progredientem Verlauf bis hin zur Ertaubung führen. Ziel der Erhebung war, für die Entwicklung wesentliche Befunde unserer mit einem CI versorgten Kinder nach konnataler CMV-Infektion anhand der Aktenlage zu ermitteln.Material und Methoden: Erhoben wurden die Daten von 14 CI-versorgten Kindern zum Ergebnis des Neugeborenen-Hörscreenings, zum Alter bei Erstdiagnose der Hörstörung, der Hörschwelle, zum Alter bei Hörgeräte-/CI-Versorgung, den audiologischen Ergebnissen, zur nonverbalen Entwicklung und zu neurologischen Auffälligkeiten, zu den präoperativen CT-/MRT-Befunden, zur Sprachentwicklung und zum besuchten Kindergarten/Schule.Ergebnisse: Bei nahezu 40% der Kinder (5 von 13) mit durchgeführtem Neugeborenen-Hörscreening war dieses als unauffällig dokumentiert, eine Progredienz oder late onset-Hörstörung stellte sich bei knapp 70% (9 von 13) dar. Die Versorgung mit dem ersten CI erfolgte im Mittel im Alter von knapp 27 Monaten, im Mittel knapp 11 Monate nach der Erstdiagnose der Hörstörung. Sämtliche CT-/MRT-Befunde zeigten Auffälligkeiten vor allem im Sinne von peri-/paraventrikulären Verkalkungen, Polymikrogyrie/Pachygyrie und erweiterten Liquorräumen. Der nonverbale IQ lag im Mittel bei knapp 70 (40 bis 86). Klinisch-neurologische Auffälligkeiten bestanden bei 9 der 14 Kinder. Alle 11 schulpflichtigen Kinder besuchten eine Förderschule. Hinsichtlich der Sprachentwicklung zeigten sich bei allen 10 diesbezüglich ausführlich untersuchten Kindern leichte bis schwerste Einschränkungen.Diskussion: Eine intrauterine CMV-Infektion kann für die betroffenen Kinder erhebliche Folgen haben. Allerdings ist sie als Ursache der Hörstörung nicht immer einfach zu sichern, sofern keine weiteren Behinderungen vorliegen. Wir konnten bei unseren Kindern mit CI-bedürftiger Schwerhörigkeit feststellen, dass besonders Hörstörungen mit late-onset- oder progredienten Verläufen, CT-/MRT-Auffälligkeiten m

Hintergrund: Als Ursache für Auditive Verarbeitungs- und Wahrnehmungsstörungen (AVWS) werden u.a. Top-down-Störungen diskutiert. Daher stellt sich die Frage, ob sich - und wenn ja, in welchem Ausmaß - bei Kindern mit nachgewiesener AVWS statistische Zusammenhänge von Ergebnissen in AVWS-Tests mit sprachlich-auditiven KZG-Leistungen nachweisen lassen.Material und Methoden: Die Ergebnisse von Kindern der 2.-4. Schulklassenstufe (n=91 mit diagnostisch gesicherter AVWS sowie n=87 ohne AVWS=Non-AVWS) wurden miteinander verglichen bzgl. des KZG für Zahlenfolgen, sinnleere Silbensequenzen und Sätze mit ausgewählten AVWS-Prüfdimensionen (dichotisches Wortpaarverstehen, Phonemdiskrimination, Phonemidentifikation und Phonemanalyse).Ergebnisse: Bei den Non-AVWS-Kindern korrelierte keine KZG-Leistung mit irgendeiner Prüfdimension. Bei Kindern mit AVWS zeigten sich Korrelationen (r= .29-.41) ausschließlich bezüglich: KZG für sinnleere Silbensequenzen mit a) Phonemidentifikation (rho = .407) und b) Phonemanalyse (rho = .368) sowie KZG für Sätze mit a) Phonemidentifikation (rho = .288) und b) dichotischem Wortpaarverstehen (rho = .333). Diskussion: Die Ergebnisse sprechen bei Kindern mit AVWS für die Annahme von Bottom-up-Pathologien bzw. gegen vorrangige Einflüsse der KZG-Kapazität auf ausgesuchte Ergebnisse in AVWS-Tests. Zusätzliche, übergeordnete Top-down-Pathologien sind jedoch wahrscheinlich.

