Background Magnetic resonance imaging (MRI) of the knee is the preferred method for diagnosing knee injuries. However, interpretation of knee MRI is time-intensive and subject to diagnostic error and variability. An automated system for interpreting knee MRI could prioritize high-risk patients and assist clinicians in making diagnoses. Deep learning methods, in being able to automatically learn layers of features, are well suited for modeling the complex relationships between medical images and their interpretations. In this study we developed a deep learning model for detecting general abnormalities and specific diagnoses (anterior cruciate ligament [ACL] tears and meniscal tears) on knee MRI exams. We then measured the effect of providing the model’s predictions to clinical experts during interpretation. Methods and findings Our dataset consisted of 1,370 knee MRI exams performed at Stanford University Medical Center between January 1, 2001, and December 31, 2012 (mean age 38.0 years; 569 [41.5%] female patients). The majority vote of 3 musculoskeletal radiologists established reference standard labels on an internal validation set of 120 exams. We developed MRNet, a convolutional neural network for classifying MRI series and combined predictions from 3 series per exam using logistic regression. In detecting abnormalities, ACL tears, and meniscal tears, this model achieved area under the receiver operating characteristic curve (AUC) values of 0.937 (95% CI 0.895, 0.980), 0.965 (95% CI 0.938, 0.993), and 0.847 (95% CI 0.780, 0.914), respectively, on the internal validation set. We also obtained a public dataset of 917 exams with sagittal T1-weighted series and labels for ACL injury from Clinical Hospital Centre Rijeka, Croatia. On the external validation set of 183 exams, the MRNet trained on Stanford sagittal T2-weighted series achieved an AUC of 0.824 (95% CI 0.757, 0.892) in the detection of ACL injuries with no additional training, while an MRNet trained on the rest of the external data achieved an AUC of 0.911 (95% CI 0.864, 0.958). We additionally measured the specificity, sensitivity, and accuracy of 9 clinical experts (7 board-certified general radiologists and 2 orthopedic surgeons) on the internal validation set both with and without model assistance. Using a 2-sided Pearson’s chi-squared test with adjustment for multiple comparisons, we found no significant differences between the performance of the model and that of unassisted general radiologists in detecting abnormalities. General radiologists achieved significantly higher sensitivity in detecting ACL tears (p-value = 0.002; q-value = 0.019) and significantly higher specificity in detecting meniscal tears (p-value = 0.003; q-value = 0.019). Using a 1-tailed t test on the change in performance metrics, we found that providing model predictions significantly increased clinical experts’ specificity in identifying ACL tears (p-value < 0.001; q-value = 0.006). The primary limitations of our study include lack of surgical ground truth and the small size of the panel of clinical experts. Conclusions Our deep learning model can rapidly generate accurate clinical pathology classifications of knee MRI exams from both internal and external datasets. Moreover, our results support the assertion that deep learning models can improve the performance of clinical experts during medical imaging interpretation. Further research is needed to validate the model prospectively and to determine its utility in the clinical setting.

Current people detectors operate either by scanning an image in a sliding window fashion or by classifying a discrete set of proposals. We propose a model that is based on decoding an image into a set of people detections. Our system takes an image as input and directly outputs a set of distinct detection hypotheses. Because we generate predictions jointly, common post-processing steps such as nonmaximum suppression are unnecessary. We use a recurrent LSTM layer for sequence generation and train our model end-to-end with a new loss function that operates on sets of detections. We demonstrate the effectiveness of our approach on the challenging task of detecting people in crowded scenes1.

