Search

BACKGROUND AND PURPOSE:Our aim was to use 2D convolutional neural networks for automatic segmentation of the spinal cord and traumatic contusion injury from axial T2-weighted MR imaging in a cohort of patients with acute spinal cord injury. MATERIALS AND METHODS:Forty-seven patients who underwent 3T MR imaging within 24 hours of spinal cord injury were included. We developed an image-analysis pipeline integrating 2D convolutional neural networks for whole spinal cord and intramedullary spinal cord lesion segmentation. Linear mixed modeling was used to compare test segmentation results between our spinal cord injury convolutional neural network (Brain and Spinal Cord Injury Center segmentation) and current state-of-the-art methods. Volumes of segmented lesions were then used in a linear regression analysis to determine associations with motor scores. RESULTS:Compared with manual labeling, the average test set Dice coefficient for the Brain and Spinal Cord Injury Center segmentation model was 0.93 for spinal cord segmentation versus 0.80 for PropSeg and 0.90 for DeepSeg (both components of the Spinal Cord Toolbox). Linear mixed modeling showed a significant difference between Brain and Spinal Cord Injury Center segmentation compared with PropSeg (P < .001) and DeepSeg (P < .05). Brain and Spinal Cord Injury Center segmentation showed significantly better adaptability to damaged areas compared with PropSeg (P < .001) and DeepSeg (P < .02). The contusion injury volumes based on automated segmentation were significantly associated with motor scores at admission (P = .002) and discharge (P = .009). CONCLUSIONS:Brain and Spinal Cord Injury Center segmentation of the spinal cord compares favorably with available segmentation tools in a population with acute spinal cord injury. Volumes of injury derived from automated lesion segmentation with Brain and Spinal Cord Injury Center segmentation correlate with measures of motor impairment in the acute phase. Targeted convolutional neural network training in acute spinal cord injury enhances algorithm performance for this patient population and provides clinically relevant metrics of cord injury.

Los residuos de cervecería son suplementos de bajo costo y de fácil disponibilidad, sin embargo, el alto contenido de humedad los hace susceptibles a la degradación fúngica y al desarrollo de microorganismos patógenos. Las bacterias ácido lácticas (BAL) se encuentran formando parte de la microbiota de los granos de cebada, de manera tal, que podrían contribuir en la calidad y seguridad tanto de la malta como de los pro- ductos derivados. El objetivo de este estudio fue determinar la presencia BAL, especies fúngicas de Aspergillus sección Flavi, Listeria monocytogenes e incidencia de aflatoxina B1 (AFB1) en residuos de cervecería, y evaluar in vitro el efecto antifúngico y anti-aflatoxicogénico de las BAL. El análisis de los residuos de cervecería mostró que, en general, los recuentos de BAL fueron elevados durante todos los períodos analizados, sin embargo, el recuento de Aspergillus sección Flavi, L. monocytogenes e incidencia natural de AFB1 fue variable. El hallazgo de L. monocytogenes es el primero informado en Argentina en este tipo de sustrato. Lactobacillus coryniformis subsp. coryniformis L47 y Lactobacillus cellobiosus L56 fueron las cepas más efectivas en inhibir el crecimiento y la producción de AFB1 de todas las cepas de Aspergillus sección Flavi ensayadas in vitro. Futuros estudios con estas cepas de BAL podrían realizarse para demostrar su efectividad in situ en estos sustratos alternativos destinados a la producción animal, así como también evaluar in vitro sus propiedades anti-listeria.