33 Arbeiten
Die Studie beschreibt einen magnetisch angetriebenen elastischen Mikroschwimmer, der durch hysteretischen Kollaps und nicht-reziproke Bewegung netten Vortrieb bei niedrigen Reynolds-Zahlen erzielt und es ermöglicht, mehrere Schwimmer gleichzeitig über ein einziges Magnetfeld unabhängig voneinander zu steuern.
Diese Studie führt einen aus der Quantenmechanik adaptierten Wechselwirkungsbild-Ansatz ein, um den abskopalen Effekt bei personalisierter, ultrafractionierter stereotaktischer adaptiver Strahlentherapie (PULSAR) als kontinuierliches, stochastisches Phänomen zu quantifizieren und individuelle Interaktionsstärken zwischen Primär- und Sekundärtumoren zu erfassen.
Diese Studie zeigt, dass bei 7 Tesla ein interleavedes Multinuklear-MRS-Protokoll erfolgreich eingesetzt werden kann, um gleichzeitig die Glukoseaufnahme und die Reaktion des Energiestoffwechsels im menschlichen Gehirn während einer Hyperglykämie zu erfassen.
Die Autoren stellen Multi-Kernel Gated Adapter vor, die durch die Kombination von CNN- und ViT-Eigenschaften sowie kontextabhängiges Gating die Robustheit von Multi-Task-Modellen für die Schilddrüsen-Ultraschallanalyse unter zentrenübergreifenden Domänenverschiebungen verbessern.
Diese Arbeit stellt drei aktuelle Anwendungsstudien einer X-ray-Kamera vor, die auf dem INTPIX4NA SOIPIX-Detektor und einem SiTCP-XG-basierten 10-GbE-Auslesesystem beruht und erfolgreich für die Mikroskopie mit Fresnel-Zonenplatten, Phasenkontrastbildgebung sowie die zerstörungsfreie Lithium-Detektion in Batteriematerialien an KEK- und J-PARC-Anlagen eingesetzt wurde.
Diese Arbeit stellt das IMAS-System vor, einen Prototyp für einen Ganzkörper-PET-Scanner mit langer axialer Öffnung, der erstmals gleichzeitig Zeit-of-Flight- und Tiefeninteraktionsfähigkeiten bietet und in ersten klinischen Tests eine räumliche Auflösung unter 4 mm sowie verbesserte Tumoridentifikation im Vergleich zu kommerziellen Systemen demonstriert.
Die Studie stellt einen hocheffizienten Deep-Learning-Ansatz namens Efficient Vision Mamba vor, der durch eine hybride selektive Abtastung und Multi-Head-Selective-State-Space-Modelle die Bildauflösung in der MRT mit bisher unerreichter Genauigkeit und einem extrem geringen Rechenaufwand verbessert, was eine breite klinische Anwendung ermöglicht.
Dieser von der ISMRM-MRS-Synthetic-Data-Arbeitsgruppe verfasste Überblick bewertet aktuelle Praktiken, Anwendungen und Überlegungen zur Nutzung und Generierung synthetischer Daten in der Magnetresonanzspektroskopie, um Herausforderungen wie Datenknappheit und Reproduzierbarkeit zu adressieren.
Diese Studie zeigt, dass die Verwendung von niederenergetischen Photonenstrahlen (2,5 MV) mit vergrößerter Quell-Abstand-Distanz in Kombination mit einer aufrechten Patientenpositionierung im Vergleich zu herkömmlichen 6-MV-Strahlen deutlich schärfere Strahlenränder, geringere Oberflächendosen und eine höhere Dosiskonformität ermöglicht, was eine vielversprechende Alternative zu FLASH-Therapien für hochintensive Quellen darstellt.
Die Studie erweitert den GPU-beschleunigten Monte-Carlo-Simulations-Toolkit gPET um eine flexible Multi-Layer-Modellierung, um Depth-of-Interaction-fähige PET-Systeme effizient zu simulieren und nachzuweisen, dass Offset-Doppelschicht-Designs die radiale Bildqualität erheblich verbessern, ohne die Empfindlichkeit oder Rechenleistung signifikant zu beeinträchtigen.