Advanced MaterialsVolume 22, Issue 6 p. 729-733 Communication Biomimetic Underwater Adhesives with Environmentally Triggered Setting Mechanisms Hui Shao, Hui Shao Department of Bioengineering, University of Utah 20 S. 2030 East, Room 506C, Salt Lake City, UT 84112 (USA)Search for more papers by this authorRussell J. Stewart, Corresponding Author Russell J. Stewart [email protected] Department of Bioengineering, University of Utah 20 S. 2030 East, Room 506C, Salt Lake City, UT 84112 (USA)Department of Bioengineering, University of Utah 20 S. 2030 East, Room 506C, Salt Lake City, UT 84112 (USA).Search for more papers by this author Hui Shao, Hui Shao Department of Bioengineering, University of Utah 20 S. 2030 East, Room 506C, Salt Lake City, UT 84112 (USA)Search for more papers by this authorRussell J. Stewart, Corresponding Author Russell J. Stewart [email protected] Department of Bioengineering, University of Utah 20 S. 2030 East, Room 506C, Salt Lake City, UT 84112 (USA)Department of Bioengineering, University of Utah 20 S. 2030 East, Room 506C, Salt Lake City, UT 84112 (USA).Search for more papers by this author First published: 04 February 2010 https://doi.org/10.1002/adma.200902380Citations: 270Read the full textAboutPDF ToolsRequest permissionExport citationAdd to favoritesTrack citation ShareShare Give accessShare full text accessShare full-text accessPlease review our Terms and Conditions of Use and check box below to share full-text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full-text version of this article with your friends and colleagues. Learn more.Copy URL Share a linkShare onEmailFacebookTwitterLinkedInRedditWechat Graphical Abstract Inspired by the sandcastle worm, fluid complex coacervates of polyelectrolytes were formulated as water-borne underwater adhesives. The partially immiscible fluid phase can be delivered underwater and sets into a weight-bearing solid triggered by a change in the pH or temperature. Irreversible hardening occurs through oxidative coupling between catechol and primary amine sidechains. Supporting Information Detailed facts of importance to specialist readers are published as "Supporting Information". Such documents are peer-reviewed, but not copy-edited or typeset. They are made available as submitted by the authors. Filename Description adma_200902380_sm_suppdata.pdf171.3 KB suppdata Please note: The publisher is not responsible for the content or functionality of any supporting information supplied by the authors. Any queries (other than missing content) should be directed to the corresponding author for the article. References 1 R. A. Jensen, D. E. Morse, J. Comp. Physiol. B 1988, 158, 317. 2 J. H. Waite, R. A. Jensen, D. E. Morse, Biochemistry 1992, 31, 5733. 3 R. J. Stewart, J. C. Weaver, D. E. Morse, J. H. Waite, J. Exp. Biol. 2004, 207, 4727. 4 R. E. Baier, E. G. Shafrin, W. A. Zisman, Science 1968, 162, 1360. 5 J. H. Waite, N. H. Andersen, S. Jewhurst, C. Sun, J. Adhes. 2005, 81, 297. 6 T. J. Deming, Curr. Opin. Chem. Biol. 1999, 3, 100. 7 H. Lee, N. F. Scherer, P. B. Messersmith, Proc. Natl. Acad. Sci. USA 2006, 103, 12999. 8 H. G. Bungenberg de Jong, in Colloid Science, Vol. II (Ed: H. R. Kruyt), Elsevier, Amsterdam 1949, p. 431. 9 J. L. Xia, P. L. Dubin, in: Macromolecular Complexes in Chemistry and Biology, (Eds: P. Dubin, J. Bock, R. Davis, D. Schulz, C. Thies), Springer, Heidelberg 1994, p. 247. 10 H. Shao, K. N. Bachus, R. J. Stewart, Macromol. Biosci. 2009, 9, 464. 11 H. Zhao, C. Sun, R. J. Stewart, J. H. Waite, J. Biol. Chem. 2005, 280, 42938. 12 M. J. Stevens, R. E. Steren, V. Hlady, R. J. Stewart, Langmuir 2007, 23, 5045. 13 J. A. Cowan, The Biologial Chemistry of Magnesium, VCH, New York 1995. 14 J. Vovelle, Arch. Zool. Exp. Gen. 1965, 106, 1. 15 J. W. Goodwin, R. W. Hughes, Rheology for Chemists: An Introduction, Royal Society of Chemistry, Cambridge, UK 2000. 16 E. S. Gil, R. J. Spontak, S. M. Hudson, Macromol. Biosci. 2005, 5, 702. 17 C. Sun, G. E. Fantner, J. Adams, P. K. Hansma, J. H. Waite, J. Exp. Biol. 2007, 210, 1481. Citing Literature Volume22, Issue6February 9, 2010Pages 729-733 ReferencesRelatedInformation

