To quantitatively compare the potential of various diffusion parameters obtained from monoexponential, biexponential, and stretched exponential diffusion-weighted imaging models and diffusion kurtosis imaging in the grading of gliomas.This study was approved by the local ethics committee, and written informed consent was obtained from all subjects. Both diffusion-weighted imaging and diffusion kurtosis imaging were performed in 69 patients with pathologically proven gliomas by using a 3-T magnetic resonance (MR) imaging unit. An isotropic apparent diffusion coefficient (ADC), true ADC, pseudo-ADC, and perfusion fraction were calculated from diffusion-weighted images by using a biexponential model. A water molecular diffusion heterogeneity index and distributed diffusion coefficient were calculated from diffusion-weighted images by using a stretched exponential model. Mean diffusivity, fractional anisotropy, and mean kurtosis were calculated from diffusion kurtosis images. All values were compared between high-grade and low-grade gliomas by using a Mann-Whitney U test. Receiver operating characteristic and Spearman rank correlation analysis were used for statistical evaluations.ADC, true ADC, perfusion fraction, water molecular diffusion heterogeneity index, distributed diffusion coefficient, and mean diffusivity values were significantly lower in high-grade gliomas than in low-grade gliomas (U = 109, 56, 129, 6, 206, and 229, respectively; P < .05). Pseudo-ADC and mean kurtosis values were significantly higher in high-grade gliomas than in low-grade gliomas (U = 98 and 8, respectively; P < .05). Both water molecular diffusion heterogeneity index (area under the receiver operating characteristic curve [AUC] = 0.993) and mean kurtosis (AUC = 0.991) had significantly greater AUC values than ADC (AUC = 0.866), mean diffusivity (AUC = 0.722), and fractional anisotropy (AUC = 0.500) in the differentiation of low-grade and high-grade gliomas (P < .05).Water molecular diffusion heterogeneity index and mean kurtosis values may provide additional information and improve the grading of gliomas compared with conventional diffusion parameters.

Large language models show promise for improving radiology workflows, but their performance on structured radiological tasks such as Reporting and Data Systems (RADS) categorization remains unexplored.

In order to comprehensively understand the changes of brain networks in patients with chronic tinnitus, this study combined static and dynamic analysis methods to explore the abnormalities of brain networks. Thirty-two patients with chronic tinnitus and 30 age-, sex- and education-matched healthy controls (HC) were recruited. Independent component analysis was used to identify resting-state networks (RSNs). Static and dynamic functional network connectivity (FNC) were performed. The temporal properties of brain network including mean dwell time (MDT), fraction time (FT) and numbers of transitions (NT) were calculated. Two-sample t test and Spearman's correlation were used for group compares and correlation analysis. Four RSNs showed abnormal FNC including auditory network (AUN), default mode network (DMN), attention network (AN) and sensorimotor network (SMN). For static analysis, tinnitus patients showed significantly decreased FNC in AUN-DMN, AUN-AN, DMN-AN, and DMN-SMN than HC [p<0.05, false discovery rate (FDR) corrected]. For dynamic analysis, tinnitus patients showed significantly decreased FNC in DMN-AN in state 3 (p<0.05, FDR corrected). MDT in state 3 was significantly decreased in tinnitus patients (t=2.039, P=0.046). In the tinnitus group, the score of tinnitus functional index (TFI) was negatively correlated with MDT and FT in state 4, and the duration of tinnitus was positively correlated with FT in state 1 and NT. Chronic tinnitus causes abnormal brain network connectivity. These abnormal brain networks help to clarify the mechanism of tinnitus generation and chronicity, and provide a potential basis for the treatment of tinnitus.

Nonalcoholic fatty liver disease (NAFLD) is one of the most common chronic liver diseases in the world, which begins with liver lipid accumulation and is associated with metabolic syndrome. Also, the name chosen to replace NAFLD was metabolic dysfunction-associated steatotic liver disease (MASLD). We performed focused drug screening and found that Cilostazol effectively ameliorated hepatic steatosis and might offer potential for NAFLD treatment. Our aim was to investigate the therapeutic effects of Cilostazol on the glycolipid metabolism and intestinal flora in NAFLD mice and explore the specific mechanism. In this study, 7-week-old male C57BL/6J mice were fed a high-fat diet (HFD) for 8 weeks to induce NAFLD, and then treated with intragastric administration for 12 weeks. The results showed that Cilostazol inhibited liver lipid de novo synthesis by regulating the AMPK-ACC1/SCD1 pathway and inhibited liver gluconeogenesis by the AMPK-PGC1α-G6P/PEPCK pathway. Cilostazol improved the intestinal flora diversity and intestinal microbial composition in the NAFLD mice, and specifically regulated Desulfovibrio and Akkermansia. In addition, Cilostazol increased the level of short-chain fatty acids in the NAFLD mice to a level similar to that in the blank Control group. Cilostazol reduces liver lipid accumulation in NAFLD mice by improving glucose and lipid metabolism disorders and intestinal dysfunction, thereby achieving the purpose of treating NAFLD.

Motivation: The abnormal brain areas in autism spectrum disorder (ASD) patients detected by resting-state functional MRI (RS-fMRI) and 3D-T1 MRI alone are not completely consistent. Goal(s): To explore the structural and functional coupling change in ASD patients. Approach: Correlation analyses were conducted between structural and functional measures of the abnormal brain area in ASD and compared with healthy controls. Results: ASD patients not only had abnormal function in the thalamus and superior frontal gyrus, but also showed the reverse trend of correlation between the gray matter volume and functional indicators compared with healthy controls. Impact: The abnormal function and reverse trend of correlation between the gray matter volume and functional indicators in the thalamus and superior frontal gyrus compared with healthy controls might provide new perspective for deeply understanding neural mechanisms in autism spectrum disorder.

Motivation: Currently there are no effective non-invasive neuroimaging biomarkers to evaluate the progression of Parkinson's disease (PD). Goal(s): To use graph theory analysis of resting-state functional MRI (rs-fMRI) to investigate the abnormalities of brain functional network in PD at different disease stages. Approach: We evaluated the global and nodal indicators changes between PD at different disease stages by comparison with healthy control. Results: Brain functional network topology was disrupted to a varying extent in patients with PD at different disease stages. Impact: The findings of this study may enhance our understanding of the mechanisms underlying the progression of Parkinson's disease and contribute to the development of non-invasive neuroimaging biomarkers for monitoring disease progression.