Diese Studie stellt eine superauflösende, iterative Rekonstruktionsmethode für Röntgen-Interferometrie ohne Analysatorgitter vor, die es ermöglicht, trotz unzureichender Abtastung durch den Detektor hochqualitative Mehrkontrastbilder mit reduzierter Strahlendosis zu erzeugen.
Die Autoren stellen einen Algorithmus vor, der mithilfe mehrerer Harmonischer und Totaler-Variations-Regularisierung Moiré-Artefakte in der Gitterinterferometrie reduziert, indem er die tatsächlichen Phasenstufenpositionen schätzt, was durch Bildgebung verschiedener Proben, einschließlich einer Maus, für Talbot-Lau- und modulierte Phasengitter-Interferometer demonstriert wird.
Das Paper stellt GOUHFI 2.0 vor, ein aktualisiertes Deep-Learning-Toolbox für die robuste Segmentierung, kortikale Parzellierung und Volumetrie von Gehirn-MRT-Daten bei Ultra-Hochfeld-Stärken, das durch erweiterte Trainingsdaten und eine kontrast- sowie auflösungsunabhängige Architektur die Grenzen bestehender Software überwindet.
Diese Studie berichtet über die ersten erfolgreichen In-vivo- und In-vitro-Irradiationen mit kHz-lasergetriebenen Elektronenstrahlen, die durch eine verbesserte Strahlstabilität und gezielte Dosierung vielversprechende Ergebnisse für die Schonung von gesundem Gewebe bei gleichzeitiger Beibehaltung der antitumoralen Wirksamkeit zeigen und somit einen wichtigen Meilenstein für die klinische Translation von Laser-Plasma-Beschleunigern darstellen.
Diese Studie zeigt, dass die intrinsische Sparsamkeit des Extinktions-Manifolds die Anwendung der diskreten Kosinustransformation (DCT) anstelle der FFT ermöglicht, wodurch sich die Hardwarekomplexität für die spektroskopische Materialrekonstruktion durch komprimiertes Sensing um bis zu 94 % reduzieren lässt und das Nyquist-Limit für klinische sowie Fernerkundungsanwendungen überschritten wird.
Dieser Beitrag stellt ein drahtloses, tragbares System zur elektrischen Impedanztomographie vor, das mithilfe von fünf synchronisierten AD5933-Chips und optimierten Signalverarbeitungstechniken eine hochpräzise, kostengünstige Echtzeit-Bildgebung von biologischem Gewebe wie der Lunge ermöglicht.
Die Studie stellt eine neue Methode namens DE-AC vor, die durch die Analyse der Autokorrelation den dominanten Eigenwert schätzt und damit das bevorstehende Einsetzen von Periodenverdopplungs-Bifurkationen, insbesondere bei Herzrhythmusstörungen, zuverlässiger und sensitiver vorhersagt als herkömmliche Frühwarnindikatoren.
Diese Studie stellt eine rechenintensive Ultraschall-Imaging-Pipeline vor, die mittels interframe-Subtraktion und Bewegungs-kompensation die Mikrozirkulation in xenotransplantierten Nierenkarzinomen auf der Hühnereidotterhaut effektiv quantifiziert und somit eine schnelle Bewertung des Therapieansprechens ermöglicht.
Diese Studie stellt ein auf bedingtem Flow-Matching basierendes Modell vor, das aus CBCT-Bildern synthetische CT-Bilder mit hoher Qualität und präziser HU-Darstellung erzeugt, um Artefakte zu reduzieren und die Genauigkeit von Organsegmentierung sowie Dosisberechnung in der bildgestützten Strahlentherapie zu verbessern.
Diese Machbarkeitsstudie zeigt, dass die sparse probabilistic evaluation (SPE) eine rechnerisch effiziente und klinisch praktikable Methode zur probabilistischen Bewertung von IMPT-Plänen für Kopf-Hals-Patienten darstellt, die eine ausreichende Genauigkeit bei akzeptablen Berechnungszeiten erreicht.