Hintergrund: Die konnatale CMV-Infektion kann zu Schallempfindungsschwerhörigkeit mit progredientem Verlauf bis hin zur Ertaubung führen. Ziel der Erhebung war, für die Entwicklung wesentliche Befunde unserer mit einem CI versorgten Kinder nach konnataler CMV-Infektion anhand der Aktenlage zu ermitteln.Material und Methoden: Erhoben wurden die Daten von 14 CI-versorgten Kindern zum Ergebnis des Neugeborenen-Hörscreenings, zum Alter bei Erstdiagnose der Hörstörung, der Hörschwelle, zum Alter bei Hörgeräte-/CI-Versorgung, den audiologischen Ergebnissen, zur nonverbalen Entwicklung und zu neurologischen Auffälligkeiten, zu den präoperativen CT-/MRT-Befunden, zur Sprachentwicklung und zum besuchten Kindergarten/Schule.Ergebnisse: Bei nahezu 40% der Kinder (5 von 13) mit durchgeführtem Neugeborenen-Hörscreening war dieses als unauffällig dokumentiert, eine Progredienz oder late onset-Hörstörung stellte sich bei knapp 70% (9 von 13) dar. Die Versorgung mit dem ersten CI erfolgte im Mittel im Alter von knapp 27 Monaten, im Mittel knapp 11 Monate nach der Erstdiagnose der Hörstörung. Sämtliche CT-/MRT-Befunde zeigten Auffälligkeiten vor allem im Sinne von peri-/paraventrikulären Verkalkungen, Polymikrogyrie/Pachygyrie und erweiterten Liquorräumen. Der nonverbale IQ lag im Mittel bei knapp 70 (40 bis 86). Klinisch-neurologische Auffälligkeiten bestanden bei 9 der 14 Kinder. Alle 11 schulpflichtigen Kinder besuchten eine Förderschule. Hinsichtlich der Sprachentwicklung zeigten sich bei allen 10 diesbezüglich ausführlich untersuchten Kindern leichte bis schwerste Einschränkungen.Diskussion: Eine intrauterine CMV-Infektion kann für die betroffenen Kinder erhebliche Folgen haben. Allerdings ist sie als Ursache der Hörstörung nicht immer einfach zu sichern, sofern keine weiteren Behinderungen vorliegen. Wir konnten bei unseren Kindern mit CI-bedürftiger Schwerhörigkeit feststellen, dass besonders Hörstörungen mit late-onset- oder progredienten Verläufen, CT-/MRT-Auffälligkeiten m

Hintergrund: Als Ursache für Auditive Verarbeitungs- und Wahrnehmungsstörungen (AVWS) werden u.a. Top-down-Störungen diskutiert. Daher stellt sich die Frage, ob sich - und wenn ja, in welchem Ausmaß - bei Kindern mit nachgewiesener AVWS statistische Zusammenhänge von Ergebnissen in AVWS-Tests mit sprachlich-auditiven KZG-Leistungen nachweisen lassen.Material und Methoden: Die Ergebnisse von Kindern der 2.-4. Schulklassenstufe (n=91 mit diagnostisch gesicherter AVWS sowie n=87 ohne AVWS=Non-AVWS) wurden miteinander verglichen bzgl. des KZG für Zahlenfolgen, sinnleere Silbensequenzen und Sätze mit ausgewählten AVWS-Prüfdimensionen (dichotisches Wortpaarverstehen, Phonemdiskrimination, Phonemidentifikation und Phonemanalyse).Ergebnisse: Bei den Non-AVWS-Kindern korrelierte keine KZG-Leistung mit irgendeiner Prüfdimension. Bei Kindern mit AVWS zeigten sich Korrelationen (r= .29-.41) ausschließlich bezüglich: KZG für sinnleere Silbensequenzen mit a) Phonemidentifikation (rho = .407) und b) Phonemanalyse (rho = .368) sowie KZG für Sätze mit a) Phonemidentifikation (rho = .288) und b) dichotischem Wortpaarverstehen (rho = .333). Diskussion: Die Ergebnisse sprechen bei Kindern mit AVWS für die Annahme von Bottom-up-Pathologien bzw. gegen vorrangige Einflüsse der KZG-Kapazität auf ausgesuchte Ergebnisse in AVWS-Tests. Zusätzliche, übergeordnete Top-down-Pathologien sind jedoch wahrscheinlich.

