80 Arbeiten
Diese Studie demonstriert, dass ein auf dem 3D nnU-Net basierender, rein CT-basierter Ansatz eine kosteneffiziente und skalierbare Lösung zur automatisierten Segmentierung von Kopf-Hals-Tumoren bietet, die die manuelle Arbeitslast verringert und die klinische Planung unterstützt.
Die Studie zeigt, dass die Multiparameter-Ultraschall-Time-Harmonic-Elastographie durch die Kombination von erhöhter Habitat-Viskosität und gesteigerter mechanischer Heterogenität maligne Lebertumoren effektiv von benignen Läsionen unterscheiden kann.
Die Autoren stellen einen effizienten, projektionsbasierten statistischen Rahmen vor, der die durch Rauschen verursachten Verzerrungen in der spektralen CT präzise schätzt und dabei die Rechenzeit im Vergleich zu Monte-Carlo-Simulationen um 99,5 % reduziert, um eine schnelle und bias-bewusste Optimierung von Akquisitionsparametern zu ermöglichen.
Diese explorative Studie zeigt, dass die photoakustische Bildgebung als vielversprechender, nicht-invasiver Biomarker zur Erfassung molekularer Veränderungen in der Skelettmuskulatur von Patienten mit mitochondrialer Myopathie dient und damit eine Alternative zu invasiven Muskelbiopsien bietet.
Diese retrospektive Multicenter-Studie zeigt, dass das Deep-Learning-Modell DeepMS durch die Integration von Merkmalen aus sowohl sichtbaren Läsionen als auch normal erscheinendem weißem Mark in Routine-MRT-Aufnahmen Multiple Sklerose präziser diagnostizieren kann als etablierte Biomarker und McDonald-Kriterien.
Die Studie zeigt, dass bei Autismus-Spektrum-Störungen eine erhöhte funktionelle Konnektivität innerhalb der weißen Substanz mit der Schwere der sozialen Symptome korreliert, was neue Einblicke in die neuralen Grundlagen der Störung liefert.
Die Studie zeigt, dass ein auf Transfer Learning basierendes nnU-Net-Modell eine robuste, vollautomatische Segmentierung intrakranieller Arterien in 4D-Flow-MRT-Daten ermöglicht, die nicht nur die manuelle Referenz in Bezug auf Genauigkeit übertrifft, sondern auch eine zuverlässige Quantifizierung hämodynamischer Parameter wie des Wandscherspannungsprofils gewährleistet.
Diese Studie leitet aus der großen, bevölkerungsbasierten deutschen NAKO-Kohorte alters- und geschlechtsspezifische Referenzbereiche für die kardiale Struktur und Funktion mittels kardialer Magnetresonanztomographie ab, die als normative Grundlage für die klinische Interpretation und die Erforschung des gesunden Alterns dienen.
Diese Studie stellt einen ressourcenschonenden, zweistufigen Conditional-Diffusion-Ansatz vor, der aus CT-Scans synthetische PET-Bilder erzeugt, um durch die Erhaltung metabolischer Biomarker den Zugang zur onkologischen Früherkennung in ländlichen und unterversorgten Regionen zu verbessern.
Diese prospektive Studie zeigt, dass die 6-Punkt-Dixon-Methode auf MR-Simulations- und MR-Linac-Geräten für die quantitative Bestimmung von PDFF und R2* im Becken und im Kopf-Hals-Bereich die höchste Genauigkeit und Zuverlässigkeit bietet, was sie für die adaptive Strahlentherapie und zukünftige Biomarker-Studien zur Knochenmarkcharakterisierung besonders geeignet macht.
Diese Studie bestätigt die technische Machbarkeit der 3D-QALAS-Technik auf einem 1,5-T-MR-Linac, die es ermöglicht, innerhalb von sieben Minuten hochauflösende (1 mm isotrop) quantitative T1-, T2- und PD-Karten sowie synthetische Bilder des gesamten Gehirns zu erwerben.
