computed tomography
PulseAugur coverage of computed tomography — every cluster mentioning computed tomography across labs, papers, and developer communities, ranked by signal.
- instance of cone beam computed tomography 90%
- instance of Cone Beam Ct 90%
- used by head and neck cancer 80%
- instance of magnetic resonance imaging 70%
- used by deep learning 70%
- used by ScienceCast 70%
- instance of nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation 70%
- instance of Gotit.pub 70%
- developed by cone beam computed tomography 70%
- used by X-ray 70%
- used by cone beam computed tomography 70%
- used by polyethylene terephthalate 70%
21 天有情绪数据
-
新的统计形状模型增强了心脏CT数据补全
研究人员开发了一种新的统计形状模型，用于使用计算机断层扫描（CT）数据进行全心心脏补全。该模型包含十一结构，旨在统一来自不同公共队列的心脏形状数据。与深度学习模型相比，一种闭式条件高斯估计器在重建缺失的心脏结构方面表现出优越的性能，实现了更低的平均每顶点误差。
-
LoRA微调MedSAM3仅需少量标注即可实现医学图像分割
一项新研究探讨了使用MedSAM3基础模型进行LoRA微调以实现医学图像分割的有效性。研究人员发现，仅需10个标注病例，经过LoRA适配的模型就能在性能上媲美在更多数据上训练的专业系统。该方法对于现有工具范围之外的心脏分割任务也同样有效，并显著缩短了训练时间。
-
康涅狄格州一家家居装修公司在翻新热潮中开业
康涅狄格州一家家居装修公司已经开业，迎合那些选择翻新现有房产而非搬迁的房主。这一趋势反映了个人投资于现有房屋的更广泛模式。
-
综述发现无监督生成模型在神经影像异常检测方面显示出潜力
一篇发表在arXiv上的系统性范围审查文章，探讨了无监督深度生成模型在神经影像异常检测中的应用。该审查分析了2018年1月至2025年12月期间的33项研究，发现包括自编码器、VAE、GAN和扩散模型在内的模型，在无需详细标注的情况下，在识别大脑异常方面显示出潜力。然而，方法学异质性和有限的外部验证等挑战依然存在，尽管新兴技术旨在提高鲁棒性和临床相关性。
-
新 PiX-MC 框架通过并行处理加速贝叶斯成像
研究人员开发了一个名为 PiX-MC 的新框架，用于加速贝叶斯成像逆问题。该方法利用近端 Langevin 动力学和 Picard 迭代来实现并行处理，显著缩短了计算时间。PiX-MC 特别适用于大规模成像应用，如计算机断层扫描，并在八 GPU 系统上与标准 Langevin 采样器相比，运行时速度提高了 50 倍。
-
新的LiftXR框架从X射线重建CT体积
研究人员开发了LiftXR，一种从双平面X射线图像重建CT体积的新颖框架。该方法通过首先生成3D解剖布局来解决X射线数据的固有歧义，然后该布局指导强度渲染器生成CT体积。重建的CT通过使用边界和强度线索来改进布局的解剖解析器进一步精炼，从而实现区域特定的校准。实验表明，LiftXR优于现有方法，并为分割等下游任务提供了改进的解剖保真度。
-
AI系统对放射学报告进行结构化并改进质量保证
一个新开发的多智能体AI系统用于放射学报告的结构化和质量保证。该系统使用本地大型语言模型和正则表达式规则，成功地将CT检查的发现组织成标准化的解剖学部分。在两位放射科医师的评估中，该系统表现良好，84%的报告在整体质量保证方面被评为“优秀”或“良好”。
-
新的无监督方法改进了CT扫描中的肺结节检测