Using "long-PCR" we have amplified in overlapping fragments the complete mitochondrial genome of the tapeworm Hymenolepis diminuta (Platyhelminthes: Cestoda) and determined its 13,900 nucleotide sequence. The gene content is the same as that typically found for animal mitochondrial DNA (mtDNA) except that atp8 appears to be lacking, a condition found previously for several other animals. Despite the small size of this mtDNA, there are two large non-coding regions, one of which contains 13 repeats of a 31 nucleotide sequence and a potential stem-loop structure of 25 base pairs with an 11-member loop. Large potential secondary structures are identified also for the non-coding regions of two other cestode mtDNAs. Comparison of the mitochondrial gene arrangement of H. diminuta with those previously published supports a phylogenetic position of flatworms as members of the Eutrochozoa, rather than being basal to either a clade of protostomes or a clade of coelomates.

Using "long-PCR" we have amplified in overlapping fragments the complete mitochondrial genome of the tapeworm Hymenolepis diminuta (Platyhelminthes: Cestoda) and determined its 13,900 nucleotide sequence. The gene content is the same as that typically found for animal mitochondrial DNA (mtDNA) except that atp8 appears to be lacking, a condition found previously for several other animals. Despite the small size of this mtDNA, there are two large non-coding regions, one of which contains 13 repeats of a 31 nucleotide sequence and a potential stem-loop structure of 25 base pairs with an 11-member loop. Large potential secondary structures are identified also for the non-coding regions of two other cestode mtDNAs. Comparison of the mitochondrial gene arrangement of H. diminuta with those previously published supports a phylogenetic position of flatworms as members of the Eutrochozoa, rather than being basal to either a clade of protostomes or a clade of coelomates.

Convolutional neural networks demonstrated outstanding empirical results in computer vision and speech recognition tasks where labeled training data is abundant. In medical imaging, there is a huge variety of possible imaging modalities and contrasts, where annotated data is usually very scarce. We present two approaches to deal with this challenge. A network pretrained in a different domain with abundant data is used as a feature extractor, while a subsequent classifier is trained on a small target dataset; and a deep architecture trained with heavy augmentation and equipped with sophisticated regularization methods. We test the approaches on a corpus of X-ray images to design an anatomy detection system., Comment: NIPS 2015 Workshop on Machine Learning in Healthcare

We introduce a framework and early results for massively scalable Gaussian processes (MSGP), significantly extending the KISS-GP approach of Wilson and Nickisch (2015). The MSGP framework enables the use of Gaussian processes (GPs) on billions of datapoints, without requiring distributed inference, or severe assumptions. In particular, MSGP reduces the standard $O(n^3)$ complexity of GP learning and inference to $O(n)$, and the standard $O(n^2)$ complexity per test point prediction to $O(1)$. MSGP involves 1) decomposing covariance matrices as Kronecker products of Toeplitz matrices approximated by circulant matrices. This multi-level circulant approximation allows one to unify the orthogonal computational benefits of fast Kronecker and Toeplitz approaches, and is significantly faster than either approach in isolation; 2) local kernel interpolation and inducing points to allow for arbitrarily located data inputs, and $O(1)$ test time predictions; 3) exploiting block-Toeplitz Toeplitz-block structure (BTTB), which enables fast inference and learning when multidimensional Kronecker structure is not present; and 4) projections of the input space to flexibly model correlated inputs and high dimensional data. The ability to handle many ($m \approx n$) inducing points allows for near-exact accuracy and large scale kernel learning., Comment: 25 pages, 9 figures

