97 articoli
La radiologia e le tecniche di imaging rappresentano gli occhi della medicina moderna, permettendo di osservare l'interno del corpo umano senza ricorrere a interventi invasivi. Da semplici raggi X a complesse risonanze magnetiche, queste discipline forniscono dati cruciali per diagnosi precoci e trattamenti mirati, trasformando immagini in informazioni salvavita.
Su Gist.Science, esploriamo i nuovi studi pubblicati su medRxiv in questo settore, rendendo la ricerca scientifica accessibile a tutti. Processiamo ogni nuovo preprint in questa categoria, offrendo sia una spiegazione in linguaggio semplice che un'analisi tecnica dettagliata, per garantire che i progressi siano comprensibili sia ai pazienti che ai professionisti.
Di seguito trovate l'elenco degli ultimi articoli su radiologia e imaging, aggiornati in tempo reale dalle ultime scoperte.
Questo articolo dimostra che l'approccio comune "slopes-first" per stimare le correlazioni tra i tassi di variazione specifici per il soggetto negli studi longitudinali con dropout è distorto quando la covarianza incrociata varia nel tempo, e propone un'alternativa non distorta che stima la matrice di covarianza congiunta prima di applicare i contrasti.
Questo studio multicentrico dimostra che, sebbene lo strumento MELD-graph mantenga una sensibilità paragonabile per la rilevazione della displasia corticale focale alla RMN a 7T rispetto alla 3T, la sua specificità è significativamente inferiore, rendendo necessaria una cauta interpretazione e sottolineando i benefici dell'armonizzazione nonostante i limitati guadagni derivanti da adattamenti delle pipeline specifici per i 7T.
Questo studio affronta la mancanza di confronti indipendenti nel settore confrontando otto algoritmi open-source di segmentazione MRI del muscolo della coscia su diversi dataset, rivelando che, sebbene i modelli specifici per dominio superino generalmente i modelli foundation, le significative variazioni di prestazioni e la ridotta accuratezza nei casi patologici evidenziano critici compromessi tra accuratezza, generalizzabilità e usabilità clinica.
Sebbene lo studio abbia sviluppato un modello di deep learning altamente accurato per la segmentazione dell'arteria vertebrale su CTA, uno studio condotto sui lettori ha rivelato che il suo utilizzo ha effettivamente diminuito l'accuratezza diagnostica per la dissezione dell'arteria vertebrale, indicando la necessità di un'ulteriore validazione prima dell'implementazione clinica.
Questo articolo presenta un framework di IA a supervisione sparsa che sfrutta un modello di fondazione per l'ecografia con punteggio temporale morbido gaussiano per selezionare automaticamente i fotogrammi ottimali per la misurazione dell'ONSD nei video ecografici, superando significativamente i baseline esistenti e consentendo una valutazione affidabile della pressione intracranica in contesti a basse risorse.
Negli individui cognitivamente integri del Baltimore Longitudinal Study of Aging, la p-tau217 plasmatica ha dimostrato la più forte associazione sia con la successiva demenza correlata alla malattia di Alzheimer che con i cambiamenti longitudinali nei modelli di atrofia cerebrale specifici per l'AD rispetto ad altri biomarcatori plasmatici.
Questo studio dimostra che l'imaging iperspettrale nel visibile/vicino infrarosso, in particolare quando analizzato mediante algoritmi di apprendimento automatico a spettro completo, può classificare con accuratezza e rapidità la cellulite, l'edema non cellulitico e il tessuto sano della parte inferiore della gamba nei pazienti del pronto soccorso attraverso diversi tipi di pigmentazione cutanea.
Questo studio di prova di concetto ha identificato un insieme di caratteristiche radiomiche riproducibili e ripetibili da RM con mezzo di contrasto a base di acido gadossetico che correlano significativamente con gli indici quantitativi della funzione epatica, stabilendo una base per la futura ricerca sulla radiomica relativa alla funzione epatica.
Questo studio su fantoccio valuta l'accuratezza di CTA, 3DRA e DSA 2D nella misurazione dei diametri dei vasi intracranici rispetto alla verità di base fisica, rivelando che, sebbene tutte le modalità misurino generalmente entro 0,5 mm dalle dimensioni reali, esse esibiscono bias costanti che variano in base alla dimensione del vaso, alla concentrazione di contrasto e all'algoritmo di rilevamento, con il rilevamento dei bordi a gradiente massimo che si dimostra superiore ai metodi FWHM e a HU fissi.
Questo articolo introduce il Residual Endpoint Flow Matching (REFM), un metodo di deep learning a singolo step che sfrutta l'inerente somiglianza anatomica tra le immagini TC a basso dosaggio e quelle a dosaggio standard per ottenere una denoisatura in tempo reale di alta qualità, paragonabile ai modelli di diffusione iterativi, riducendo drasticamente i costi computazionali.