Recent advances in high intensity focused ultrasound (HIFU), which was developed in the 1940s as a viable thermal tissue ablation approach, have increased its popularity.In clinics, HIFU has been applied to treat a variety of solid malignant tumors in a well-defined volume, including the pancreas, liver, prostate, breast, uterine fibroids, and soft-tissue sarcomas.In comparison to conventional tumor/cancer treatment modalities, such as open surgery, radio-and chemo-therapy, HIFU has the advantages of non-invasion, non-ionization, and fewer complications after treatment.Over 100 000 cases have been treated throughout the world with great success.The fundamental principles of HIFU ablation are coagulative thermal necrosis due to the absorption of ultrasound energy during transmission in tissue and the induced cavitation damage.This paper reviews the clinical outcomes of HIFU ablation for applicable cancers, and then summarizes the recommendations for a satisfactory HIFU treatment according to clinical experience.In addition, the current challenges in HIFU for engineers and physicians are also included.More recent horizons have broadened the application of HIFU in tumor treatment, such as HIFU-mediated drug delivery, vessel occlusion, and soft tissue erosion ("histotripsy").In summary, HIFU is likely to play a significant role in the future oncology practice.

Potassium ions diffuse across the cell membrane in a single file through the narrow selectivity filter of potassium channels. The crystal structure of the KcsA K+ channel revealed the chemical structure of the selectivity filter, which contains four binding sites for K+. In this study, we used Tl+ in place of K+ to address the question of how many ions bind within the filter at a given time, i.e. what is the absolute ion occupancy? By refining the Tl+ structure against data to 1.9 Å resolution with an anomalous signal, we determined the absolute occupancy of Tl+. Then, by comparing the electron density of Tl+ with that of K+, Rb+ and Cs+, we estimated the absolute occupancy of these three ions. We further analyzed how the ion occupancy affects the conformation of the selectivity filter by analyzing the structure of KcsA at different concentrations of Tl+. Our results indicate that the average occupancy for each site in the selectivity filter is about 0.63 for Tl+ and 0.53 for K+. For K+, Rb+ and Cs+, the total number of ions contained within four sites in the selectivity filter is about two. At low concentrations of permeant ion, the number of ions drops to one in association with a conformational change in the selectivity filter. We conclude that electrostatic balance and coupling of ion binding to a protein conformational change underlie high conduction rates in the setting of high selectivity.

Abstract To understand the mechanism of counter-transport of substrates by the amino-acid transporter AdiC, we used a state-of-the-art polarization-microscope to investigate conformation-specific changes of the emission polarization of a fluorophore attached to individual AdiC molecules. This capability enabled us to determine the lifetimes of two energetic states of each of AdiC’s four conformations in the absence and presence of its two natural substrates, totaling 24 states. From these lifetimes and relative state-to-state transition frequencies, we further determined 60 rate constants of all state transitions and the 4 K D values for the two substrates to interact with both sides of AdiC, quantitatively defining a 24-state model that satisfactorily predicts previously observed transporting behaviors of AdiC. Combining this temporal information and the existing structural information, we have successfully built a fully experiment-based integrative 4D-model to capture and exhibit the complex spatiotemporal mechanisms of a facilitated counter-transport of an amino acid and its metabolite. Thus, a combination of the present method and existing structural techniques serves as an effective means to help transition structural biology, which has thus far been highly successful in the investigation of individual static structures, to an integrative form of dynamic structural biology.

Abstract The AdiC transporter facilitates the movement of arginine and its metabolite across the membrane of pathogenic enterobacteria, enabling them to evade a host’s highly acidic gastric defense barrier to reach the intestines. Like other transporters, AdiC undergoes a series of necessary conformational changes. Detection of these changes, which occur on angstrom-and- millisecond scales, remains extremely challenging. Here, using a high-resolution polarization-microscopic method, we have successfully resolved AdiC’s four conformations by monitoring the emission-polarization changes of a fluorophore attached to an α-helix that adopts conformation-specific orientations and, furthermore, quantified their probabilities in a series of arginine concentrations. The K D values determined for arginine in four individual conformations are statistically comparable to the previously reported overall K D determined using isothermal titration calorimetry. This demonstrated strong resolving power of the present polarization-microscopy method will enable an acquisition of the quantitative information required for understanding the expected complex conformational mechanism underlying the transporter’s function, as well as those of other membrane proteins.

With the development of internet technology, fake news has become a multi-modal collection. The current news detection methods cannot fully extract semantic information between modalities and ignore the rumor properties of fake news, making it difficult to achieve good results. To address the problem of the accurate identification of multi-modal fake news, we propose the Vae-Clip multi-modal fake news detection model. The model uses the Clip pre-trained model to jointly extract semantic features of image and text information using text information as the supervisory signal, solving the problem of semantic interaction across modalities. Moreover, considering the rumor attributes of fake news, we propose to fuse semantic features with rumor style features using multi-feature fusion to improve the generalization performance of the model. We use a variational autoencoder to extract rumor style features and combine semantic features and rumor features using an attention mechanism to detect fake news. Numerous experiments were conducted on four datasets primarily composed of Weibo and Twitter, and the results show that the proposed model can accurately identify fake news and is suitable for news detection in complex scenarios, with the highest accuracy reaching 96.3%.

In view of the characteristics of complex action types and large action ranges in the normal operation of many people in the operation environment of deep foundation pits in electric power, and the problems of missing detection and misdetection of small targets are easy to occur in the process of conventional target detection, a method is proposed to add SE attention module to the backbone network, which can improve the degree of attention to the target by adjusting the weight of channel features adaptively. And use GIoU instead of default CIoU to calculate regression box losses. The experimental simulation shows that when the intersection ratio threshold of the improved algorithm is 0.5, the average precision of the improved algorithm is 1.3% higher than that of the YOLOv5s algorithm. These improved measures are used in the complex environment of electric power deep foundation pit operation, especially when the detection target and the background color are confused. It is helpful to improve the performance and robustness of target detection algorithm and reduce the occurrence of missing and false detection.

Fibroadenoma is a common benign breast disease that affects women of all ages. Early diagnosis can greatly improve the treatment outcomes and reduce the associated pain. Computer-aided diagnosis (CAD) has great potential to improve diagnosis accuracy and efficiency. However, its application in sonography is limited. A network that utilizes expansive receptive fields and local information learning was proposed for the accurate segmentation of breast fibroadenomas in sonography. The architecture comprises the Hierarchical Attentive Fusion module, which conducts local information learning through channel-wise and pixel-wise perspectives, and the Residual Large-Kernel module, which utilizes multiscale large kernel convolution for global information learning. Additionally, multiscale feature fusion in both modules was included to enhance the stability of our network. Finally, an energy function and a data augmentation method were incorporated to fine-tune low-level features of medical images and improve data enhancement. The performance of our model is evaluated using both our local clinical dataset and a public dataset. Mean pixel accuracy (MPA) of 93.93% and 86.06% and mean intersection over union (MIOU) of 88.16% and 73.19% were achieved on the clinical and public datasets, respectively. They are significantly improved over state-of-the-art methods such as SegFormer (89.75% and 78.45% in MPA and 83.26% and 71.85% in MIOU, respectively). The proposed feature extraction strategy, combining local pixel-wise learning with an expansive receptive field for global information perception, demonstrates excellent feature learning capabilities. Due to this powerful and unique local-global feature extraction capability, our deep network achieves superior segmentation of breast fibroadenoma in sonography, which may be valuable in early diagnosis.