97 件の論文
放射線診断や画像診断の分野は、体内の不可視な部分を可視化し、病気の早期発見と正確な診断を支える医学の重要な柱です。このカテゴリーでは、X 線、CT、MRI、超音波など多様なイメージング技術を用いた研究が取り上げられています。
Gist.Science では、medRxiv から公開されるこの分野のすべての最新プレプリントを収集し、専門用語を噛み砕いた平易な解説と、技術的な詳細を網羅した要約の両方を提供しています。これにより、医療従事者から一般の方まで、最新の科学的知見をすばやく理解できるよう努めています。
以下に、medRxiv から取り上げられた最新の研究論文一覧をご紹介します。
この研究は、AI による肝臓セグメンテーションにおいて、大規模な混合キュレーションデータセットと小規模な高品質キュレーションデータセットが 3D 評価指標では同等の性能を示す一方で、一般化能力や局所的な改善においては大規模データの利点が認められ、データセットの品質と量のトレードオフは目的に応じて最適解が異なることを示しています。
本システマティックレビューは、小児脳腫瘍手術における代謝物に基づく精密手術、蛍光ガイド手術、および人工知能の統合の現状を評価し、小児特有の代謝プラットフォームの確立や発達段階に応じたプロトコル最適化などの課題を指摘するとともに、これらの多モーダルアプローチの将来の発展を提言している。
本論文は、HieraエンコーダとUNETRに着想を得たデコーダを通じて3D脳MRIデータに適応する、SAM2フレームワークに基づいた特化したモデルであるBrain-SAMを紹介し、様々な脳病変のセグメンテーションにおいてnnU-Netのような最先端の手法と比較して優れた性能を達成している。
本論文は、157名の被験者を対象とした、側頭窓を通じた動的な集束超音波神経変調の精度向上および安全性評価のための、軸対称投影とスパースサンプリングを用いた頭蓋減衰係数を最適化する校正フレームワークを提示する。
本研究は、従来の単一画像解析手法と比較して、乳房腫瘍の良性と悪性の識別において優れた精度を達成するために、マルチビュー超音波画像を効果的に統合する堅牢なハイブリッドCNN-Transformerディープラーニングモデルを提示するものである。
本研究は、胸部X線AI用の基盤モデルがビューの種類といった撮像パラメータに対して様々な程度の堅牢性を示す一方で、その性能上の優位性は多くの場合データセットに依存しており、外部検証における汎化に失敗すること、そしてモデルのアーキテクチャや学習規模に関わらず技術的なバイアスが存続していることを明らかにしている。
2022年から2025年までの31件の研究を対象としたこの系統的レビューは、ディープラーニングモデル、特にセグメンテーションのための高度なU-Netアーキテクチャや診断のための特徴量ベースの分類器が、マルチパラメトリックMRIを用いたグリオーマ解析において高い精度を達成している一方で、臨床における信頼と導入を確実にするためには、より説明可能なAIが必要であることを示している。