Resource-Aware Conditional Diffusion for CT-to-PET Translation Supporting Rural Oncology Imaging
该研究提出了一种面向农村医疗场景的资源感知型条件扩散框架，通过从 CT 扫描生成合成 PET 图像，在降低基础设施依赖的同时有效保留了肿瘤代谢生物标志物，从而支持欠发达地区的公平化肿瘤筛查。
📄 Category
radiology and imaging
52 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。
Quantitative Dixon-Based PDFF and R2* Estimation and Optimization on MR-Simulation and MR-Linac Devices for the Pelvis and Head and Neck: A Prospective R-IDEAL Stage 0-2a Study
这项前瞻性研究通过对比 1.5T 和 3T MR 模拟机及 1.5T MR-Linac 上 2/3/6 点 Dixon 序列在骨盆和头颈部的表现，证实了 6 点 Dixon 序列在几何失真、定量一致性、重复性及可重复性方面均优于其他序列，为放疗中骨髓脂肪定量（PDFF）和 R2* 的精准评估提供了优化方案。
Technical Development and Implementation of 3D-QALAS on a 1.5T MR-Linac for the Brain: A Prospective R-IDEAL Stage 0/1 Technology Development Report
该研究证实了 3D-QALAS 技术在 1.5T MR-Linac 上的技术可行性，能够在约 7 分钟内获取全脑 1 毫米各向同性分辨率的定量 T1、T2 和 PD 图谱及合成图像，为头颈部自适应放疗工作流中整合定量成像生物标志物提供了新机遇。
Impact of Image Bit Depth Reduction on Deep Learning Performance in Chest Radiograph Analysis: A Multi-institutional Study
这项多中心研究表明，将胸部 X 光图像从 16 位降至 8 位并不会显著影响深度学习模型在性别、年龄和肥胖分类任务中的性能，从而证实了 8 位图像在医学影像深度学习应用中可安全使用以提升存储和处理效率。
Mask-aware foundational-model embeddings for 18F-FDG-PET/CT Prognosis in Multiple Myeloma
该研究提出了一种利用医学基础分割模型（MedSAM2）内部记忆状态生成掩码感知嵌入的方法，通过融合 PET/CT 影像与临床数据，显著提升了多发性骨髓瘤患者无进展生存期的预后预测性能。
The Effects of External Laser Positioning Systems for MRI Simulation on Image Quality and Quantitative MRI Values
该研究证实，在 MRI 模拟过程中开启外部激光定位系统（ELPS）会引入电子噪声，导致使用集成体线圈时信噪比显著下降并影响几何畸变检测及图像均匀性，尽管对定量 MRI 数值的一致性影响较小，但仍建议在成像期间关闭该系统以保障图像质量。
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。
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。