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.
Dit onderzoek introduceert een op middelen geoptimaliseerd conditioneel diffusiemodel dat uit CT-scans synthetische PET-beelden genereert om de toegang tot oncologische screening in plattelandsgebieden met beperkte middelen te verbeteren, terwijl het de metabolische consistentie behoudt.
Deze prospectieve studie toont aan dat de 6-punts Dixon-sequentie voor PDFF- en R2*-kwantificatie op MR-Simulatie- en MR-Linac-systemen de beste nauwkeurigheid en reproduceerbaarheid biedt, wat essentieel is voor de validatie van beenmerg als biomarker in de stralingsoncologie.
Deze studie bevestigt de technische haalbaarheid van de 3D-QALAS-techniek op een 1,5T MR-Linac voor het binnen zeven minuten genereren van isotrope kwantitatieve T1-, T2- en PD-kaarten van het hele brein, wat nieuwe mogelijkheden biedt voor adaptieve bestralingstherapie.
Deze multi-institutionele studie concludeert dat het reduceren van de bitdiepte van chest-röntgenfoto's van 16-bit naar 8-bit de prestaties van diepe leermodellen voor classificatie van geslacht, leeftijd en obesitas niet significant beïnvloedt, waardoor 8-bit beelden een efficiënter alternatief bieden zonder kwaliteitsverlies.
Dit onderzoek toont aan dat compacte, masker-bewuste embeddings afgeleid van een medische fundamentele segmentatiemodel (MedSAM2) voor 18F-FDG-PET/CT, in combinatie met klinische data, de prognostische prestaties voor progressievrije overleving bij multipel myeloom significant verbeteren ten opzichte van bestaande baselines.
Deze studie concludeert dat het activeren van externe laserpositioneringssystemen tijdens MRI-simulatie de beeldkwaliteit aanzienlijk kan verslechteren door elektronische ruis, met name bij gebruik van de geïntegreerde lichaamspoel, hoewel de kwantitatieve MRI-waarden grotendeels onveranderd blijven.
De Holder-Optimized Elastography (HOE)-methode verbetert de diagnostische mogelijkheden van ARFI-elastografie voor borstkanker-gerelateerd lymfoedeem door niet-invasief vloeistofgevulde lymfevaten als 'High-Velocity Areas' zichtbaar te maken, hoewel verdere technische verfijning nodig is om de sensitiviteit voor vroege en geavanceerde laesies te verbeteren.
Dit artikel beschrijft hoe het optimaliseren van AI-modellen op NLP-gegenereerde labels voor borstfoto's leidt tot een prestatiekloof met radiologen, en laat zien dat beperkte training, het bevriezen van het backbone-netwerk en regularisatie in plaats van directe optimalisatie op kleine expert-data sets, de diagnose-accuraatheid aanzienlijk verbeteren.
Deze studie toont aan dat voor de segmentatie van dicht borstweefsel op kleine datasets CNN-architecturen met volledige fine-tuning, multi-view zelftoezichtende pre-training en een hybride verliesfunctie de beste prestaties en reken-efficiëntie bieden ten opzichte van transformer-modellen en parameter-efficiënte updates.
Deze studie introduceert een robuust, data-gedreven raamwerk dat vijf onderscheidende ruimtelijke subtypen van witte-stofhyperintensiteiten identificeert, die elk uniek geassocieerd zijn met risicofactoren en een betere voorspelling van toekomstige progressie bieden dan het totale laesievolume alleen.