63 Arbeiten
Die Welt der Radiologie und medizinischen Bildgebung öffnet einen unschätzbaren Blick ins menschliche Körperinnere, ohne dass dabei ein Skalpell nötig ist. Von der klassischen Röntgenaufnahme bis zur hochkomplexen Magnetresonanztomographie helfen diese Technologien Ärztinnen und Ärzten dabei, Krankheiten früher zu erkennen und Behandlungen präziser zu steuern. Auf Gist.Science machen wir die neuesten wissenschaftlichen Erkenntnisse aus diesem dynamischen Feld für alle verständlich.
Jede neue Vorveröffentlichung in dieser Kategorie stammt direkt von medRxiv, der führenden Plattform für medizinische Preprints. Unser Team verarbeitet jeden dieser Einträge sofort, um Ihnen sowohl eine detaillierte technische Zusammenfassung als auch eine leicht verständliche Erklärung auf Deutsch anzubieten. So bleiben Sie immer auf dem Laufenden, egal ob Sie Fachkenntnisse haben oder einfach nur neugierig sind.
Im Folgenden finden Sie die aktuellsten Forschungsarbeiten aus dem Bereich der Radiologie und Bildgebung, die wir für Sie aufbereitet haben.
Die Studie zeigt, dass die Verwendung von Multi-Shell-dMRI-Methoden im Vergleich zu herkömmlichen Einzel-Shell-Ansätzen eine robustere und aussagekräftigere Charakterisierung der mikroskopischen Pathologie bei Multipler Sklerose ermöglicht.
Diese klinische Pilotstudie zeigt, dass die Verwendung eines polygenen Risikoscores zur Risikobewertung bei Frauen im Alter von 40 bis 49 Jahren dazu beitragen kann, das Brustkrebsscreening zu personalisieren und die Screening-Empfehlungen zu optimieren, ohne dabei bei den Teilnehmerinnen erhöhte Ängste auszulösen.
Die vorliegende Studie beschreibt das Protokoll für eine randomisierte kontrollierte Nichtunterlegenheitsstudie in Norwegen, die untersucht, ob eine KI-gestützte, risikoadaptierte Lese strategie in der Mammographie-Screening-Praxis die Effizienz steigert, ohne die Detektionsrate von Brustkrebs im Vergleich zur Standard-Doppellesung zu beeinträchtigen.
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.
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 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 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.