33 artículos
El estudio presenta AIRT, un marco de aprendizaje profundo de extremo a extremo capaz de generar planes de radioterapia VMAT para próstata en menos de un segundo con una calidad no inferior a los planes estándar, lo que representa un avance significativo hacia la estandarización y aceleración de los flujos de trabajo clínicos.
Este artículo presenta un modelo de red neuronal de grafos que, al incorporar invariancia rotacional y simetrías físicas, permite estimar la microestructura cerebral de forma rápida y precisa bajo protocolos de adquisición arbitrarios sin necesidad de reentrenamiento, facilitando así su aplicación clínica generalizada.
El artículo presenta MRI2Qmap, un marco de reconstrucción cuantitativa que integra modelos físicos de adquisición con priores de denoising aprendidos de grandes conjuntos de imágenes de resonancia magnética ponderadas clínicas, permitiendo así la generación de mapas cuantitativos precisos sin necesidad de datos de entrenamiento con verdad fundamental.
Este artículo presenta el primer uso de la imagen de partículas magnéticas (MPI) en humanos, demostrando su capacidad para visualizar la perfusión venosa en tiempo real sin radiación y estableciendo su transición de la investigación preclínica a la aplicación clínica.
Este estudio demuestra que la aceleración lineal es un predictor más preciso de las conmociones cerebrales que la aceleración rotacional, lo que llevó al desarrollo de una tecnología de amortiguación líquida en cascos que podría reducir el riesgo de lesión hasta en un 73%.
Este trabajo propone el método sFRC (Correlación de Anillo de Fourier en parches pequeños y escaneo), una técnica robusta para detectar y cuantificar las alucinaciones en imágenes médicas restauradas mediante aprendizaje profundo y otros métodos, demostrando su eficacia en problemas de CT y MRI con datos submuestreados.
Este estudio demuestra que los modelos basados en Transformers con cabezas de salida evidenciales ofrecen el marco más efectivo para la predicción de glucosa en sangre y la cuantificación de incertidumbre en pacientes con diabetes tipo 1, logrando una mayor precisión y estimaciones de riesgo clínico mejor calibradas.
El artículo presenta ICHOR, un enfoque de aprendizaje auto-supervisado basado en autoencoders enmascarados que utiliza un vasto conjunto de datos de imágenes ASL para generar representaciones robustas y generalizables que superan a los métodos existentes en tareas de clasificación diagnóstica y predicción de calidad de mapas de flujo sanguíneo cerebral.
Este estudio evalúa la implementación de sistemas de protección radiológica en cuatro hospitales de Etiopía, revelando prácticas deficientes que generan exposiciones innecesarias a pesar de que las dosis en salas de control y espera son aceptables, y concluye que es urgente establecer programas de capacitación continua, equipamiento moderno y asesores especializados para garantizar la seguridad.
Este artículo presenta un marco de redes neuronales informadas por física que reconstruye de manera no invasiva la dinámica de activación cardíaca, la propagación de tensión activa y los campos de deformación a partir de datos de deformación medibles, integrando modelos constitutivos no lineales y restricciones físicas para lograr una estimación precisa en geometrías ventriculares simplificadas.
Este artículo presenta un modelo sustituto basado en operadores de redes neuronales de Fourier (FNO) que predice con precisión y en tiempo real el transporte de protones y la producción de neutrones en terapia de protones, superando la lentitud computacional de los métodos de Monte Carlo tradicionales para facilitar la verificación de rango y la estimación de dosis.
Esta revisión integra los principios biomecánicos en la práctica quirúrgica para explicar la formación, el diagnóstico y la reparación de hernias ventrales, destacando cómo el uso de mallas ligeras, técnicas de sutura específicas y una comprensión de las propiedades mecánicas del tejido pueden optimizar los resultados clínicos y reducir las tasas de recurrencia.
Este estudio presenta un método de reconstrucción de campos de movimiento en tiempo real (CMR-MOTUS) que permite la cuantificación volumétrica continua y beat-to-beat de la función ventricular en pacientes con arritmias, superando las limitaciones de las técnicas convencionales al revelar la heterogeneidad funcional oculta por los episodios de contracciones ventriculares prematuras.