Diese Studie stellt ein neuartiges, klinisch validiertes System zur akustischen Lokalisierung von Protonenstrahlen (iRABL) vor, das durch sub-diffraktionslimitierte Auflösung und Echtzeit-Abbildung die präzise, pulsgenaue Überwachung der Dosisabgabe während der Protonentherapie ermöglicht und damit einen entscheidenden Schritt hin zur bildgeführten „Protonen-Chirurgie" darstellt.
Diese multizentrische Studie zeigt, dass die Reduzierung der Bildbittiefe von 16 auf 8 Bit bei der Analyse von Thoraxröntgenaufnahmen mit Deep-Learning-Modellen die Leistung für die Klassifizierung von Geschlecht, Alter und Adipositas nicht signifikant beeinträchtigt.
Die Studie zeigt, dass maskenbasierte Einbettungen aus einem medizinischen Fundamentalsegmentierungsmodell in Kombination mit klinischen Daten die Prognose des progressionsfreien Überlebens bei Multiplem Myelom aus [18F]FDG-PET/CT-Bildern signifikant verbessern und dabei herkömmliche Radiomik-Ansätze übertreffen.
Die Arbeit stellt einen interpretierbaren Pipeline-Ansatz für Brustultraschall vor, der mittels maskengewichteter Pooling-Verfahren von Segmentierungscodierern lernbasierte, lezienspezifische Phänotypen extrahiert, um durch Kalibrierung und Clustering eine überlegene Malignitätsvorhersage und konsistente BI-RADS-Deskriptoren zu ermöglichen.
Die Studie zeigt, dass die Aktivierung externer Laser-Positionierungssysteme während der MRT-Simulation die Bildqualität und die Genauigkeit quantitativer Messungen beeinträchtigen kann, insbesondere durch das Einfügen von elektronischem Rauschen, das zu einem signifikanten Signal-zu-Rausch-Verlust führt, wenn die integrierte Körperspule verwendet wird.
Die Studie zeigt, dass die Magnetresonanz-Elastographie (MRE) durch die Messung mechanischer Eigenschaften wie des Speichermoduls, des Verlustmoduls und der Grenzflächeninstabilität zuverlässig zwischen Strahlennekrose und rezidivierenden Hirnmetastasen unterscheiden kann, wobei Strahlennekrosen als mechanisch härter und dissipativer identifiziert wurden.
Die Studie integriert strukturelle MRT-Daten und Transkriptomik, um zwei molekulare Subtypen des kortikalen Alterns zu identifizieren: einen normativen Subtyp, der mit Stoffwechsel- und Immunprozessen assoziiert ist, sowie einen kompensatorischen Subtyp, der durch Stressantwort und DNA-Reparatur gekennzeichnet ist und mit Langlebigkeitsgenen verknüpft wird.
Diese Studie analysiert klinische MRT-Daten von über 4.800 Personen in Dänemark und zeigt, dass Patienten mit psychischen Störungen im Vergleich zu Kontrollen charakteristische strukturelle Hirnveränderungen wie kleinere subkortikale Volumina, eine dünnere Rinde und vergrößerte Ventrikel aufweisen, was die Nutzung großer populationsbasierter klinischer Datensätze für die Patientenstratifizierung und die Erforschung gemeinsamer neuroanatomischer Merkmale verschiedener psychischer Erkrankungen unterstreicht.
Diese Studie stellt ein auf dem Actor-Critic-Rahmenwerk basierendes intelligentes System für tragbare Ultraschallgeräte vor, das durch Reinforcement Learning die Navigation zur Standardbildgebung sowie durch KI-gestützte Detektion und Messung die automatisierte Diagnose von Halsschlagader- und Schilddrüsenpathologien ermöglicht und dabei die Abhängigkeit von erfahrenen Operateuren signifikant reduziert.