DBT-2026, a de-identified publicly available dataset of digital breast tomosynthesis exams with ground truth biopsies
本文介绍了 DBT-2026 数据集，这是一个包含 558 例经去标识化处理的数字乳腺断层合成（DBT）检查、专家标注及临床报告的公开真实世界数据集，旨在促进乳腺癌成像研究。
📄 Category
radiology and imaging
80 篇论文
BUDAPEST: A Fast and Reliable Bayesian Algorithm for TMS Threshold Estimation with an Open-Source GUI and Human Validation
该研究提出并验证了一种名为 BUDAPEST 的贝叶斯自适应算法，它能在约 10 次脉冲内以高准确性和可控的不确定性快速估算经颅磁刺激运动阈值，并通过开源图形界面显著提升了科研与临床应用中的效率与可靠性。
3D-DXA Cortical and Trabecular Parameters; Agreement and Precision Between GE Healthcare Prodigy and iDXA Densitometers
该研究证实，GE Healthcare 的 Prodigy 和 iDXA 骨密度仪在 3D-DXA 皮质骨与松质骨参数测量上具有极强的一致性和相似的短期精确度，表明在使用 3D-Shaper 软件时无需对两种仪器进行额外调整。
Real-Time Detection of Breast Cancer-Related Lymphedema with Shear-Wave Elastography: The Holder-Optimized Elastography Method
该研究提出了一种手持优化的剪切波弹性成像（HOE）方法，通过稳定探头消除手动操作压力干扰，成功将淋巴管阻塞和积液转化为传统方法难以检测的“高流速区”（HVAs），从而实现了乳腺癌相关淋巴水肿的实时、非侵入性监测，尽管其在早期病变检测上仍存在敏感性不足的挑战。
The NLP-to-Expert Gap in Chest X-ray AI
本文揭示了胸部 X 光 AI 模型在自动 NLP 标注与专家诊断之间存在显著泛化差距，并指出通过冻结预训练骨干网络、限制训练轮次及采用正则化策略而非直接优化小样本验证集，可有效弥合该差距并将 ROC-AUC 从 0.823 提升至 0.917，超越斯坦福官方基线。
Heterogeneity, Longitudinal Decline, and Metabolic Risk in MRI-Based Quantification of 20 Individual Hip and Thigh Muscles
该研究开发了一种基于深度学习的自动化框架，对 UK Biobank 中 1 万余人的 20 块髋部和大腿肌肉进行 MRI 定量分析，揭示了肌肉体积与脂肪浸润在解剖结构、性别及 2 型糖尿病中的显著异质性，为大规模研究肌肉衰老和代谢疾病提供了可扩展的平台。
Segmentation of metabolically relevant adipose tissue compartments and ectopic fat deposits
该研究提出了一种基于深度学习的自动分割模型，用于从全身体 Dixon 磁共振成像中分割 19 种代谢相关的脂肪组织隔室和异位脂肪沉积，并公开了相关的后处理代码以计算脂肪体积和百分比。
Structural brain alterations and their associations with inattentive and hyperactive/impulsive behaviors show sex-differentiated patterns in young adults with chronic sports-related mild traumatic brain injury
该研究揭示了年轻慢性运动性轻度脑损伤患者在灰质和白质结构改变及其与注意力、多动/冲动症状的关联上存在显著的性别差异，具体表现为男性患者顶叶皮层增厚与注意力缺陷相关，而女性患者特定白质纤维束的完整性恢复则有助于维持抑制控制。
Deep Neural Patchworks Predict Renal Imaging Biomarkers from Non-Contrast MRI via Knowledge Transfer from Arterial-Phase Contrast-Enhanced MRI
该研究通过从动脉期对比增强 MRI 向非增强 MRI 进行知识迁移，利用深度神经网络实现了从常规非增强 T1 加权 MRI 中准确提取肾脏容积生物标志物，尽管在皮髓质分区体积估算上存在系统性偏差且表面积估计仍具挑战性。
