80 articoli
Questo studio introduce un metodo non invasivo basato sulla PET con traccianti GCPII/PSMA per identificare e monitorare la denervazione muscolare nelle lesioni del sistema nervoso periferico, sfruttando l'aumentata espressione di GCPII nei muscoli denervati che si normalizza con la reinnervazione.
Uno studio condotto in un ospedale dell'Eastern Cape in Sudafrica su 543 TAC pediatriche ha rivelato che i livelli di radiazioni sono generalmente conformi agli standard internazionali, sebbene le scansioni effettuate fuori orario presentino dosi leggermente superiori, suggerendo la necessità di una formazione più coerente per il personale.
Questo studio retrospettivo dimostra che un modello di deep learning che utilizza esami longitudinali di tomografia digitale del seno (DBT) migliora la previsione del rischio di cancro al seno a 5 anni rispetto ai modelli basati sulla mammografia digitale tradizionale e ai modelli clinici, supportando strategie di screening personalizzate.
Lo studio SEIOMM-3D-DXA ha stabilito curve di riferimento per i parametri 3D-DXA in una popolazione spagnola, dimostrando come questa tecnologia permetta di rilevare squilibri specifici tra i compartimenti ossei corticali e trabecolari per migliorare la gestione dell'osteoporosi.
Questo studio presenta una pipeline di intelligenza artificiale che combina un vasto dataset di radiografie toraciche, un'etichettatura migliorata tramite modelli linguistici di grandi dimensioni e reti neurali profonde per rilevare, localizzare e generare referti sulla polmonite con prestazioni superiori rispetto ai metodi convenzionali e ai radiologi.
Lo studio dimostra che le misure di deformazione (strain) del ventricolo e dell'atrio sinistro sono indicatori prognostici robusti perché rappresentano misure composite che integrano la geometria e la funzione cardiaca, in particolare legate all'escursione sistolica del piano anulare mitralico (MAPSE) e alle dimensioni ventricolari.
Questo studio introduce un quadro di ottimizzazione senza etichette basato sull'informazione teorica per selezionare automaticamente i parametri di estrazione nella radiomica dell'elastografia a risonanza magnetica (MRE), migliorando la riproducibilità e la generalizzabilità attraverso la validazione su diversi tessuti e protocolli di acquisizione.
Questo studio dimostra che l'abbinamento di valutazioni visive esperte a modelli di regressione ensemble basati su metriche di qualità automatica, in particolare quelle riferite a un'immagine di riferimento, consente una valutazione della qualità affidabile, trasparente e scalabile per la sintesi di immagini mediche tramite framework di diffusione avversariale.
Uno studio di validazione multi-dataset su oltre 138.000 radiografie del torace rivela che i parametri tecnici di acquisizione, in particolare il tipo di proiezione (anteroposteriore vs posteroanteriore), influenzano le disparità di performance degli algoritmi di intelligenza artificiale in misura significativamente maggiore rispetto ai fattori demografici come età e sesso, suggerendo la necessità di includere l'audit dei parametri tecnici nelle future normative di regolamentazione.
Lo studio fornisce evidenze multimodali che l'immersione attiva in una seconda lingua è associata a una migliore funzionalità del sistema glinfatico, suggerendo che l'esperienza bilingue possa offrire benefici neuroprotettivi ottimizzando i meccanismi di smaltimento dei rifiuti cerebrali.
Il paper introduce PANDORA, una piattaforma di modellazione adattiva che risolve il compromesso tra dettaglio spaziale ed efficienza computazionale nell'analisi di neuroimmagini su larga scala, comprimendo i dati di oltre 80.000 partecipanti del UK Biobank in una rappresentazione supervoxel che riduce lo storage del 99% e accelera i calcoli di dieci volte, consentendo regressioni voxelwise su tutto il cervello in pochi secondi o minuti.
Questo studio presenta e convalida un modello di deep learning basato su ResNet-18 in grado di rilevare automaticamente e quantificare la calcificazione dell'arteria vertebrale nelle TAC testa-collo senza mezzo di contrasto, offrendo uno strumento decisionale affidabile per la prevenzione dell'ictus.
Lo studio dimostra che l'Imaging del Modello Standard (SMI), in particolare se combinato con la risonanza magnetica a tensore di diffusione (DTI), offre una caratterizzazione microstrutturale superiore delle lesioni e della materia bianca apparentemente normale nella sclerosi multipla rispetto all'uso singolare di ciascuna tecnica.
Lo studio dimostra che l'acquisizione di immagini di risonanza magnetica a diffusione multi-shell, combinata con modelli microstrutturali avanzati, consente una caratterizzazione più robusta e informativa delle lesioni nella sclerosi multipla rispetto alle tradizionali acquisizioni single-shell.
Questo studio multisito dimostra che modelli di machine learning basati su PET amiloide e risonanza magnetica possono prevedere con successo il futuro declino cognitivo in individui con malattia di Alzheimer preclinica, migliorando l'arruolamento e la potenza statistica dei futuri trial clinici.
Questo studio pilota dimostra che l'utilizzo del punteggio di rischio poligenico (PRS) in donne di 40-49 anni permette di stratificare il rischio di cancro al seno e personalizzare le raccomandazioni per lo screening, senza generare ansia aggiuntiva nelle partecipanti.
Uno studio di modellazione normativa ha rivelato che il recupero motorio post-ictus è guidato da un ispessimento corticale dinamico e attivo piuttosto che da una riserva strutturale statica, permettendo di identificare sottogruppi di pazienti con diversi potenziali di riabilitazione.
Questo studio valida retrospettivamente l'accuratezza diagnostica di LIRA, un sistema di intelligenza artificiale per la radiografia toracica, dimostrando la sua efficacia nel rilevare anomalie e patologie polmonari e cardiache in India, offrendo così una soluzione affidabile per mitigare la carenza di radiologi e supportare gli obiettivi di eliminazione della tubercolosi.
Questo studio utilizza l'imaging multimodale e l'intelligenza artificiale su 134.000 individui per mappare l'invecchiamento specifico degli organi, rivelando un'eterogeneità significativa, collegando l'invecchiamento accelerato di organi specifici alle malattie corrispondenti e fornendo un paradigma non invasivo per valutare l'invecchiamento umano a livello anatomico e di popolazione.
Il paper presenta TumorCLIP, un framework leggero ed efficiente che fonde encoder visivi basati su DenseNet con prototipi testuali informati dalla radiologia per migliorare l'accuratezza, la stabilità e l'interpretabilità nella classificazione dei tumori cerebrali tramite risonanza magnetica.