54 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.
Deze studie concludeert dat MAP-MRI geen significante microstructurele hersenveranderingen kan detecteren bij patiënten met een acute milde traumatische hersenletsel (mTBI), hoewel er wel klinische symptomen aanwezig waren.
Deze studie toont aan dat het ensemble van meerdere MedGemma-4B-it modellen via soft voting de diagnostische nauwkeurigheid voor het detecteren van longontsteking bij kinderen op röntgenfoto's significant verbetert ten opzichte van individuele modellen, wat potentieel biedt voor privacy-bewuste, real-time klinische ondersteuning.
Deze studie introduceert MoEMIL, een multi-task deep learning-model dat pretreatment MRI en whole slide images integreert om de respons op inductiechemotherapie en de overleving bij patiënten met lokaal gevorderd nasofarynxcarcinoom nauwkeuriger te voorspellen dan traditionele TNM-stadiëring.
Dit onderzoek toont aan dat zelftoezicht opgeleide diffusiemodellen, specifiek een Video Diffusion Encoder, een data-efficiënte oplossing bieden voor het detecteren van myofasciale pijn in de bovenste trapeziusmusculus op basis van B-mode-echografievideo's in kleine prospectieve cohorten, waardoor innovatieve biomarkers kunnen worden gevalideerd zonder grote, handmatig geannoteerde datasets.
Dit artikel introduceert spectrale normatieve modellering, een nieuwe methode die gebruikmaakt van herseneigenmodi om op basis van 78.000 scans nauwkeurige, ruimtelijk gedetailleerde groeidiagrammen voor de hersenschors te genereren, waardoor zowel de normale ontwikkeling als de heterogene atrofie bij de ziekte van Alzheimer op individueel niveau beter kan worden gekarakteriseerd.
Dit onderzoek toont aan dat geavanceerde 3D-vormanalyse van de gluteus maximus spier, die ruimtelijk lokale hermodellering onthult die door traditionele volumemetingen wordt gemist, geslachtsgebonden associaties met metabole stoornissen zoals diabetes type 2 blootlegt en zo waardevolle biomarkers biedt voor risicofactoren en mechanismen.
Dit onderzoek presenteert een implementeerbaar, uitlegbaar deep learning-systeem op basis van DenseNet121 en Grad-CAM voor het detecteren van tuberculose op röntgenfoto's van de longen, dat hoge prestaties levert en offline inzetbaar is op zowel desktop- als mobiele platformen voor gebruik in hulpbronnenarme gebieden.
Dit onderzoek analyseert FDA-geautoriseerde AI-radiologiedevices en toont aan dat lage ziekteprevalentie vaak leidt tot een hoge vals-positieve ratio, waardoor transparantie over foutieve detectie- en overmissiepercentages essentieel is voor klinische besluitvorming.
Deze studie toont aan dat de cross-scanner betrouwbaarheid van embeddings van foundation modellen voor hersen-MRI sterk afhangt van de voortrainingsstrategie, waarbij modellen die biologische metadata integreren robuustere representaties opleveren dan puur zelftoezichtende modellen.
Deze studie toont aan dat de stralingsdoses voor CT-scans bij kinderen in een Zuid-Afrikaans ziekenhuis voldoen aan internationale veiligheidsnormen, hoewel er een lichte toename wordt waargenomen bij scans buiten kantooruren die verdere standaardisatie vereist.