64 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 kalibratiekader dat gebruikmaakt van axiale projecties en ijle bemonstering om de attenuatiecoëfficiënten van de schedel te optimaliseren, waardoor de nauwkeurigheid van akoestische simulaties en veiligheidsbeoordelingen voor dynamische gefocuste ultrasone neuromodulatie via het temporale venster over 157 subjecten wordt verbeterd.
Deze studie presenteert een robuust hybride CNN-Transformer deep learning-model dat multi-view echografiebeelden effectief integreert om een superieure nauwkeurigheid te bereiken bij het differentiëren tussen goedaardige en kwaadaardige borsttumoren in vergelijking met conventionele single-image analysemethoden.
Deze studie toont aan dat hoewel foundation models voor borstkas röntgenfoto-AI variërende graden van robuustheid vertonen ten opzichte van acquisitieparameters zoals het type opname, hun prestatievoordelen vaak datasetspecifiek zijn en falen in algemene toepassing bij externe validatie, wat onthult dat technische biases blijven voortbestaan ongeacht de modelarchitectuur of trainingsomvang.
Deze systematische review van 31 studies van 2022 tot 2025 toont aan dat deep learning-modellen, met name geavanceerde U-Net-architecturen voor segmentatie en op kenmerken gebaseerde classificatiesystemen voor diagnose, een hoge nauwkeurigheid bereiken bij de analyse van gliomen op multiparametrische MRI, hoewel het vakgebied meer uitlegbare AI vereist om klinisch vertrouwen en adoptie te waarborgen.