We introduce a new structured kernel interpolation (SKI) framework, which generalises and unifies inducing point methods for scalable Gaussian processes (GPs). SKI methods produce kernel approximations for fast computations through kernel interpolation. The SKI framework clarifies how the quality of an inducing point approach depends on the number of inducing (aka interpolation) points, interpolation strategy, and GP covariance kernel. SKI also provides a mechanism to create new scalable kernel methods, through choosing different kernel interpolation strategies. Using SKI, with local cubic kernel interpolation, we introduce KISS-GP, which is 1) more scalable than inducing point alternatives, 2) naturally enables Kronecker and Toeplitz algebra for substantial additional gains in scalability, without requiring any grid data, and 3) can be used for fast and expressive kernel learning. KISS-GP costs O(n) time and storage for GP inference. We evaluate KISS-GP for kernel matrix approximation, kernel learning, and natural sound modelling., Comment: 19 pages, 4 figures

Hintergrund: Sensitivität und Spezifität sind Maße zur Beurteilung der Güte eines Tests.Material und Methoden: Unter Einbezug von klinischen Fällen (AVWS) und Kontrollen wurden Sensitivität und Spezifität von 10 diagnostischen Tests einer AVWS-Testkombination mittels ROC-Analysen bestimmt. Ferner wurde der maximale Youden-Index (Sensitivität + Spezifität minus 1) berechnet, der die maximale Effektivität eines Tests angibt. Von 178 Grundschulkindern der 2.-4. Klasse war bei 91 Kindern (51%) diagnostisch eine AVWS gesichert und mit den Daten von 87 unauffälligen Kindern ohne SSES oder LRS verglichen (Non-AVWS) worden.Ergebnisse: Für alle diagnostischen Tests wurde das Verhältnis von Sensitivität und Falsch-Positiv-Rate (1 minus Spezifität) ermittelt. Eine sehr gute Relation ließ sich für den "Mottier-Test" belegen (Area Under Curve AUC: .96; p=.000; 95%-CI: .93- .99). Der Cut-Off-Wert zur Trennung von Kindern mit AVWS vs. Non-AVWS lag bei 17,5 Rohwertpunkten (Sensitivität: 90,1%; Falsch-Positiv-Rate: 6,9%). Der maximale Youden-Index (0,83) lag ebenfalls bei diesem Schwellenwert. Eine gleichermaßen hohe diskriminatorische Testgüte wurde für den HSET-Subtest "Imitation grammatischer Strukturformen" nachgewiesen. Die AUC als globales Maß für die Testgüte betrug .94 (p=.000; CI: .90-.98). Bei einem Schwellenwert von 21,5 wurden 85% der Kinder richtig klassifiziert (Falsch-Positiv-Rate 2,3%.) Der Youden-Index war mit 0,82 beim selben Schwellenwert am größten.Diskussion: Der Einsatz bestimmter non-invasiver diagnostischer Tests aus der AVWS-Testbatterie gem. der jeweiligen Sensitivitätswerte scheint besonders empfehlenswert, weil in der AVWS-Diagnostik dadurch die Möglichkeit verbessert wird, eine AVWS auszuschließen. Zur inhaltlichen Bestimmung der AVWS sowie der therapierelevanten auditiven Bereiche ist die vollständige Anwendung der AVWS-Testbatterie unverzichtbar.

