64 artigos
A área de Radiologia e Imagem médica representa os olhos modernos da ciência, permitindo que os profissionais visualizem o interior do corpo humano sem necessidade de cirurgias invasivas. Desde ressonâncias magnéticas detalhadas até tomografias computorizadas rápidas, essas tecnologias são fundamentais para diagnosticar doenças com precisão e planejar tratamentos eficazes. No Gist.Science, buscamos tornar esses avanços compreensíveis para todos, transformando descobertas complexas em informações claras e úteis.
Nesta categoria, você encontrará as mais recentes descobertas provenientes do medRxiv, o principal repositório de pré-publicações médicas. Processamos automaticamente cada novo estudo publicado lá, oferecendo não apenas resumos técnicos aprofundados para especialistas, mas também versões em linguagem simples para que qualquer pessoa possa entender a importância da pesquisa. Abaixo, apresentamos a seleção mais recente de artigos sobre radiologia e imagem que acabaram de chegar ao nosso sistema.
Este artigo apresenta um modelo SAM2 ajustado para segmentação de artérias coronárias em fluoroscopia de raios X que supera significativamente os baselines zero-shot (alcançando um coeficiente Dice de 0,767 no conjunto de dados ARCADE) e demonstra rastreamento robusto de vasos em estudos de vídeo ao distinguir efetivamente artérias de estruturas de confusão como costelas e stents.
Este estudo demonstra que um modelo de aprendizado profundo pode quantificar com precisão a calcificação arterial mamária a partir de mamografias de rastreamento para identificar mulheres com risco cardiovascular elevado, embora a adição deste biomarcador derivado por IA a escores de risco existentes, como o PREVENT, ofereça uma melhoria mínima na discriminação preditiva global.
Este estudo introduz e valida um novo protocolo comparativo focado funcionalmente para avaliar headsets de EEG vestíveis, o qual avalia com sucesso tanto a resolução cognitiva quanto a usabilidade do usuário, oferecendo uma alternativa mais abrangente aos métodos tradicionais de análise agnósticos à função.
Este estudo apresenta uma análise secundária dos dados do ensaio LOSEIT, concebida para avaliar a concordância e equivalência entre uma ferramenta de IA comercialmente disponível e as medições de radiologistas especialistas da largura do espaço articular em radiografias de joelho em carga, com flexão fixa, de pacientes com osteoartrite.
Este estudo demonstra que, embora a correção da inhomogeneidade de B1+ em RM de 7 T melhore consistentemente as métricas de qualidade de imagem, seu impacto nas inferências estatísticas morfométricas é dependente do método, ressaltando a necessidade de correção explícita e pré-processamento customizado para estabelecer biomarcadores confiáveis.
Este estudo demonstra que uma abordagem multimodal combinando o PET com [18F]florbetapir e [18F]flortaucipir com dados de atrofia cerebral derivados de RM melhora significativamente a predição de comprometimento cognitivo na doença de Alzheimer em comparação ao uso de biomarcadores PET isoladamente.
Este artigo demonstra que um algoritmo de combinação de bobinas baseado em Decomposição de Valores Singulares (SVD-B1) aumenta significativamente a precisão e a robustez ao ruído de Mapas de Suscetibilidade Quantitativa em RM de alto campo ao eliminar artefatos e superar métodos convencionais em estudos de cérebro humano in vivo e postmortem.
Este estudo retrospectivo de 66 pacientes adultos em Gujranwala, Paquistão, demonstra que a atrofia cerebral relacionada à idade observada em tomografias computadorizadas sem contraste está significativamente correlacionada com sintomas neurológicos específicos, como fala arrastada, ataxia e dormência, independentemente da idade, apoiando a integração de relatórios padronizados de atrofia na prática de radiologia de rotina em ambientes com recursos limitados.
Este estudo apresenta um novo quadro que utiliza assinaturas cerebrais geométricas derivadas de múltiplas modalidades de neuroimagem para identificar com precisão subtipos distintos da doença de Alzheimer e trajetórias de progressão, superando as características localizadas convencionais em estabilidade e relevância biológica.
Este artigo propõe uma estrutura bayesiana modularizada que combina Árvores de Regressão Aditiva Bayesiana (BART) para modelagem normativa flexível e consciente da incerteza de desvios na Esclerose Múltipla e um modelo de sobrevivência SoftBART para propagar essa incerteza, demonstrando calibração e precisão preditiva superiores às abordagens tradicionais de dois passos em grandes conjuntos de dados clínicos.