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。

本研究表明，超声时谐弹性成像能够同时量化并区分自主肌肉收缩与血流限制对体内骨骼肌弹性及粘性属性所产生的独立效应与叠加效应。

本文介绍了一种开放且可复现的伽马变量（gamma-variate）CT灌注分析流程，该流程通过标准化的 ASIST-Japan 可视化确保了跨站点可比性，并通过具有已知真值的合成基准测试验证了其准确性和位稳定（bit-stable）的可复现性。

本研究利用 UK7T 行走式磁头数据集证明，7T MRI 测量的海马亚区磁化率和体积在重复采集中表现出高度的可重复性，其受试者内变异性显著低于受试者间差异，且所有亚区的组内相关系数均超过 0.82。

本文提出了一种针对 X 射线荧光透视下冠状动脉分割而微调的 SAM2 模型，该模型显著优于零样本基准模型（在 ARCADE 数据集上达到了 0.767 的 Dice 分数），并通过有效地将动脉与肋骨和支架等干扰结构区分开来，展示了在视频研究中鲁棒的血管追踪能力。

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。