Hintergrund: Sensitivität und Spezifität sind Maße zur Beurteilung der Güte eines Tests.Material und Methoden: Unter Einbezug von klinischen Fällen (AVWS) und Kontrollen wurden Sensitivität und Spezifität von 10 diagnostischen Tests einer AVWS-Testkombination mittels ROC-Analysen bestimmt. Ferner wurde der maximale Youden-Index (Sensitivität + Spezifität minus 1) berechnet, der die maximale Effektivität eines Tests angibt. Von 178 Grundschulkindern der 2.-4. Klasse war bei 91 Kindern (51%) diagnostisch eine AVWS gesichert und mit den Daten von 87 unauffälligen Kindern ohne SSES oder LRS verglichen (Non-AVWS) worden.Ergebnisse: Für alle diagnostischen Tests wurde das Verhältnis von Sensitivität und Falsch-Positiv-Rate (1 minus Spezifität) ermittelt. Eine sehr gute Relation ließ sich für den "Mottier-Test" belegen (Area Under Curve AUC: .96; p=.000; 95%-CI: .93- .99). Der Cut-Off-Wert zur Trennung von Kindern mit AVWS vs. Non-AVWS lag bei 17,5 Rohwertpunkten (Sensitivität: 90,1%; Falsch-Positiv-Rate: 6,9%). Der maximale Youden-Index (0,83) lag ebenfalls bei diesem Schwellenwert. Eine gleichermaßen hohe diskriminatorische Testgüte wurde für den HSET-Subtest "Imitation grammatischer Strukturformen" nachgewiesen. Die AUC als globales Maß für die Testgüte betrug .94 (p=.000; CI: .90-.98). Bei einem Schwellenwert von 21,5 wurden 85% der Kinder richtig klassifiziert (Falsch-Positiv-Rate 2,3%.) Der Youden-Index war mit 0,82 beim selben Schwellenwert am größten.Diskussion: Der Einsatz bestimmter non-invasiver diagnostischer Tests aus der AVWS-Testbatterie gem. der jeweiligen Sensitivitätswerte scheint besonders empfehlenswert, weil in der AVWS-Diagnostik dadurch die Möglichkeit verbessert wird, eine AVWS auszuschließen. Zur inhaltlichen Bestimmung der AVWS sowie der therapierelevanten auditiven Bereiche ist die vollständige Anwendung der AVWS-Testbatterie unverzichtbar.

Während der Schwangerschaft vollziehen sich im Körper der Frau verschiedene Adaptionsmechanismen, um eine bestmögliche Versorgung für das heranwachsende Kind zu gewährleisten. Bei fortschreitender Gravidität entwickelt sich eine physiologische Insulinresistenz. Gelingt es den maternalen Betazellen des Pankreas‘ nicht, diese zu kompensieren, kann eine diabetische Stoffwechsellage bis hin zur Ausbildung eines Gestationsdiabetes (GDM) entstehen. Adipozytokine beeinflussen direkt lokale und periphere metabolische, endokrinologische sowie immunologische Prozesse. Inwieweit sie in der Gravidität eine Rolle spielen, ist bislang nicht hinreichend geklärt. In verschiedenen Studien wurde eine Beziehung zwischen den Fettgewebshormonen und der Glukosetoleranz in der Schwangerschaft nachgewiesen. Im Rahmen dieser Dissertation sollte eine Analyse zur Glukosetoleranz und zu Adipozytokinserumspiegeln bei Frauen unmittelbar nach der Entbindung vorgenommen werden. Ergebnisse oraler Glukosetoleranztests von gesunden Frauen 24 Stunden postpartal (n=65) wurden mit denen einer nicht-schwangeren, gesunden Kohorte (n=30) verglichen. Maternale und neonatale anthropometrische Daten wurden in Zusammenhang zu Adipozytokinen gestellt. Im Vergleich zu Frauen mit normaler Glukosetoleranz (NGT) postpartal konnten in dieser Studie signifikant verminderte Blutglukose – sowie nüchtern – Proinsulinspiegel in der nicht-schwangeren Kontrollgruppe nachgewiesen werden, wohingegen die nüchtern-C-Peptidspiegel erhöht waren. Weiterhin zeigten sich postpartal signifikant niedrigere Adiponektin-, aber höhere sOB-R- (soluble leptin receptor) sowie Leptinspiegel der NGT-Mütter im Vergleich zur Kontrollgruppe. Zusätzlich konnte eine Beziehung zwischen Adipozytokinserumspiegeln und Parametern der Glukosetoleranz bzw. Adipositas demonstriert werden. Daraus lässt sich die These ableiten, dass Frauen in der frühen Phase nach der Entbindung ähnliche biochemische Konstellationen wie beim metabolischen Syndrom, der gest

