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。

该研究提出了一种名为“谱规范建模”（SNM）的新方法，利用脑特征模态克服了传统规范模型在空间分辨率和灵活性上的局限，基于超过 7.8 万份健康脑扫描数据构建了全生命周期的高分辨率皮层厚度生长图谱，并成功应用于揭示阿尔茨海默病中个体化的神经退行性变模式。

该研究利用 UK Biobank 的 MRI 数据，通过结合体积、脂肪分数与 3D 网格形状分析，揭示了臀大肌形态的局部重塑与代谢功能障碍（特别是 2 型糖尿病）之间存在显著的性别特异性关联，表明这种空间分辨的表型分析能提供超越传统全局指标的更精准风险分层和机制洞察。

本文提出并评估了一种基于 DenseNet121 和 Grad-CAM 的可部署深度学习系统，该系统利用公开胸部 X 光数据集训练，能够在离线桌面和移动平台上准确、可解释地检测结核病，为资源受限地区提供了有效的辅助筛查工具。

本研究利用 2024 至 2025 年 FDA 公开的 510(k) 摘要数据，揭示了放射科 AI 设备在低患病率场景下面临的假阳性悖论，指出单纯依赖敏感度和特异度无法反映真实的阳性预测值，并主张通过披露误报率和漏报率等指标，帮助临床医生在伦理、经济和临床层面更合理地选择 AI 系统。

该研究利用“跨扫描仪头部”数据集评估了五种脑 MRI 基础模型嵌入的跨设备可靠性，发现生物学引导的预训练策略（如整合年龄或形态学元数据）能显著提升嵌入的跨扫描仪鲁棒性，使其表现媲美甚至超越传统 FreeSurfer 方法，而纯自监督模型则因受扫描仪身份影响较大而可靠性较差。

该研究对南非东开普省一家三级医院 543 例儿科 CT 扫描的辐射剂量与适应证进行了为期三年的审计，结果显示其辐射水平符合国际安全标准，但发现夜间扫描的剂量略高，因此建议通过加强培训和标准化设置来消除这一差异。

该研究通过结合专家视觉评分与可解释的自动化指标，验证了集成回归模型在跨模态医学图像合成任务中能够有效且透明地评估生成图像质量，为自适应放疗等关键临床应用提供了可靠的质控手段。

这项多数据集验证研究表明，在胸部 X 光 AI 诊断中，技术采集参数（特别是投照体位）对性能差异的贡献远超人口统计学因素，因此呼吁监管框架在评估算法公平性时，必须将采集参数审计与人口亚组分析置于同等重要的地位。

该研究通过多模态 MRI 证据表明，主动的第二语言沉浸式学习能通过改善脑脊液耦合、优化脉络丛结构及增加血管周围流动等多种途径，显著增强大脑类淋巴系统的废物清除功能，从而为双语经验提供神经保护益处。

该研究通过对比标准模型成像（SMI）与扩散张量成像（DTI），证实两者均能有效表征多发性硬化症不同白质组织类别的微观结构异常，且结合两种模型的多模态方法在分类性能上表现最佳。