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.
Dit artikel presenteert een dual-filament, voxel-niveau 3D-printmethode die patiëntspecifieke CT-fantoom vervaardigt met ingebedde metalen implantaten en instelbare artefactintensiteit, wat objectieve benchmarking van algoritmen voor reductie van metaalartefacten en spectrale CT-prestaties mogelijk maakt.
FreqFuseNet adresseert een kritieke 863-voudige mismatch in de activatieschaal bij dual-frequency feature fusie door de FcaNet-tak te normaliseren naar de FFT-schaal, waardoor een stabiele injectie van 5% residu mogelijk wordt die de segmentatie-nauwkeurigheid van dunwandige hoofd-hals organen-at-risk aanzienlijk verbetert terwijl een lichtgewicht architectuur behouden blijft.
Dit artikel presenteert een geautomatiseerde end-to-end workflow voor het genereren van patiëntspecifieke, 4D-geprinte, multimateriaal-fantoommodellen die realistische anatomie, fysiologische beweging en multimodale beeldvormingseigenschappen repliceren om onafhankelijke kwaliteitsborging van adaptieve radiotherapie op 1,5T MR-Linac-systemen mogelijk te maken.
Met behulp van hoogresolutie 7T whole-brain MRSI onthult deze studie dat amyotrofische laterale sclerose wordt gekenmerkt door een metabole dissociatie tussen motor-selectief neuronverlies en somatotopisch gepatroneerde glutamaterge dysregulatie, waarbij Glx/tNAA wordt geïdentificeerd als een gevoelige, klaar voor gebruik in klinische trials zijnde biomarker.
Deze studie toont aan dat een Bottleneck Transformer U-Net (BTU-Net) model menselijke nauwkeurigheid bereikt bij het automatisch segmenteren van vasculaire perfusiedefecten op planaire V/Q-scintigrafie, wat een robuuste oplossing biedt om de diagnose van longembolie te standaardiseren en de interobserver variabiliteit te verminderen.
Deze studie toont aan dat ultrasone tijdharmonische elastografie simultaan de onafhankelijke en gesuperponeerde effecten van vrijwillige spiercontractie en bloedstroomrestrictie op de elastische en viskeuze eigenschappen van skeletspieren in vivo kan kwantificeren en onderscheiden.
Dit artikel introduceert een open, reproduceerbare gamma-variate pipeline voor CT-perfusieanalyse die cross-site vergelijkbaarheid waarborgt door middel van gestandaardiseerde ASIST-Japan visualisatie en de nauwkeurigheid en bit-stabiele reproduceerbaarheid valideert met behulp van synthetische benchmarks met bekende grondwaarheid.
Deze studie maakte gebruik van de UK7T travelling head-dataset om aan te tonen dat 7T MRI-metingen van de susceptibiliteit en het volume van hippocampale subvelden een hoge reproduceerbaarheid vertonen bij herhaalde acquisities, waarbij de intra-subject variabiliteit significant lager is dan de inter-subject verschillen en de intraclass correlatiecoëfficiënten voor alle subvelden de 0,82 overschrijden.
Dit artikel presenteert een gefinetuned SAM2-model voor de segmentatie van kransslagaders in röntgenfluoroscopie dat de zero-shot baselines significant overtreft (met een Dice-score van 0,767 op de ARCADE-datasetset) en robuuste vaattracking demonstreert in videostudies door effectief slagaders te onderscheiden van verwarrende structuren zoals ribben en stents.
Deze studie toont aan dat een deep learning-model nauwkeurig de verkalking van de borstslagaders kan kwantificeren uit screeningsmammogrammen om vrouwen met een verhoogd cardiovasculair risico te identificeren, hoewel het toevoegen van deze door AI afgeleide biomarker aan bestaande risicoscores zoals PREVENT slechts minimale verbetering biedt in de algehele voorspellende discriminatie.