📄 Category

radiology and imaging

97 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.

📄 radiologie en beeldvorming

Report-Guided Semi-Supervised Learning for Scalable Prostate Cancer Detection on Biparametric MRI: Multicenter Prospective Validation and Multimodal Integration

Deze multicenter prospectieve studie valideert een rapportgestuurd semi-supervised learning framework met een lesion-only teacher model (RG-SSL-LOC) voor biparametrische MRI, waarbij superieure laesiesegmentatie en robuuste casusniveau detectie van klinisch significante prostaatkanker wordt aangetoond die de multimodale diagnose aanzienlijk verbetert en onnodige biopten vermindert vergeleken met bestaande methoden.

Calado, A., de Almeida, J. G., Verde, A. S. C., Tsiknakis, M., Marias, K., Regge, D., Papanikolaou, N., ProCAncer-I Cons (…)2026-08-07
📄 radiologie en beeldvorming

RCC-AID: Renal Cell Carcinoma AI Dataset for Medical Imaging Research

Dit artikel introduceert RCC-AID, een openbaar beschikbare dataset bestaande uit 129 door experts geannoteerde contrastversterkte CT-scans van 91 patiënten met niercelcarcinoom, ontworpen om het tekort aan publieke laesie-annotaties aan te pakken en reproduceerbaar AI-onderzoek in medische beeldvorming te bevorderen.

de Boer, S., Häntze, H., Ziegelmayer, S., Russo, T., van Ginneken, B., Prokop, M., Bressem, K. K., Hering, A.2026-08-05
📄 radiologie en beeldvorming

BioDeformUNet: A Deep Learning Model for Biomechanically Informed Liver Image Registration

BioDeformUNet is een deep learning-model dat bijna real-time, biomechanisch geïnformeerde registratie van leverbeelden bereikt met een nauwkeurigheid die vergelijkbaar is met traditionele biomechanische algoritmen, terwijl het een 34-voudige versnelling in inferentietijd biedt om een efficiënte intraprocedurale evaluatie van minimale ablatieranden te faciliteren.

Zhang, X., OConnor, C., Castelo, A., Woodland, M., Daoud, B., Paolucci, I., Albuquerque, J., Altaie, M. A., Siddiqi, N. (…)2026-08-05
📄 radiologie en beeldvorming

The Mammillary Body-Fornix Gate in Long COVID An exploratory structural and diffusion MRI study of tremor-like symptoms, internal vibrations, and neuromuscular fatigue

Deze exploratieve neuroimagingstudie van 122 deelnemers suggereert dat ernstige Long COVID-symptomen, waaronder tremor-achtige sensaties en neuromusculaire vermoeidheid, geassocieerd kunnen zijn met structurele en microstructurele abnormaliteiten bij de mammillaire lichaam-fornix-hypothalamus-interface en verbonden hersenstam-cerebellaire paden, hoewel de bevindingen prospectieve replicatie vereisen om causale mechanismen vast te stellen.

Ziaja, C. P., Young, S. Y., Stark, M. S.-C., Zurek, G., Sedlacik, J., Wright, F. M.2026-08-03
📄 radiologie en beeldvorming

Robustness of Long Axial Field-of-View PET to Defective Detector Blocks: Impact on Quantitative Accuracy

Deze studie toont aan dat de kwantitatieve nauwkeurigheid van long axial field-of-view PET-systemen primair wordt bepaald door de ruimtelijke distributie van defecte detectorblokken in plaats van enkel door hun aantal, waarbij wordt onthuld dat verspreide defecten in hogere aantallen draaglijk zijn terwijl geclusterde defecten significante gelokaliseerde biases veroorzaken, wat daarmee een herwaardering van kwaliteitscontrole-drempelwaarden ondersteunt om de systeembeschikbaarheid af te wegen tegen de diagnostische betrouwbaarheid.

Lan, W., Vrakidis, K. D., Bharkhada, D., Linder, P. M., Yaqub, M. M., la Fougere, C., Boellaard, R., Schmidt, F.2026-07-31
📄 radiologie en beeldvorming

Dual-Filament 3D Printing of Patient-Specific CT Phantoms with Embedded Implants and Tunable Metal-Artifact Intensity

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.

Pasyar, P., Mei, K., Im, J. Y., Roshkovan, L., Geagan, M., Noël, P. B.2026-07-20
📄 radiologie en beeldvorming

FreqFuseNet: Resolving Feature-Scale Mismatch in Dual-Frequency Fusion for Thin-Wall Head-and-Neck OAR Segmentation

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.

Chen, W.-Y., Wan, S.-Y., Lin, G.-Y.2026-07-13
📄 radiologie en beeldvorming

Automated Design of Patient-Specific 4D-Printed Phantoms for Quality Assurance of Adaptive Radiotherapy on a 1.5T MR-Linac

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.

Hamkins, H. M., Tam, K. H., Sobremonte, A., Jogi, S., Koay, E., Hassanzadeh, C., Segars, P., Tyagi, N., Subashi, E.2026-07-13
📄 radiologie en beeldvorming

Glutamine and NAA dissociate in ALS across somatotopically defined motor regions using 7T MRSI

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.

Eftekhari, Z., Tu, S., Ballard, T., Eckstein, K., Strasser, B., Niess, F., Hingerl, L., Bogner, W., Kiernan, M. C., Hend (…)2026-07-13
📄 radiologie en beeldvorming

Artificial Intelligence-Enabled Detection of Vascular Perfusion Defects on Ventilation/Perfusion (V/Q) Scintigraphy for Pulmonary Embolism

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.

Jabbarpour, A., Moulton, E., Kaviani, S., Zeng, W., Ghassel, S., Akbarian, R., Couture, A., Roy, A., Liu, R., Al-ali, Y. (…)2026-07-08