A clinical pilot study for personalized risk?based breast cancer screening utilizing the polygenic risk score
这项临床试点研究表明,利用多基因风险评分(PRS)对 40-49 岁女性进行风险分层,能够有效指导个性化的乳腺癌筛查策略,且未引发受试者额外的焦虑。
82 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。
这项临床试点研究表明,利用多基因风险评分(PRS)对 40-49 岁女性进行风险分层,能够有效指导个性化的乳腺癌筛查策略,且未引发受试者额外的焦虑。
该论文介绍了“挪威人工智能乳腺 X 线摄影筛查(AIMS Norway)”试验方案,旨在通过一项随机对照试验评估基于 AI 风险分层的单读或双读策略是否能在不降低乳腺癌检出率的前提下,有效应对放射科医生短缺并优化筛查工作流程。
该研究通过对比线粒体肌病患者与健康志愿者的近红外光声成像数据,发现水、脂质与血红蛋白含量的比值存在显著差异,证明了光声成像作为一种无创生物标志物在监测线粒体肌病进展方面的巨大潜力。
该研究利用大规模自闭症队列的静息态功能磁共振成像数据,发现自闭症谱系障碍患者存在显著的白质网络功能连接增强,且白质内部的功能连接异常与社会反应性量表评分呈显著负相关,揭示了白质网络功能失调与社交沟通症状严重程度之间的神经机制联系。
该研究提出了一种基于迁移学习和 3D nnU-Net 的自动分割方法,通过在少量 7T 4D 流动 MRI 数据上微调预训练模型,实现了对颅内动脉的高精度分割,并验证了该方法在横截面积、平均血流量及壁面剪切力等血流动力学量化指标上优于现有模型且与人工参考高度一致。
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。
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。
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。
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。
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。