Während der Schwangerschaft vollziehen sich im Körper der Frau verschiedene Adaptionsmechanismen, um eine bestmögliche Versorgung für das heranwachsende Kind zu gewährleisten. Bei fortschreitender Gravidität entwickelt sich eine physiologische Insulinresistenz. Gelingt es den maternalen Betazellen des Pankreas‘ nicht, diese zu kompensieren, kann eine diabetische Stoffwechsellage bis hin zur Ausbildung eines Gestationsdiabetes (GDM) entstehen. Adipozytokine beeinflussen direkt lokale und periphere metabolische, endokrinologische sowie immunologische Prozesse. Inwieweit sie in der Gravidität eine Rolle spielen, ist bislang nicht hinreichend geklärt. In verschiedenen Studien wurde eine Beziehung zwischen den Fettgewebshormonen und der Glukosetoleranz in der Schwangerschaft nachgewiesen. Im Rahmen dieser Dissertation sollte eine Analyse zur Glukosetoleranz und zu Adipozytokinserumspiegeln bei Frauen unmittelbar nach der Entbindung vorgenommen werden. Ergebnisse oraler Glukosetoleranztests von gesunden Frauen 24 Stunden postpartal (n=65) wurden mit denen einer nicht-schwangeren, gesunden Kohorte (n=30) verglichen. Maternale und neonatale anthropometrische Daten wurden in Zusammenhang zu Adipozytokinen gestellt. Im Vergleich zu Frauen mit normaler Glukosetoleranz (NGT) postpartal konnten in dieser Studie signifikant verminderte Blutglukose – sowie nüchtern – Proinsulinspiegel in der nicht-schwangeren Kontrollgruppe nachgewiesen werden, wohingegen die nüchtern-C-Peptidspiegel erhöht waren. Weiterhin zeigten sich postpartal signifikant niedrigere Adiponektin-, aber höhere sOB-R- (soluble leptin receptor) sowie Leptinspiegel der NGT-Mütter im Vergleich zur Kontrollgruppe. Zusätzlich konnte eine Beziehung zwischen Adipozytokinserumspiegeln und Parametern der Glukosetoleranz bzw. Adipositas demonstriert werden. Daraus lässt sich die These ableiten, dass Frauen in der frühen Phase nach der Entbindung ähnliche biochemische Konstellationen wie beim metabolischen Syndrom, der gest

Traduction de P. Ricœur, "L'identité narrative", Esprit, 7-8, juillet-août 1988., info:eu-repo/semantics/published

Hintergrund: Es ist empirisch belegt, dass bei Regelgrundschülern im 2. Schuljahr bereits wenige Prüfdimensionen eine zuverlässige Klassifikation in die Diagnosegruppen "AVWS" vs. "Non-AVWS" erlauben .Material und Methoden: Anhand des Datensatzes einer Vorstudie an Zweiklässlern sollte geprüft werden, ob die Trennung der Diagnosegruppen "AVWS" sowie "Spezifische Sprachentwicklungsstörung [SSES]+AVWS-Symptomatik" von "Non-AVWS" wie auch die Gruppentrennung untereinander durch schrittweise Diskriminanzanalysen (mit 10 primären Prüfdimensionen) gelingt. Studienkollektive: 24 Kinder mit monosymptomatischer AVWS (mittl. Alter 7,7 Jahre, SD 0,75); 21 Kinder mit SSES+AVWS-Symptomatik (mittl. Alter 8,0 Jahre, SD 0,55); 48 Non-AVWS-Kinder (mittl. Alter 7,6 Jahre, SD 0,49).Ergebnisse: Eine Trennung jeder klinischen Gruppe von der Non-AVWS-Gruppe gelang optimal. AVWS-Kinder wurden von Non-AVWS-Kindern durch 4 Prüfdimensionen signifikant unterschieden, Kinder mit SSES+AVWS-Symptomatik durch zwei. Hingegen ließen sich AVWS-Kinder diskriminanzanalytisch von solchen mit SSES+AVWS-Symptomatik nur unter Hinzuziehung einer sprachrezeptiven Variablen, dem "Verstehen grammatischer Strukturformen" statistisch bedeutsam trennen - nicht allein über die auditive Testbatterie.Diskussion: Zur Beantwortung der Frage, ob eine trennscharfe Diskrimination von Kindern mit AVWS von solchen mit SSES+AVWS-Symptomatik durch eine pädaudiologische Testbatterie überhaupt möglich ist, bedarf es weiterer Studien.