单元件超声传感器信号深度学习分析用于乳腺肿块检测:概念验证研究
该研究利用深度学习分析单元件超声传感器信号,旨在区分含有肿块的乳腺区域与正常组织。在200名患者中,通过自由扫查获取信号并重建二维图像,结果显示,与ImageNet初始化相比,使用公共B模式图像预训练的模型在额外验证中表现更佳,尤其对于ViT-B/16模型,优势随训练数据减少而增大。该方法需进一步验证无已知乳腺病变女性群体,以考虑用于筛查。
该研究利用深度学习分析单元件超声传感器信号,旨在区分含有肿块的乳腺区域与正常组织。在200名患者中,通过自由扫查获取信号并重建二维图像,结果显示,与ImageNet初始化相比,使用公共B模式图像预训练的模型在额外验证中表现更佳,尤其对于ViT-B/16模型,优势随训练数据减少而增大。该方法需进一步验证无已知乳腺病变女性群体,以考虑用于筛查。
该研究系统性综述 29 项涉及光电容积脉搏波(PPG)采集与袖带无创血压估算的实验证据,指出接触压力不足会降低光学稳定性并增加运动伪影,压力过大会压缩浅表血管、衰减收缩峰并抑制重搏切迹;由于各研究采用的统计指标不一致,无法对不同信号处理方法进行量化排序。研究还发现目前接触压力的测量、控制与报告存在显著的方法学不一致,并提出标准化压力感知实践以提升可重复性与临床转化。
从1999年到2020年,老年美国成人中恶性黑色素瘤与心血管疾病共病的死亡率上升,男性死亡率显著高于女性,不同种族和地区间存在显著差异。西部地区的死亡率最高,强调了需要针对不同地区的具体干预措施来减轻这一负担。
北京协和医院回顾性分析151例超低出生体重儿(ELBWI)临床资料,积极救治组存活率达88.3%(121/137)。
研究开发了一种增强感知的三维MedNeXt框架,并在多队列设计中评估了其测量准确性和外部有效性。结果显示,自动化分割在多个队列中的表现良好,支持其在乳腺癌研究中的应用。
该研究针对OASIS与Kaggle-Augmented Alzheimer's Dataset(KAAD)两个常用于阿尔茨海默病MRI深度学习的基准进行分析,发现两者均存在显著数据泄漏。
该研究提出一种抗伪影轻量级U形网络ARL-UNet,通过多线索主干估计毛发、反光、气泡和皮纹等采集伪影区域,并在有限参数预算下保留病灶特征;基于ISIC 2017/2018构建含四种临床相关伪影及两个严重程度的可复现 corrupt benchmark 进行评估,课程训练策略在保持清洁域精度的同时提升了污损域的鲁棒性,并在PH2数据集上实现零微调迁移。
研究利用无标记运动捕捉技术,对 224 名 NCAA Division I 棒球投手分析其支撑腿膝盖屈伸模式,识别出两类稳定聚类(n=131 和 n=93)。第二类投手的观察性球速略高(均值差 0.68 mph;p=0.032),但校正快速球亚型后差异不显著(p=0.454)。
研究团队开发了动态模糊编码网络(DFE-Net),通过学习可微模糊隶属度场同时完成脑卒中对 CT 和 MRI 的分类诊断与病灶定位。
报告一例66岁男性多灶性肺乳头状腺瘤,NGS检出ERBIN–BRAF融合及APC p.E1306*变异,术后随访2年总体良好但对侧肺发现小结节需持续监测。文献综述显示既往报道39例肺乳头状腺瘤中8例具恶性潜能,目前尚无标准治疗,建议手术切除后长期随访。
对116名接受全麻择期心导管检查的0–6岁先天性心脏病儿童进行前瞻性诊断准确性研究,以荧光透视为参照,以胸骨上切迹(SSN)可见袖带为标准的超声评估敏感性仅40.4%(95% CI 30.7–50.7),特异性70.6%(95% CI 44.0–89.7),总体一致率44.8%,超出偶然水平的一致性可忽略不计。
研究团队提出XFedChain-IoMT框架,将联邦学习、许可链与可解释AI(SHAP、Grad-CAM++、LIME)结合,用于IoMT环境中的医疗图像分析。