The general topic of this review is protein-based underwater adhesives produced by aquatic organisms. The focus is on mechanisms of interfacial adhesion to native surfaces and controlled underwater solidification of natural water-borne adhesives. Four genera that exemplify the broad range of function, general mechanistic features, and unique adaptations are discussed in detail: blue mussels, acorn barnacles, sandcastle worms, and freshwater caddisfly larva. Aquatic surfaces in nature are charged and in equilibrium with their environment, populated by an electrical double layer of ions as well as adsorbed natural polyelectrolytes and microbial biofilms. Surface adsorption of underwater bioadhesives likely occurs by exchange of surface bound ligands by amino acid sidechains, driven primarily by relative affinities and effective concentrations of polymeric functional groups. Most aquatic organisms exploit modified amino acid sidechains, in particular phosphorylated serines and hydroxylated tyrosines (dopa), with high-surface affinity that form coordinative surface complexes. After delivery to the surfaces as a fluid, permanent natural adhesives solidify to bear sustained loads. Mussel plaques are assembled in a manner superficially reminiscent of in vitro layer-by-layer strategies, with sequentially delivered layers associated through Fe(dopa)(3) coordination bonds. The adhesives of sandcastle worms, caddisfly larva, and barnacles may be delivered in a form somewhat similar to in vitro complex coacervation. Marine adhesives are secreted, or excreted, into seawater that has a significantly higher pH and ionic strength than the internal environment. Empirical evidence suggests these environment triggers could provide minimalistic, fail-safe timing mechanisms to prevent premature solidification (insolubilization) of the glue within the secretory system, yet allow rapid solidification after secretion. Underwater bioadhesives are further strengthened by secondary covalent curing.

In many machine learning applications, labeled data is scarce and obtaining more labels is expensive. We introduce a new approach to supervising neural networks by specifying constraints that should hold over the output space, rather than direct examples of input-output pairs. These constraints are derived from prior domain knowledge, e.g., from known laws of physics. We demonstrate the effectiveness of this approach on real world and simulated computer vision tasks. We are able to train a convolutional neural network to detect and track objects without any labeled examples. Our approach can significantly reduce the need for labeled training data, but introduces new challenges for encoding prior knowledge into appropriate loss functions.

Abstract Insect silk is an incredibly versatile biomaterial. Lepidoptera and their sister lineage, Trichoptera, display some of the most diverse uses of silk with varying strength, adhesive qualities and elastic properties. It is well known that silk fibroin genes are long (> 20 kb) and have many repetitive motifs. These features make these genes challenging to sequence. Most research thus far has focused on conserved N- and C-terminal regions of fibroin genes because a full comparison of repetitive regions across taxa has not been possible. Using the PacBio Sequel II system and SMRT sequencing, we generated high fidelity (HiFi) long-read genomic and transcriptomic sequences for the Indianmeal moth ( Plodia interpunctella ) and genomic sequences for the caddisfly, Eubasilissa regina . Both genomes were highly contiguous (N50 = 9.7 Mbp/32.4 Mbp, L50 = 13/11) and complete (BUSCO Complete = 99.3%/95.2%), with complete and contiguous recovery of silk heavy fibroin gene sequences. This study demonstrates that HiFi long-read sequencing can significantly help our understanding of genes with highly contiguous, repetitive regions.