CT-based Automated Volumetry as a Biomarker of Global and Split Renal Function in Living Kidney Donors
这项研究证实，基于 CT 的完全自动化肾脏亚区分割技术能够生成可重复的体积生物标志物，其皮层体积与整体肾功能及分肾功能均表现出显著相关性，有望作为活体肾供体评估的有效工具。
End-to-End PET/CT Interpretation and Quantification with an LLM-Orchestrated AI Agent: A Real-World Pilot Study
这项研究开发并验证了一个由大语言模型编排的自主智能体，能够在全自动流程中完成从原始 PET/CT 数据到结构化报告生成的端到端任务，在 170 例肺癌患者中实现了 100% 的原发灶检出率，但淋巴结和远处转移的评估仍存在系统性局限，表明其目前更适合作为专家监督下的协作工具。
Benchmarking Transfer Learning for Dense Breast Tissue Segmentation on Small Mammogram Datasets
该研究针对标注稀缺的乳腺影像数据，通过基准测试发现 CNN 架构配合多视图自监督预训练、混合损失函数及全量微调策略，能在有限的计算成本下显著提升致密乳腺组织的分割精度与校准度，为小样本医学影像分析提供了实用的优化方案。
Location patterns and longitudinal progression of white matter hyperintensities
该研究利用大规模多队列数据构建了一个稳健的数据驱动框架，成功识别出五种具有不同临床风险特征和纵向进展预测价值的脑白质高信号空间亚型，证明了空间分布特征在脑血管病风险分层和个性化管理中优于单纯的病变总量。
Carotid plaque dynamic contrast-enhanced magnetic resonance imaging normalised signal intensity reproducibly differs between plaque and vessel wall
该研究表明，基于骨骼肌归一化的简化动态对比增强磁共振成像（DCE-MRI）方法能够可重复地显示颈动脉斑块核心信号强度显著高于远端血管壁，且该方法在六个月内具有良好的一致性，未受低剂量秋水仙碱治疗的影响。
Quality versus quantity of training datasets for artificial intelligence-based whole liver segmentation
该研究表明，在基于人工智能的全肝分割任务中，小规模的高质量标注数据集在核心性能指标上可媲美大规模混合质量数据集，但后者在模型泛化能力和局部细节优化方面更具优势，因此数据质量与数量的权衡需根据具体目标而定。
Detection of Perivascular Spaces at the Gray-White Matter Interface Using Heavily T2-weighted MRI at 7T
该研究利用 7T 高场强 MRI 优化的重 T2 加权序列，成功实现了对健康个体中皮层及灰白质交界区血管周围间隙的高分辨率检测与定量分析，为相关神经系统疾病的诊断和预后研究奠定了基础。
Signal change of cerebrospinal fluid with eye drops of O-17-labeled saline
这项研究通过向健康受试者滴注 O-17 标记盐水并利用 MRI 成像，证实了房水可通过视神经周围途径流入脑脊液，从而为评估非传统房水引流路径及眼部类淋巴系统提供了非侵入性方法。
Comparing Modelling Architectures in the context of EGFR Status Classification in Non Small Cell Lung Cancer
本研究利用 TCIA 数据集对比了放射组学、对比学习和卷积深度学习等建模架构在非小细胞肺癌 EGFR 突变状态预测中的表现，发现融合放射组学与临床特征的模型效果最佳（AUC 0.790），并进一步探讨了该技术在临床转化中的应用场景与挑战。
On the assessment of deep-learning based super-resolution in small datasets of human brain MRI scans
该研究通过对比三种评估策略在小型人脑 MRI 数据集上的表现，发现 k 折交叉验证在评估精度、稳定性和计算可行性之间取得了最佳平衡，是评估深度学习超分辨率模型最适宜的方法。
Parsing Neurometabolic Signatures of Multiple Sclerosis with MRSI and cPCA
该研究通过结合多发性硬化症患者脑谱成像数据与对比主成分分析（cPCA）等机器学习方法，成功过滤了噪声与伪影，提取出具有临床意义的神经代谢特征，从而将难以解读的MRSI数据转化为可测试的神经代谢表征。