82 पेपर
यह संभावित यादृच्छिक क्रॉसओवर अध्ययन प्रदर्शित करता है कि वेंडर-एकीकृत एआई सॉफ्टवेयर पेट के अल्ट्रासाउंड करने वाले सोनोग्राफरों के लिए परिचालन दक्षता में महत्वपूर्ण सुधार करता है और मानसिक मांग एवं शारीरिक प्रयास को कम करता है, हालांकि समय की बचत का परिमाण ऑपरेटरों के बीच भिन्न होता है और तकनीक वर्कफ़्लो को समाप्त करने के बजाय उसे नया रूप देती है।
यह अध्ययन प्रदर्शित करता है कि ईईजी (EEG) इलेक्ट्रोड के साथ सीटी (CT) छवियों और एक विस्तारित हौन्सफील्ड यूनिट (Hounsfield unit) रेंज का उपयोग करना समवर्ती पेट/ईईजी (PET/EEG) इमेजिंग के लिए सबसे सटीक क्षीणन सुधार (attenuation correction) प्रदान करता है, जो बिना इलेक्ट्रोड वाले स्कैन की तुलना में केवल एक छोटा, व्यवस्थित पूर्वाग्रह पेश करता है, जबकि धातु आर्टिफैक्ट न्यूनीकरण तकनीकें न्यूनतम अतिरिक्त लाभ प्रदान करती हैं।
यह क्रॉस-डेटासेट विश्लेषण यह प्रकट करता है कि जहाँ BLEU और ROUGE जैसे मानक स्वचालित मेट्रिक्स पाठ्य परिवर्तनों के प्रति अत्यधिक संवेदनशील हैं, वहीं वे नैदानिक रूप से सार्थक त्रुटियों के बीच अंतर करने में विफल रहते हैं, जिसमें चेक्सबर्ट (CheXbert) मध्यम समग्र प्रदर्शन के बावजूद रेडियोलॉजी रिपोर्ट की गुणवत्ता का आकलन करने के लिए सबसे अधिक संरेखित मीट्रिक के रूप में उभरता है।
यह पूर्वव्यापी अध्ययन प्रदर्शित करता है कि एक फ्रोजन (frozen) Rad-DINO ViT-B/14 फाउंडेशन मॉडल पर लो-रैंक एडेप्टेशन (LoRA) लागू करने से NIH ChestX-ray14 डेटासेट पर मल्टी-लेबल वर्गीकरण प्रदर्शन में सुधार होता है, जबकि स्पष्ट रूप से यह स्पष्ट करता है कि रिपोर्ट किए गए परिणाम टेस्ट लेबल्स के पूर्व एक्सपोज़र के कारण वर्णनात्मक (descriptive) हैं न कि पुष्टिकारक (confirmatory), और काउंटरफैक्चुअल लेबल-फ्लिप विश्लेषणों के प्रति मेट्रिक्स की संवेदनशीलता को उजागर करता है।
लेखक CT ECV Mapper प्रस्तुत करते हैं, जो एक ओपन-सोर्स 3D Slicer एप्लिकेशन है जो पारंपरिक सिंगल-एनर्जी मल्टीफेज CT का उपयोग करके यकृत और हेपेटिक ट्यूमर के लिए वोक्सेलवाइज एक्स्ट्रासेलुलर वॉल्यूम मैपिंग के इंटरैक्टिव और अनअटेंडेड बैच प्रोसेसिंग को सक्षम बनाता है, जो एक बड़े सार्वजनिक डेटासेट पर उच्च व्यवहार्यता और मजबूत गुणवत्ता नियंत्रण प्रदर्शित करता है।
यह बहुकेंद्रित भावी अध्ययन द्वि-पैरामीट्रिक एमआरआई के लिए एक लीजन-ओनली टीचर मॉडल (RG-SSL-LOC) के साथ एक रिपोर्ट-गाइडेड सेमी-सुपरवाइज्ड लर्निंग फ्रेमवर्क को मान्य करता है, जो मौजूदा विधियों की तुलना में बेहतर लीजन सेगमेंटेशन और नैदानिक रूप से महत्वपूर्ण प्रोस्टेट कैंसर का सुदृढ़ केस-लेवल डिटेक्शन प्रदर्शित करता है, जो मल्टीमॉडल निदान को महत्वपूर्ण रूप से बढ़ाता है और अनावश्यक बायोप्सी को कम करता है।
यह शोध पत्र RCC-AID प्रस्तुत करता है, जो 91 रीनल सेल कार्सिनोमा रोगियों के 129 विशेषज्ञ द्वारा एनोटेट किए गए कंट्रास्ट-एन्हांस्ड सीटी स्कैन से बना एक खुले रूप से उपलब्ध डेटासेट है, जिसे सार्वजनिक लीजन एनोटेशन की कमी को दूर करने और मेडिकल इमेजिंग में पुनरुत्पादक एआई अनुसंधान को बढ़ावा देने के लिए डिज़ाइन किया गया है।
BioDeformUNet एक डीप लर्निंग मॉडल है जो पारंपरिक बायोमैकेनिकल एल्गोरिदम के समान सटीकता के साथ लगभग वास्तविक समय में, बायोमैकेनिकल रूप से सूचित लिवर इमेज रजिस्ट्रेशन प्राप्त करता है, जो न्यूनतम एब्लेटिव मार्जिन के कुशल इंट्रा-प्रोसीजरल मूल्यांकन को सुगम बनाने के लिए इन्फरेंस समय में 34 गुना की गति वृद्धि प्रदान करता है।
122 प्रतिभागियों के इस अन्वेषणात्मक न्यूरोइमेजिंग अध्ययन से संकेत मिलता है कि गंभीर लॉन्ग कोविड लक्षण, जिनमें कंपन जैसी संवेदनाएं और न्यूरोमस्कुलर थकान शामिल हैं, मैमिलरी बॉडी-फोर्निक्स-हाइपोथैलेमिक इंटरफेस और जुड़े हुए ब्रेनस्टेम-सेरिबैलर मार्गों में संरचनात्मक और सूक्ष्म संरचनात्मक असामान्यताओं से जुड़े हो सकते हैं, हालांकि कारण संबंधी तंत्र स्थापित करने के लिए इन निष्कर्षों के भावी पुनरावृत्ति की आवश्यकता है।
यह अध्ययन प्रदर्शित करता है कि लॉन्ग एक्सियल फील्ड-ऑफ-व्यू (long axial field-of-view) PET प्रणालियों की मात्रात्मक सटीकता मुख्य रूप से दोषपूर्ण डिटेक्टर ब्लॉकों की संख्या के बजाय उनके स्थानिक वितरण (spatial distribution) द्वारा निर्धारित होती है, जो यह प्रकट करता है कि अधिक संख्या में बिखरे हुए दोष सहन करने योग्य हैं जबकि क्लस्टर में स्थित दोष महत्वपूर्ण स्थानीय पूर्वाग्रह (localized biases) उत्पन्न करते हैं, जिससे सिस्टम अपटाइम और नैदानिक विश्वसनीयता के बीच संतुलन बनाने के लिए गुणवत्ता नियंत्रण थ्रेशोल्ड के पुनर्मूल्यांकन का समर्थन मिलता है।