华中科技大学臧剑锋教授、唐瀚川教授团队研发全水凝胶超声超构凝胶贴片(USMP),利用"树年轮"状气室阵列的强背散射效应在常规超声下产生稳定特征信号,可实时监测胃漏,已在兔模型中实现植入后7天以上连续监测(Science Advances)。该贴片由pH响应、可水解降解的生物相容性水凝胶封装,避免传统电子传感器的力学失配与长期滞留风险。
研究团队开发了一种无标记4D成像技术,通过深度自适应分割方法监测肝类器官中脂质滴的变化。不同脂肪酸导致脂质沉积模式不同,有助于代谢研究。
研究通过结合肝动脉和静脉给药方式,对10名患者进行了四次周期性治疗,结果显示强化肝导向PRRT疗法在治疗晚期神经内分泌肿瘤方面有效,部分缓解率从67%提高到87%。
推荐理由:研究探索了一种新的肝导向PRRT疗法,显示了对晚期神经内分泌肿瘤的有效性。
吉林大学第一医院张惠茅教授团队开发了3D MorphStratify模型,通过术前MRI自动判读肝癌大体分型,准确率优于放射科医生。结合常规影像预测因子构建的Morph-CIP模型可有效预测术后复发风险,为HCC预后评估提供新工具。
推荐理由:AI模型实现肝癌大体分型术前识别,有助于预测术后复发风险,为无创预后评估提供新方向。
一项发表于 Scientific Reports 的研究构建了一个结合多图谱解剖与 Grad-CAM 属性图框架,将二元 C2 骨折分类转化为结构化区域排名。在 RSNA 2022 数据集的 101 例确诊骨折中,Ensemble 检测转定位的 micro-Recall@3 为 0.83;齿状突及椎体–侧块–上关节突复合体检索最可靠,横突、后弓和下关节突检索则减弱或不稳定。
研究评估了九种大型语言模型生成膀胱癌mpMRI报告管理建议的能力,发现翻译后的英文报告比原始中文报告在某些模型中表现更好,但也有模型表现不佳。研究强调了模型特定输入条件验证的重要性。
美国国家癌症研究所数据显示,结直肠癌年龄调整发病率从2000年的每10万人55.2例降至2022年的36.7例,但2023年升至38.3例,为20年来首次整体上升,且65–69岁各年龄段均出现增长。
DSCA-Net 是一种用于超声子宫肌瘤分割的深度语义和通道空间注意力网络,通过引入深层语义注意力门模块、通道空间注意力精炼模块和残差特征精炼模块,提高了分割精度。
一项国际研究发现,连续的个性化移动健康指导可以显著降低高风险孕妇的妊娠糖尿病发病率,不依赖于体重变化。该研究使用智能手机应用提供定制健康教练支持,结果显示通过数字健康技术可以改善代谢结果,预防妊娠糖尿病。
推荐理由:展示了数字健康干预在预防妊娠糖尿病方面的有效性,不依赖于体重变化。
研究人员开发了一种血液检测方法,能够准确检测早期乳腺癌并预测复发风险。该方法利用单分子显微镜和荧光标签识别血液中的表观遗传标记,准确率高达95%。该研究为早期乳腺癌的诊断提供了新的工具。
推荐理由:研究团队开发了一种新的血液检测方法,能够准确检测早期乳腺癌并预测复发风险,为临床提供了新的诊断工具。
研究分析了49名成人4周的公开数据,发现穿戴设备单独使用在焦虑评估中的效果有限,加入问卷数据后性能提升不大。在高依从性子集中,穿戴设备的区分能力仍然较弱。研究结果表明,穿戴设备衍生的特征在问卷数据缺失或稀少时可提供辅助信息,但其额外价值有限。
SQCDL-WIoT是一种结合量子卷积、ResNet-50骨干网及SE注意力机制的可扩展深度学习框架,可整合组织病理图像与可穿戴IoT生物信号进行多类乳腺癌筛查。
该研究引入了Universal Report Generation (UNIRG)框架,通过强化学习优化医学影像报告的临床意义质量标准。UNIRG-CXR模型在四个公开数据集上超越了先前模型,特别是在两个测试集上的表现提升了50%以上,同时减少了临床显著错误,保持了对未见过数据源和不同亚组的性能。
53岁女性因发热、皮疹、全身淋巴结肿大与脾大就诊,¹⁸F-FDG PET/CT显示多站淋巴结及骨髓弥漫性高代谢,血清铁蛋白达15,485 ng/mL,初始高度怀疑淋巴瘤。
推荐理由:报道一例血清铁蛋白超过15000 ng/mL且PET/CT呈全身高代谢的成人斯蒂尔病患者,凸显切除活检对避免误诊的价值。
