radiology and imaging 篇论文

医学影像与放射学是洞察人体内部的“透视眼”，利用 X 光、CT 或磁共振等技术，让医生无需开刀就能看清骨骼、器官乃至细微病变。这一领域不仅关乎疾病的早期发现，更直接指导着精准治疗方案的制定，是连接临床诊断与科学突破的关键桥梁。

在 Gist.Science 上，我们直接从 medRxiv 获取该领域最新的预印本论文，确保您能第一时间接触到前沿研究。我们的团队会对每一篇新论文进行处理，提供通俗易懂的科普解读以及详尽的技术总结，帮助您跨越专业术语的障碍，轻松理解最新的影像诊断进展。

以下为您整理的该类别下最新发布的论文列表，欢迎查阅。

这项前瞻性随机交叉研究表明，厂商集成的 AI 软件显著提高了超声科医生在进行腹部超声检查时的操作效率，并降低了其心理需求与体力消耗，尽管时间节省的幅度因操作者而异，且该技术是对工作流的重塑而非消除。

本研究表明，使用带有 EEG 电极的 CT 图像以及扩展的亨斯菲尔德单位（Hounsfield unit）范围，能为同步 PET/EEG 成像提供最准确的衰减校正，与不含电极的扫描相比仅引入了微小的系统性偏差，而金属伪影减少技术带来的额外收益极小。

这项跨数据集分析表明，尽管 BLEU 和 ROUGE 等标准自动化指标对文本变化高度敏感，但它们无法区分具有临床意义的错误，而 CheXbert 尽管整体表现仅为中等水平，却是评估放射学报告质量最一致的指标。

这项回顾性研究表明，将低秩自适应（LoRA）应用于冻结的 Rad-DINO ViT-B/14 基础模型，提升了在 NIH ChestX-ray14 数据集上的多标签分类性能，同时明确指出由于此前已接触过测试标签，所报告的结果是描述性的而非证实性的，并强调了指标对反事实标签翻转分析的敏感性。

作者介绍了 CT ECV Mapper，这是一个开源的 3D Slicer 应用程序，能够利用常规单能多相 CT 对肝脏及肝脏肿瘤进行体素级细胞外体积分数制图的交互式和无人值守批量处理，并在大型公共数据集上证明了其高度的可行性和稳健的质量控制。

这项多中心前瞻性研究验证了一种基于仅病灶教师模型的报告引导半监督学习框架（RG-SSL-LOC）用于双参数 MRI，证明了其在病灶分割方面的优越性，以及在临床显著性前列腺癌病例级检测方面的鲁棒性，与现有方法相比，该框架显著增强了多模态诊断能力并减少了不必要的活检。

本文介绍了 RCC-AID，这是一个公开可用的数据集，包含来自 91 名肾细胞癌患者的 129 份经专家标注的增强 CT 扫描图像，旨在解决公开病灶标注稀缺的问题，并促进医学成像领域可复现的 AI 研究。

BioDeformUNet 是一种深度学习模型，它实现了接近实时的、具有生物力学信息的肝脏图像配准，其准确度可与传统的生物力学算法相媲美，同时在推理时间上实现了 34 倍的加速，以促进对最小消融边缘的高效术中评估。

这项针对122名参与者的探索性神经影像学研究表明，严重的长新冠症状（包括类震颤感和神经肌肉疲劳）可能与乳头体-穹窿-下丘脑界面以及相连的脑干-小脑通路处的结构和微结构异常有关，尽管这些发现仍需通过前瞻性复制研究以建立因果机制。

本研究表明，长轴向视野 PET 系统的定量准确性主要取决于缺陷探测器模块的空间分布而非仅仅是其数量，揭示了稀疏缺陷在较高数量下仍可容忍，而集群缺陷会导致显著的局部偏差，从而支持通过重新评估质量控制阈值来平衡系统运行时间与诊断可靠性。