Abstract Background Genome size is implicated in form, function, and ecological success of a species. Two principally different mechanisms are proposed as major drivers of eukaryotic genome evolution and diversity: Polyploidy (i.e., whole genome duplication: WGD) or smaller duplication events and bursts in the activity of repetitive elements (RE). Here, we generated de novo genome assemblies of 17 caddisflies covering all major lineages of Trichoptera. Using these and previously sequenced genomes, we use caddisflies as a model for understanding genome size evolution in diverse insect lineages. Results We detect a ~14-fold variation in genome size across the order Trichoptera. We find strong evidence that repetitive element (RE) expansions, particularly those of transposable elements (TEs), are important drivers of large caddisfly genome sizes. Using an innovative method to examine TEs associated with universal single copy orthologs (i.e., BUSCO genes), we find that TE expansions have a major impact on protein-coding gene regions, with TE-gene associations showing a linear relationship with increasing genome size. Intriguingly, we find that expanded genomes preferentially evolved in caddisfly clades with a higher ecological diversity (i.e., various feeding modes, diversification in variable, less stable environments). Conclusion Our findings provide a platform to test hypotheses about the potential evolutionary roles of TE activity and TE-gene associations, particularly in groups with high species, ecological, and functional diversities.

Abstract Trichoptera (caddisflies) play an essential role in freshwater ecosystems; for instance, larvae process organic material from the water and are food for a variety of predators. Knowledge on the genomic diversity of caddisflies can facilitate comparative and phylogenetic studies thereby allowing scientists to better understand the evolutionary history of caddisflies. While Trichoptera are the most diverse aquatic insect order, they remain poorly represented in terms of genomic resources. To date, all long-read based genomes have been sequenced from individuals in the retreat-making suborder, Annulipalpia, leaving ∼275 Ma of evolution without high-quality genomic resources. Here, we report the first long-read based de novo genome assemblies of two tube case-making Trichoptera from the suborder Integripalpia, Agrypnia vestita Walker and Hesperophylax magnus Banks. We find that these tube case-making caddisflies have genome sizes that are at least three-fold larger than those of currently sequenced annulipalpian genomes and that this pattern is at least partly driven by major expansion of repetitive elements. In H. magnus , long interspersed nuclear elements (LINEs) alone exceed the entire genome size of some annulipalpian counterparts suggesting that caddisflies have high potential as a model for understanding genome size evolution in diverse insect lineages. Significance There is a lack of genomic resources for aquatic insects. So far, only three high-quality genomes have been assembled, all from individuals in the retreat-making suborder Annulipalpia. In this article, we report the first high-quality genomes of two case-making species from the suborder Integripalpia, which are essential for studying genomic diversity across this ecologically diverse insect order. Our research reveals larger genome sizes in the tube case-makers (suborder Integripalpia, infraorder Phryganides), accompanied by a disproportionate increase of repetitive DNA. This suggests that genome size is at least partly driven by a major expansion of repetitive elements. Our work shows that caddisflies have high potential as a model for understanding how genomic diversity might be linked to functional diversification and forms the basis for detailed studies on genome size evolution in caddisflies. Data deposition This project has been deposited at NCBI under the Bioproject ID: PRJNA668166

Abstract Arthropod silk is vital to the evolutionary success of hundreds of thousands of species. The primary proteins in silks are often encoded by long, repetitive gene sequences. Until recently, sequencing and assembling these complex gene sequences has proven intractable given their repetitive structure. Here, using high-quality long-read sequencing, we show that there is extensive variation—both in terms of length and repeat motif order—between alleles of silk genes within individual arthropods. Further, this variation exists across two deep, independent origins of silk which diverged more than 500 million years ago—(1) the insect clade containing caddisflies and butterflies and (2) spiders. This remarkable convergence in previously overlooked patterns of allelic variation across multiple origins of silk suggests mechanisms for the generation and maintenance of structural protein-coding genes. Future genomic efforts to connect genotypes to phenotypes should account for such allelic variation.