80 Arbeiten
Diese prospektive Studie an gesunden Probanden etabliert eine klinisch machbare MRT-Methode mit intravenösem Gadolinium-Kontrastmittel, um den dynamischen Transport von Flüssigkeit und gelösten Stoffen entlang des posterioren lymphatischen Weges im okulären glymphatischen System nachzuweisen.
Die Studie zeigt, dass ein selbstüberwachter Video-Diffusions-Encoder (VDE) in der Lage ist, Myofasziales Schmerzsyndrom im oberen Trapezmuskel auch in kleinen prospektiven Kohorten mit B-Mode-Ultraschallvideos effizient und präzise zu erkennen, wodurch eine datenarme Validierung innovativer Biomarker vor großen klinischen Studien ermöglicht wird.
Das vorgestellte ReMIND-Framework nutzt ein Vision-Language-Modell, das auf über 73.000 Patientenkonsultationen trainiert wurde, um durch instruction tuning und gezieltes Fine-Tuning eine zuverlässige, protokollunabhängige Analyse multipler MRT-Sequenzen und die Generierung klinisch kohärenter Befundberichte zu ermöglichen.
Die Studie zeigt, dass eine beschleunigte proteomische Alterung, insbesondere im höheren Lebensalter, mit einer erhöhten Prävalenz von MRT-Markern für zerebrale Kleingefäßerkrankungen assoziiert ist.
Die Studie zeigt, dass der SILA-Algorithmus die longitudinalen Tau-PET-Verläufe im meta-temporalen Bereich präzise modellieren und das individuelle Tau-Onset-Alter zuverlässig schätzen kann, wobei die Genauigkeit im entorhinalen Kortex bei Patienten mit Demenz jedoch abnimmt.
Die Studie zeigt, dass bereits leichte Erhöhungen des HbA1c-Werts bei gesunden Jugendlichen mit einer geringeren kortikalen Dicke und einem kleineren grauen Hirnvolumen verbunden sind, wobei dieser negative Effekt in sozial benachteiligten Nachbarschaften besonders ausgeprägt ist.
Die Studie zeigt, dass ein Gewichtsverlust von mehr als 5 % innerhalb von zwei Jahren bei Personen mit und ohne radiologische Kniearthrose zu einer signifikant geringeren Progression des Knorpelzerfalls führt, wie durch den empfindlichen Cartilage Thickness Score (CTh-Score) nachgewiesen wurde, während herkömmliche strukturelle Messgrößen keine solchen Unterschiede erkannten.
Diese Studie nutzt eine integrierte 3D-MRI-Analyse der Gluteus-Maximus-Morphologie, um geschlechtsspezifische, räumlich lokalisierte Remodellierungsmuster zu identifizieren, die über herkömmliche Volumenmaße hinausgehen und als präzise Biomarker für metabolische Dysfunktion und Typ-2-Diabetes-Risiko dienen.
Diese Studie stellt ein einsetzbares, erklärbares Deep-Learning-System auf Basis von DenseNet121 und Grad-CAM vor, das Tuberkulose in Röntgenbildern der Brust mit hoher Genauigkeit erkennt und sowohl offline auf Desktop- als auch auf mobilen Plattformen für ressourcenarme Settings nutzbar ist.
Diese Studie zeigt, dass das auf dem multimodalen LLM Gemini 2.5 Pro basierende LAQUA-System eine vielversprechende, zuverlässige Alternative zur manuellen Qualitätskontrolle von automatisierten Konturen darstellt, da es eine hohe Übereinstimmung mit Expertenbewertungen aufweist und als effizientes primäres Screening-Tool zur Reduzierung des klinischen Arbeitsaufwands geeignet ist.
Die Studie zeigt, dass ein mit synthetischen Daten trainiertes, AIF-freies Deep-Learning-Modell namens QTMnet die Klassifizierung von Glioblastomen im Vergleich zur traditionellen 2CXM-Methode signifikant verbessert.
Die Studie zeigt, dass eine aus Röntgenaufnahmen des Thorax abgeleitete beschleunigte biologische Alterung unabhängig mit dem zukünftigen Lungenkrebsrisiko assoziiert ist, jedoch die Vorhersagegenauigkeit bestehender Risikomodelle nicht signifikant verbessert.
Die Studie zeigt, dass die Fourier-Analyse der bilateralen Brustasymmetrie auf rohen digitalen Mammogrammen (FFDM) die aussagekräftigste Methode zur kurzfristigen Brustkrebsrisikovorhersage ist, während klinisch verarbeitete FFDM- und synthetische DBT-Bilder aufgrund von Informationsverlusten schwächere, aber dennoch signifikante Assoziationen aufweisen.
Die Studie stellt TWISTARE vor, ein neuartiges 3D-GRE-Verfahren mit dualen interleaved steady states, das bei 7-T-MRT eine schnelle und präzise quantitative T2-Kartierung des gesamten Gehirns unter gleichzeitiger B1-Feldschätzung ermöglicht und dabei Scanzeiten verkürzt sowie B1-bedingte Verzerrungen minimiert.
Diese Studie analysiert FDA-zugelassene KI-Radiologiegeräte und zeigt, dass aufgrund der niedrigen Krankheitsprävalenz die positive Vorhersagekraft oft gering ist, weshalb die Offenlegung von falsch-positiven Raten für eine ethisch und klinisch fundierte Entscheidungsfindung unerlässlich ist.
Die Studie zeigt, dass periphere mitochondriale Energiestoffwechselparameter mit charakteristischen neurophysiologischen Veränderungen im Gehirn von Alzheimer-Patienten korrelieren, was auf das Potenzial peripherer Blutmarker für die Erforschung altersbedingter neurodegenerativer Erkrankungen hindeutet.
Die Studie zeigt, dass französische Radiologen zwar das Potenzial der KI anerkennen und ihre Nutzung stark befürworten, deren breite Einführung jedoch derzeit durch hohe Kosten und unzureichende technische Ausstattung behindert wird.
Diese Studie zeigt, dass die Robustheit von Deep-Learning-Algorithmen zur Vorhersage des Gehirnalters gegenüber simulierten MRT-Artefakten wie Bewegungsunschärfe, Geisterbildern, Unschärfe und Rauschen stark vom jeweiligen Modell abhängt, was die Notwendigkeit artefaktbewusster Evaluierungs- und Minderungsstrategien für die klinische Forschung unterstreicht.
Diese multizentrische Studie in der Region Souss Massa, Marokko, zeigt, dass die Strahlendosen bei konventionellen Lendenwirbelsäulen-Röntgenaufnahmen zwar unter den diagnostischen Referenzwerten liegen, jedoch aufgrund von Unterschieden in den Protokollen und Geräten zwischen den Krankenhäusern variieren, was eine kontinuierliche Überwachung und Optimierung der Techniken zur Strahlenschutzsicherung notwendig macht.
Die Studie zeigt, dass die Zuverlässigkeit von Gehirn-MRI-Foundation-Model-Embeddings über verschiedene Scanner hinweg maßgeblich von der Einbeziehung biologischer Metadaten in den Vortrainingsprozess abhängt, während Architektur und Datensatzgröße weniger entscheidend sind.