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.
Deze pilootstudie onder 80 vrouwen toont aan dat het gebruik van een polygenische risicoscore (PRS) de huidige bevolkingsgerichte screeningsrichtlijnen kan verfijnen naar een meer gepersonaliseerde, op risico gebaseerde aanpak voor borstkanker, zonder dat dit leidt tot verhoogde angst bij de deelnemers.
Dit artikel beschrijft het protocol voor een gerandomiseerde gecontroleerde studie in Noorwegen die onderzoekt of een door kunstmatige intelligentie ondersteunde leesstrategie, waarbij het aantal radiologen wordt aangepast op basis van risicoscores, niet-onderdoenlijk is aan de standaard dubbele lezing wat betreft de detectie van borstkanker.
Deze exploratieve studie toont aan dat fotoakoestische beeldvorming een veelbelovende, niet-invasieve biomarker is voor het monitoren van mitochondriale myopathieën door significante verschillen in weefselinhoud tussen patiënten en gezonde vrijwilligers aan te tonen.
Deze studie toont aan dat bij autisme spectrumstoornis abnormale functionele connectiviteit binnen witte-voedingsnetwerken significant correleert met de ernst van sociale symptomen, terwijl connectiviteit tussen witte en grijze stof geen dergelijke associatie vertoont.
Dit onderzoek toont aan dat een op transfer learning gebaseerd nnU-Net-model, getraind op TOF-MRA- en 7T 4D Flow MRI-data, een robuuste en nauwkeurige oplossing biedt voor de geautomatiseerde segmentatie van intracraniale arteriën, waarbij de segmentatiekwaliteit direct de betrouwbaarheid van de daaruit afgeleide hemodynamische kwantificering beïnvloedt.
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.