AI End-to-End Radiation Treatment Planning Under One Second
该论文介绍了一种名为 AIRT 的端到端深度学习框架,它能在单块 Nvidia A100 GPU 上不到一秒的时间内,直接从 CT 图像和结构轮廓生成前列腺 VMAT 放疗计划,并在靶区覆盖度和器官保护等关键指标上展现出与 RapidPlan Eclipse 相当的非劣效性。
33 篇论文
该论文介绍了一种名为 AIRT 的端到端深度学习框架,它能在单块 Nvidia A100 GPU 上不到一秒的时间内,直接从 CT 图像和结构轮廓生成前列腺 VMAT 放疗计划,并在靶区覆盖度和器官保护等关键指标上展现出与 RapidPlan Eclipse 相当的非劣效性。
该论文提出了一种基于旋转不变图消息传递的图神经网络,通过利用物理对称性构建归纳偏置,实现了在无需重新训练的情况下,从任意未见过的真实世界采集协议中准确估计大脑微观结构,从而推动了学习式微结构映射向临床应用的迈进。
该论文提出了名为 MRI2Qmap 的即插即用定量重建框架,通过利用在大规模常规加权 MRI 数据上预训练的深度学习去噪先验,解决了磁指纹成像(MRF)等加速参数映射技术因缺乏定量真值数据而难以训练的问题,并实现了无需真实定量数据即可在高度加速的 3D 全脑扫描中取得优异的重建效果。
该研究首次利用临床批准的铁氧体纳米颗粒和人体尺度扫描仪,实现了无辐射的人体活体磁粒子成像血管造影,成功可视化上肢静脉灌注并展示了其作为临床血管成像新模态的潜力。
该研究通过直接测量发现线性加速度比旋转加速度更能准确预测脑震荡,并据此提出了一种新型液体减震头盔技术,有望将脑震荡风险降低高达 73%。
本文提出了一种名为 sFRC 的新方法,即通过在深度学习医学图像恢复输出的小补丁上执行傅里叶环相关分析并扫描其与参考图像的对应关系,以有效检测并量化由欠采样数据引起的幻觉伪影,从而评估不同重建方法的鲁棒性。
本文利用 HUPA-UCM 数据集评估了多种基于 LSTM、GRU 和 Transformer 架构的血糖预测模型,发现结合证据输出层的 Transformer 模型在预测精度、不确定性校准及临床风险评估方面表现最优,证明了将不确定性量化集成到实时血糖预测系统中的价值。
本文提出了名为 ICHOR 的自监督预训练方法,利用基于 3D 掩码自编码器的视觉 Transformer 在大规模多中心 ASL CBF 数据集上进行训练,显著提升了在多种下游诊断分类及图像质量预测任务中的表现,有效克服了 ASL 成像中数据标注稀缺和跨站点差异带来的挑战。
该研究评估了埃塞俄比亚四家医院的辐射防护系统实施状况,发现尽管控制室和候诊区的辐射剂量符合标准,但 X 光室在设备运行期间存在严重的高辐射暴露问题,主要归因于防护实践不足,因此亟需加强人员培训、更新监测设备并设立辐射防护顾问。
本文提出了一种基于物理信息神经网络的框架,通过整合非线性各向异性本构模型与力学控制方程,利用可测量的形变数据非侵入式地重建了心脏三维激活动力学、主动张力传播及压力分布,为心律失常评估和患者特异性数字表型分析提供了新的计算途径。
该研究提出了一种基于傅里叶神经算子的代理模型,能够在秒级时间内以蒙特卡洛精度快速预测质子治疗中的质子输运及非各向同性中子产额,从而为实时自适应质子射程验证系统提供了高效的解决方案。
本文综述了腹壁生物力学在腹股沟疝发生、诊断及修复中的关键作用,强调通过整合定量力学框架与个性化手术策略(如选择轻质补片和改良缝合技术),可优化力学匹配并改善患者预后。
该研究提出了一种基于实时 3D CMR-MOTUS 技术的连续心室容积量化方法,通过从自由运行数据中联合重建运动场和参考图像,成功实现了对心律失常(特别是室性早搏)患者逐搏心功能(如射血分数)的无伪影评估,揭示了传统心电门控成像无法捕捉的血流动力学异质性。