Invisalign 透明 Aligner 治疗中,25 例患者实际实现的横向扩张量显著低于 ClinCheck 方案计划值。多变量回归分析显示,DPR 衍生后牙长度和冠根比均非牙冠水平横向扩张效率的独立预测因素。该研究结果表明透明 Aligner 横向扩张成效受牙齿形态以外的因素影响,需结合其他生物力学考量优化治疗设计。
该研究提出了一种联邦IoMT辅助集成深度学习框架,用于自动化肺部CT分析。该框架结合了IoMT医疗部署架构、联邦学习机制和异构集成迁移学习模型,实现了安全、可扩展且隐私保护的肺部疾病诊断。实验结果显示,该模型在多个性能指标上优于现有方法,分类准确率达到98.96%,支持隐私保护的分布式肺部疾病诊断,促进智能远程医疗服务。
研究发现,肺超声(LUS)可以预测类风湿关节炎(RA)患者间质性肺异常(ILAs)的放射学进展。在12至18个月的随访中,31%的患者出现放射学进展,基线B线数量和B线数量的变化显著预测了进展(AUC分别为0.78和0.82)。研究者认为LUS有助于检测新的ILAs的出现和放射学进展,为未来研究提供了基础。
伦敦癌症研究所与UCL和曼彻斯特大学合作开发的HYPOXiMAP技术,通过MRI显示肿瘤中的低氧区域,帮助临床医生识别可接受较低放疗剂量的患者,减少长期副作用。该技术有望改变放疗计划方式,实现个性化治疗。
推荐理由:介绍了新的MRI技术HYPOXiMAP,可帮助识别需要较低剂量放疗的患者,减少长期副作用。
研究量化了神经周围侵犯密度作为前列腺癌预后标志物的效能,发现高神经周围侵犯密度是独立不良预后因素。基于术前磁共振影像构建的深度学习模型可实现术前无创预测,为个体化诊疗提供新依据。
推荐理由:研究量化了神经周围侵犯密度作为前列腺癌预后标志物的效能,为个体化诊疗提供新依据。
NGU-Net 在脑磁共振成像 (MRI) 数据集上表现出色,优于原始 U-Net 及其变体,实现了更高的准确率和良好的计算效率。该模型通过引入特征精炼块 (FRB) 改进了内部特征分布,提高了训练稳定性。
一项研究表明,使用冠状动脉CT成像而非血管内超声成像可减少心脏支架植入术后的不良事件。另一项研究发现,精神药物mebufotenin对耐药性抑郁症患者有效,但效果不如预期。第三项研究显示,某些HER2阳性早期乳腺癌患者可能无需化疗。
一项新研究显示,社区环境中的影像解读与专家意见高度一致,有助于提升阿尔茨海默病诊断的准确性。研究涉及1,500多份扫描,专家与当地读片者在阳性与阴性结果上的同意率分别为86.6%和91.5%。
推荐理由:研究显示社区环境中的影像解读与专家意见高度一致,有助于提升诊断准确性。
该研究通过回顾性 CBCT 研究了鼻窦解剖变异和腺样体肥大对生长期正畸患者颅面骨骼形态的影响。共纳入 125 名 9-15 岁患者,结果显示这些解剖变异和腺样体肥大与颅面骨骼形态无显著关联(p > 0.05)。
在这项探索性分析中,25 名中重度阻塞性睡眠呼吸暂停患者接受了多级睡眠手术,术前和术后使用深度学习管道进行 CT 扫描分割。手术后,8 个形态参数显著变化,但无术前参数能预测手术反应。该研究提示,自动 CT 分析能可靠量化上呼吸道重塑,但需进一步独立验证。
研究人员结合相机系统和近红外光谱技术,开发了一种混合系统,通过分析相机信号的时间飞行信息,有效监测深层组织的血流变化。实验显示,这种方法能更好地区分浅层和深层组织的血流信号,有助于更准确地评估大脑血供。
该研究介绍了协作式通用-专科AI系统在非对比脑CT工作列表优先级调整中的应用,通过与Coreline Soft Co., Ltd.和JLK Inc.的AI算法合作,提高了影像诊断的效率和安全性。
新英格兰医学杂志报道,计算机断层扫描冠状动脉造影在检测冠状动脉疾病后,能够有效指导临床治疗决策。
本文综述了生成对抗网络、扩散概率模型和Transformer等方法在基于平扫CT生成增强CT图像中的应用,强调了技术面临的挑战和未来发展方向。