82 papers
De wereld van radiologie en beeldvorming staat centraal in het modern medisch onderzoek, waar geavanceerde scans en afbeeldingen helpen om ziekten vroegtijdig te detecteren en behandelingen te sturen. Deze categorie op Gist.Science belicht hoe wetenschappers nieuwe inzichten vergaren over MRI, CT-scans en andere diagnostische technieken die het menselijk lichaam zichtbaar maken zonder ingrepen.
Elke nieuwe preprint die verschijnt op medRxiv binnen dit domein wordt door ons direct verwerkt. We bieden voor elk onderzoek zowel een begrijpelijke samenvatting in gewone taal als een gedetailleerde technische analyse, zodat zowel experts als geïnteresseerden de laatste doorbraken kunnen volgen. Hieronder vindt u de nieuwste publicaties uit dit dynamische veld, direct vanaf de bron.
Bij cognitief niet-belemmerde individuen uit de Baltimore Longitudinal Study of Aging vertoonde plasma p-tau217 de sterkste associatie met zowel daaropvolgende Alzheimer-gerelateerde dementie als longitudinale veranderingen in AD-specifieke hersenatrofiepatronen vergeleken met andere plasma-biomarkers.
Deze studie toont aan dat zichtbaar/nabij-infrarood hyperspectrale beeldvorming, met name wanneer deze wordt geanalyseerd met full-spectrum machine learning-algoritmen, cellulitis, niet-cellulitische oedeem en gezond onderbeenweefsel bij patiënten op de spoedeisende hulp accuraat en snel kan classificeren over diverse huidpigmenttypen heen.
Deze proof-of-concept studie identificeerde een set reproduceerbare en herhaalbare radiomics-kenmerken uit gadoxetischezuur-geoptimaliseerde MRI die significant correleren met kwantitatieve leverfunctie-indices, waarmee een fundament wordt gelegd voor toekomstig radiomics-onderzoek met betrekking tot de leverfunctie.
Deze fantoomstudie evalueert de nauwkeurigheid van CTA, 3DRA en 2D DSA bij het meten van de diameters van intracraniële vaten ten opzichte van de fysieke grondwaarheid, waarbij wordt onthuld dat hoewel alle modaliteiten over het algemeen binnen 0,5 mm van de werkelijke afmetingen meten, ze consistente biases vertonen die variëren per vaatgrootte, contrastconcentratie en detectiealgoritme, waarbij maximale-gradiënt randdetectie superieur blijkt aan FWHM- en vaste-HU-methoden.
Dit artikel introduceert Residual Endpoint Flow Matching (REFM), een single-step deep learning-methode die de inherente anatomische gelijkenis tussen CT-beelden met een lage dosis en standaarddosis benut om real-time, hoogwaardige denoising te bereiken die vergelijkbaar is met iteratieve diffusiemodellen, terwijl de computationele kosten drastisch worden verminderd.
Deze HECKTOR 2025-benchmark으로ont demonstrates dat hoewel adaptieve postverwerking het prestatieverschil tussen een lichtgewicht MiniUNet3D en de grotere nnU-Net v2 voor segmentatie van hoofd- en halsmassa's aanzienlijk verkleint, het er niet in slaagt de verschillen in de nauwkeurigheid van lymfekliermetastasen volledig weg te nemen of een hoger percentage catastrofale fouten bij kleine primaire tumoren te voorkomen.
Dit artikel presenteert een natuurkundig geleid diep leerframework dat een gereflecteerde reële intensiteit transmissiematrix combineert met beeldherstelnetwerken om single-shot, fase-retrieval-vrije beeldreconstructie door multimodevezels in reflectiemodus mogelijk te maken, wat de beeldkwaliteit en generaliseerbaarheid voor ultradunne endoscopie aanzienlijk verbetert.
Dit artikel introduceert MARLA, een agentisch framework dat clinici in staat stelt om autonoom complex multimodaal medisch AI-onderzoek uit te voeren door hoogwaardige onderzoeksdoelstellingen automatisch te vertalen naar uitvoerbare, zelfcorrigerende onderzoeksloops, waardoor de noodzaak voor gespecialiseerde AI-expertise wordt geëlimineerd.
Dit artikel stelt een label-vrij raamwerk voor het kalibreren van out-of-distribution detectiedrempels in lever CT-segmentatie door een log-t-distributie aan te passen aan paarwijze oppervlakte DSC-scores, wat statistisch gefundeerde categorisering van faalrisico's mogelijk maakt zonder dat daarvoor door experts gelabelde faalgegevens nodig zijn.
Dit artikel introduceert een open-source 3D Slicer-extensie die de nauwkeurige lokalisatie van intracraniële elektrodecontacten voor SEEG-analyse automatiseert, waarbij een hoge nauwkeurigheid wordt bereikt met minimale handmatige correctie en een gebruiksvriendelijke, geïntegreerde oplossing wordt geboden om klinische workflows te stroomlijnen.