33 papers
Dit artikel introduceert AIRT, een end-to-end deep-learning framework dat binnen één seconde een uitvoerbaar stralingsbehandelingsplan voor prostaatkanker genereert op basis van CT-beelden, met een kwaliteit die niet onderdoet voor bestaande methoden.
Dit artikel introduceert een rotatie-invariante graf-neurale netwerkarchitectuur die, getraind op gesimuleerde data, in staat is om hersenmicrostructuur nauwkeurig te schatten onder willekeurige, onbekende opnameprotocollen zonder hertraining, waardoor snelle klinische toepassing mogelijk wordt.
Het artikel introduceert MRI2Qmap, een reconstructieframework dat diepe leermodellen, getraind op routinematige MRI-beelden, gebruikt om artefacten in versnelde kwantitatieve MRI-mapping te verminderen zonder dat grondwaarheidsdata nodig is.
Dit artikel beschrijft de eerste in-vivo toepassing van magnetische deeltjesbeeldvorming (MPI) bij mensen, waarbij voor het eerst de veneuze doorbloeding van het bovenste ledemaat werd visualiseerd met een menselijke scanner en klinisch goedgekeurde ferucarbotran, wat de overgang markeert van preklinisch onderzoek naar de eerste klinische toepassing van deze stralingsvrije beeldvormingstechniek.
Deze studie weerlegt de heersende opvatting dat rotatie de hoofdoorzaak is van hersenschudding en toont aan dat lineaire versnelling een betere voorspeller is, wat leidt tot de ontwikkeling van een nieuwe vloeibare schokabsorberende helmtechnologie die het risico op hersenschudding tot 73% kan verlagen.
In dit artikel wordt sFRC voorgesteld, een nieuwe methode die Fourier Ring Correlatie toepast op kleine patches om hallucinaties in door deep learning gereconstrueerde medische beelden te detecteren en te kwantificeren.
Dit onderzoek toont aan dat Transformer-modellen met evidentiële outputlagen, getest op het HUPA-UCM-dataset, de meest effectieve en goed gekalibreerde onzekerheidsschattingen bieden voor de voorspelling van bloedglucose en het identificeren van glycemische risico's bij type 1-diabetes.
Dit artikel introduceert ICHOR, een zelftoezicht-gebaseerde masked autoencoder die is getraind op een groot, divers dataset van ASL CBF-scans om robuuste representaties te leren die de prestaties van bestaande methoden voor diagnostische classificatie en kwaliteitsvoorspelling in neurobeeldvorming verbeteren.
Een studie in vier Ethiopische ziekenhuizen onthult dat ondanks aanvaardbare stralingsniveaus in wacht- en controlekamers, de gebrekkige toepassing van stralingsbescherming tijdens het gebruik van röntgenapparatuur leidt tot onnodige blootstelling, wat dringend betere monitoring, training en toezicht vereist.
Deze studie presenteert een fysica-informeel neurale netwerken-framework dat niet-invasief drie-dimensionale cardiale activatiedynamica reconstrueert uit meetbare vervormingsdata door mechanistische modellen en data-gedreven inferentie te combineren.
Deze studie presenteert een Fourier Neural Operator-schijfmodel dat protontransport en neutronproductie in protontherapie binnen enkele seconden voorspelt met Monte Carlo-achtige nauwkeurigheid, waardoor real-time adaptieve bereikverificatie mogelijk wordt.
Deze review benadrukt dat het integreren van biomechanische principes in de chirurgische praktijk essentieel is om hernia-recidieven te verminderen en gepersonaliseerde, op mechanica gebaseerde behandelstrategieën te ontwikkelen.
Deze studie introduceert een real-time 3D CMR-MOTUS-methode die bij patiënten met hartritmestoornissen continue volumetrische kwantificatie per hartslag mogelijk maakt, waardoor de functionele impact van extrasystolen wordt blootgelegd die door conventionele beeldvorming wordt gemaskeerd.