63 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。
这项研究表明，深度学习模型可以准确地从筛查乳腺钼靶影像中量化乳动脉钙化，以识别具有高心血管风险的女性，尽管将这一 AI 衍生的生物标志物添加到现有的风险评分（如 PREVENT）中，对整体预测判别能力的提升微乎其微。
本研究引入并验证了一种用于评估可穿戴脑电图（EEG）头戴设备的全新功能导向型比较方案，该方案成功评估了认知分辨率与用户可用性，同时为传统的、与功能无关的分析方法提供了一种更全面的替代方案。
本研究对 LOSEIT 试验数据进行了二次分析，旨在评估一款商用人工智能工具与放射科专家在骨关节炎患者负重、固定屈曲位膝关节 X 线片上进行的关节间隙宽度测量值之间的符合度与等效性。
本研究表明，虽然 7 T MRI 中的 B1+ 不均匀性校正能持续改善图像质量指标，但其对形态测量统计推断的影响取决于具体方法，这强调了进行显式校正和定制化预处理对于建立可靠生物标志物的必要性。
本研究表明，将 [18F]florbetapir 和 [18F]flortaucipir PET 成像与 MRI 衍生的脑萎缩数据相结合的多模态方法，与仅使用 PET 生物标志物相比，显著提高了对阿尔茨海默病认知障碍的预测能力。
本文表明，一种基于奇异值分解的线圈组合算法（SVD-B1）通过消除伪影，在提高高场强 MRI 定量磁化率图的准确性和噪声鲁棒性方面具有显著作用，并在体内及离体人类大脑研究中均优于传统方法。
这项针对巴基斯坦古吉兰瓦拉66名成年患者的回顾性研究表明，在非增强CT扫描中观察到的与年龄相关的脑萎缩与特定的神经系统症状（如言语不清、共济失调和麻木）显著相关，且这种关联独立于年龄因素，从而支持在资源有限的环境中将标准化的萎缩报告纳入常规放射学实践。
本研究引入了一种新颖的框架，该框架利用源自多种神经影像模态的几何脑特征来准确识别不同的阿尔茨海默病亚型和进展轨迹，其在稳定性和生物学相关性方面优于传统的局部特征。
本文提出了一种模块化贝叶斯框架，该框架结合贝叶斯加法回归树（BART）以进行灵活且具备不确定性感知能力的多发性硬化症偏离规范建模，并采用 SoftBART 生存模型来传播这种不确定性，从而在大型临床数据集中展现出优于传统两步法的校准能力和预测精度。
本文基于专家共识，提出肾动态对比增强（DCE）MRI 临床转化的技术建议，旨在通过由国际专家小组参与的改良德尔菲法来规范方案并提高跨中心可比性。