82 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 método de impressão 3D de nível de voxel com filamento duplo que fabrica fantoms de TC personalizados com implantes metálicos incorporados e intensidade de artefato ajustável, permitindo o benchmarking objetivo de algoritmos de redução de artefato metálico e do desempenho de TC espectral.
O FreqFuseNet aborda um descasamento crítico de escala de ativação de 863 vezes na fusão de características de dupla frequência ao normalizar o ramo FcaNet para a escala FFT, permitindo assim uma injeção residual estável de 5% que melhora significativamente a precisão da segmentação de órgãos de risco de cabeça e pescoço de parede fina, mantendo uma arquitetura leve.
Este artigo apresenta um fluxo de trabalho automatizado de ponta a ponta para a geração de manequins multimateriais, impressos em 4D e específicos para cada paciente, que replicam anatomia realista, movimento fisiológico e propriedades de imagem multimodal para permitir a garantia de qualidade independente da radioterapia adaptativa em sistemas MR-Linac de 1,5T.
Utilizando MRSI de cérebro inteiro em 7T de alta resolução, este estudo revela que a esclerose lateral amiotrófica é caracterizada por uma dissociação metabólica entre a perda neuronal seletiva motora e a desregulação glutamatérgica com padrão somatotópico, identificando o Glx/tNAA como um biomarcador sensível e pronto para aplicação em ensaios clínicos.
Este estudo demonstra que um modelo Bottleneck Transformer U-Net (BTU-Net) alcança precisão de nível humano na segmentação automática de defeitos de perfusão vascular em cintilografia V/Q planar, oferecendo uma solução robusta para padronizar o diagnóstico de embolia pulmonar e reduzir a variabilidade interobservador.
Este estudo demonstra que a elastografia harmônica temporal por ultrassom pode quantificar e distinguir simultaneamente os efeitos independentes e sobrepostos da contração muscular voluntária e da restrição do fluxo sanguíneo nas propriedades elásticas e viscosas do músculo esquelético in vivo.
Este artigo apresenta um pipeline de variância gama aberto e reprodutível para análise de perfusão por TC que garante a comparabilidade entre centros por meio da visualização padronizada ASIST-Japão e valida sua precisão e reprodutibilidade de estabilidade de bits usando benchmarks sintéticos com verdade fundamental conhecida.
Este estudo utilizou o conjunto de dados de cabeça móvel UK7T para demonstrar que as medições de RM de 7T da suscetibilidade e do volume dos subcampos hipocampais exibem alta reprodutibilidade em aquisições repetidas, com a variabilidade intra-sujeito sendo significativamente menor do que as diferenças inter-sujeito e os coeficientes de correlação intraclasse excedendo 0,82 para todos os subcampos.
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.