32 Arbeiten
Die Studie stellt AIRT vor, ein tiefes Lernframework, das innerhalb einer Sekunde auf einer einzigen GPU direkt aus CT-Bildern und Konturen strahlentherapeutische Behandlungspläne für Prostatakrebs generiert und dabei eine Qualität aufweist, die mit dem etablierten RapidPlan Eclipse vergleichbar ist.
Diese Arbeit stellt ein rotationsinvariantes Graph-Neurales-Netzwerk vor, das durch physikbasierte Induktionsbias und Training auf simulierten Daten eine generalisierbare, schnelle Schätzung der Gehirn-Mikrostruktur aus Diffusions-MRT-Daten beliebiger, bisher nicht gesehener Erfassungsprotokolle ohne Nachtraining ermöglicht.
Die Studie stellt MRI2Qmap vor, ein quantitatives Rekonstruktionsframework, das räumliche Struktur-Priors aus großen Mengen klinischer gewichteter MRT-Bilder nutzt, um hochbeschleunigte quantitative MRT-Daten (z. B. MRF) ohne Ground-Truth-Trainingsdaten für quantitative Bilder präzise zu rekonstruieren.
Die Studie widerlegt die langjährige Annahme, dass Rotationsbeschleunigung die Hauptursache für Gehirnerschütterungen ist, und zeigt stattdessen, dass lineare Beschleunigung ein präziserer Prädiktor für Verletzungen ist, was zur Entwicklung einer neuen flüssigkeitsbasierten Helmschutztechnologie führt, die das Risiko um bis zu 73 % senken kann.
Diese Arbeit stellt sFRC (Fourier-Ring-Korrelation auf kleinen Patches) als robuste Methode vor, um Halluzinationen in durch Deep Learning rekonstruierten medizinischen Bildern zu erkennen und zu quantifizieren, indem sie diese über verschiedene Unterabtastungsszenarien hinweg mit Referenzdaten vergleicht.
Diese Studie zeigt, dass Transformer-Modelle mit evidenzbasierten Ausgabelagen auf dem HUPA-UCM-Datensatz die genauesten und am besten kalibrierten Unsicherheitsschätzungen für die Vorhersage des Blutzuckerspiegels bei Typ-1-Diabetes liefern und somit einen wertvollen Ansatz für klinisch sichere Echtzeitsysteme darstellen.
Die Studie stellt ICHOR vor, einen selbstüberwachten Ansatz auf Basis von Masked Autoencodern, der mithilfe einer großen, multizentrischen Datensammlung von 11.405 ASL-CBF-Scans robuste Repräsentationen für die Verbesserung diagnostischer Klassifizierung und Qualitätsvorhersage in der zerebralen Durchblutungsmessung lernt und dabei bestehende Methoden übertrifft.
Die Studie zeigt, dass trotz akzeptabler Strahlungswerte in Kontroll- und Wartebereichen die Strahlenschutzpraktiken in vier äthiopischen Krankenhäusern aufgrund mangelnder Ausrüstung und Schulung unzureichend sind und dringend durch regelmäßige Schulungen, moderne Überwachungstechnik und die Einrichtung von Strahlenschutzberatungsstellen verbessert werden müssen.
Die Studie stellt einen physik-informierten neuronalen Netzwerk-Ansatz vor, der es ermöglicht, basierend auf messbaren Deformationsdaten in vereinfachten linken Ventrikelgeometrien die dreidimensionale kardiale Aktivierungsdynamik nicht-invasiv und robust gegenüber Rauschen zu rekonstruieren.
Die Studie stellt ein auf Fourier-Neural-Operatoren basierendes Surrogatmodell vor, das die Protonen-Transporte und die Neutronenproduktion in der Protonentherapie mit Monte-Carlo-Genauigkeit innerhalb von Sekunden vorhersagt und somit Echtzeit-Anwendungen wie die adaptive Reichweitenverifikation ermöglicht.
Diese Übersichtsarbeit stellt die Bauchwand als biomechanisches System dar und zeigt auf, wie die Integration mechanischer Prinzipien in die chirurgische Entscheidungsfindung – von der Diagnose bis zur Auswahl von Nahttechniken und Netzen – die Behandlung von Bauchwandhernien verbessern und die Rezidivraten senken kann.
Die Studie stellt eine Methode zur kontinuierlichen, beat-to-beat 3D-Volumenquantifizierung bei Patienten mit Arrhythmien mittels Echtzeit-CMR-MOTUS vor, die durch die Erfassung der funktionellen Heterogenität bei vorzeitigen ventrikulären Kontraktionen die Grenzen konventioneller Binning-Verfahren überwindet.