32 articoli
Il paper presenta AIRT, un framework di deep learning end-to-end che genera piani di radioterapia VMAT per il cancro alla prostata in meno di un secondo, dimostrando una qualità non inferiore ai piani standard prodotti da RapidPlan Eclipse.
Il paper presenta una rete neurale grafica rotazionalmente invariante che, sfruttando le simmetrie fisiche del problema, stima la microstruttura cerebrale da dati di risonanza magnetica a diffusione acquisiti con protocolli arbitrari senza necessità di riaddestramento, avvicinando così l'uso clinico di metodi di apprendimento automatico rapidi e generalizzabili.
Il paper presenta MRI2Qmap, un framework di ricostruzione plug-and-play che sfrutta prior di denoising appresi da grandi dataset di risonanza magnetica ponderata clinica per abilitare la mappatura quantitativa multi-parametrica senza richiedere dati di addestramento quantitativi reali.
Questo studio, basato su misurazioni dirette tramite paratesti strumentati, ribalta la teoria prevalente dimostrando che l'accelerazione lineare è un predittore di concussione più preciso di quella rotazionale e ha portato allo sviluppo di una nuova tecnologia di assorbimento degli urti liquidi che potrebbe ridurre il rischio di lesioni fino al 73%.
Questo lavoro propone l'analisi sFRC (Fourier Ring Correlation su piccole patch), una tecnica innovativa per rilevare le allucinazioni nelle immagini mediche restaurate tramite deep learning, dimostrandone l'efficacia nel valutare la robustezza di diversi metodi di ricostruzione su dati sottocampionati.
Questo studio dimostra che i modelli basati su Transformer con testine di output evidenziali, validati sul dataset HUPA-UCM, offrono il quadro più efficace per la previsione della glicemia e la quantificazione dell'incertezza nel diabete di tipo 1, garantendo sia maggiore accuratezza predittiva sia stime di incertezza meglio calibrate rispetto alle architetture LSTM e GRU.
Il paper presenta ICHOR, un approccio di apprendimento rappresentativo auto-supervisionato basato su masked autoencoder che, addestrato su un vasto dataset multicentrico di mappe CBF ASL, supera i metodi esistenti nel migliorare le prestazioni per compiti diagnostici e di previsione della qualità delle immagini.
Uno studio condotto su quattro ospedali etiopici ha rivelato pratiche di protezione radiologica inadeguate che causano esposizioni inutili, sottolineando l'urgenza di istituire un'agenzia di protezione, fornire attrezzature moderne e attuare programmi di formazione continua per i radiologi.
Il paper presenta un framework basato su reti neurali informate dalla fisica che, integrando modelli meccanici non lineari e dati di deformazione misurabili, permette la ricostruzione non invasiva e accurata della dinamica di attivazione cardiaca tridimensionale, della propagazione della tensione attiva e dei campi di deformazione in geometrie semplificate del ventricolo sinistro.
Questo studio presenta un modello surrogato basato su Fourier Neural Operators (FNO) in grado di prevedere in pochi secondi, con accuratezza paragonabile ai metodi Monte Carlo, il trasporto dei protoni e la produzione di neutroni nella terapia protonica, abilitando così sistemi di verifica del raggio in tempo reale.
Questo articolo di revisione esamina la patologia erniaria come un fallimento biomeccanico, sostenendo che l'integrazione di principi meccanici nella pratica chirurgica, attraverso l'uso di mesh leggere, posizionamento retroretto e tecniche di sutura specifiche, è fondamentale per ottimizzare i risultati clinici e ridurre le recidive.
Questo studio presenta un metodo di risonanza magnetica cardiaca 3D in tempo reale (CMR-MOTUS) che permette una quantificazione volumetrica continua e battito-per-battito nei pazienti con aritmie, superando i limiti delle tecniche convenzionali e rivelando l'impatto funzionale eterogeneo delle contrazioni ventricolari premature.