研究人员开发了一种名为RONALD的新无监督方法，用于分割低剂量CT扫描中的支气管血管束。该技术旨在通过增强结节的可见性来改善早期肺癌的检测，因为结节经常被邻近的血管和气道壁所遮挡。RONALD流程在Duke Lung Cancer Screening (DLCS) 和 Pomeranian 数据集上展示了卓越的性能，与其它分割方法相比，显著提高了结节的保留率。
-
新的TR-GS框架通过t分布高斯泼溅增强稀疏视图CT渲染
研究人员开发了TR-GS，一种用于稀疏视图计算机断层扫描（CT）数据高保真体积渲染的新型框架。该方法利用t分布高斯泼溅基元和射线置信度模型来提高重建精度并减少因投影数据有限而常出现的伪影。TR-GS还结合了置信度引导的3D小波正则化，以增强细节保留和噪声抑制，在合成和真实世界数据集上均显示出优于现有方法的性能。
-
新的 HiGDiff 框架增强了从退化投影中重建 CT 图像的能力
研究人员开发了 HiGDiff，这是一种新颖的前馈分层高斯扩散框架，旨在从严重退化的投影中重建三维计算机断层扫描 (CT) 图像。该方法在空间和细节级别上分解重建过程，首先恢复全局解剖结构，然后精炼局部组织过渡。在包括低剂量 CT 图像和投影数据 (LDCT-PD) 集合在内的基准数据集上的实验表明，HiGDiff 在各种退化场景下实现了最先进的性能，优于现有方法。
-
深度学习模型自动分析癌症患者的CT身体成分
研究人员开发了深度学习模型，用于自动分析结直肠癌患者CT扫描的身体成分。训练了包括GoogLeNet和AlexNet在内的四种架构，以预测骨骼肌面积（SMA）、骨骼肌密度（SMD）、皮下脂肪面积（SFA）和内脏脂肪面积（VFA）。GoogLeNet在SMA上的平均百分比误差为4.96%，AlexNet在SMD上的平均百分比误差为8.12%，通过减少手动分割时间和专业知识，展示了简化临床工作流程的潜力。
-
新的AMPLIFAI数据集将促进AI在肝癌诊断中的应用
研究人员推出AMPLIFAI，一个旨在推动AI模型开发以诊断肝脏病灶中肝细胞癌（HCC）的新数据集。该数据集包含多期腹部CT扫描，并标注了LI-RADS分类和动脉期高增强、廓清和增强包膜等具体特征。通过提供一个大型、公开可用且带有高质量标签的资源，AMPLIFAI旨在克服先前的局限性，并促进在HCC诊断自动化方面的透明、可复现研究。
-
新的4D-SG方法增强了稀疏视角谱CT重建
研究人员开发了一种名为共享结构4D谱高斯表示（4D-SG）的新方法，用于从有限的计算机断层扫描（CT）投影视图重建能量分辨衰减体积。该方法将空间结构学习与光谱衰减变化分离开来，从而能够从离散的光谱测量中获得连续的4D-SG表示。实验表明，4D-SG的性能优于现有的高斯基线方法，在峰值信噪比（PSNR）、结构相似性指数度量（SSIM）和LPIPS等指标上有所提高。
-
AI框架集成LLM和VLM，实现CT扫描的自动化分析
研究人员开发了INFORM-CT，一个集成了大型语言模型（LLMs）和视觉语言模型（VLMs）的新型框架，用于自动化腹部CT扫描中意外发现的检测、分类和报告。该方法使用基于LLM的规划器生成用于分析的Python脚本，然后由采用VLM和分割模型的系统执行。在腹部CT基准数据集上的实验表明，INFORM-CT在管理这些意外发现的准确性和效率方面优于现有的仅VLM方法。
-
MedPlex框架整合临床文本以实现高级医学图像分割
研究人员开发了MedPlex，一个新颖的视语模型框架，旨在通过在整个学习过程中整合临床知识来改进医学图像分割。与以往将文本作为后期提示的方法不同，MedPlex采用了双向融合方法，其中视觉和文本表示共同演化。该框架在CT和MR基准测试中实现了最先进的器官、心脏结构和肿瘤分割结果，即使使用真实临床文本进行训练也是如此。
-
整合图书馆数据或可对抗AI幻觉
AI模型可能会出现幻觉，通过整合图书馆数据有可能缓解这一问题。研究正在探索如何映射BIBFRAME和EDM等标准以促进这种整合。这种方法旨在通过将AI输出建立在图书馆精心策划和结构化的信息基础上，来提高其准确性和可靠性。
-
HounsWorld模型通过多模态患者状态分析推进临床智能
研究人员推出HounsWorld，一个拥有30亿参数的多模态世界模型，专为临床智能设计。该模型处理体积医学影像（如CT扫描）和临床语言，以推断患者的潜在状态。HounsWorld支持患者状态的读取、将状态重建为语言报告，以及模拟CT体积以进行去噪和增强等任务。该项目还包括HounsBench，一个以CT为中心的患者状态分析基准，并在Hugging Face等平台上提供。
-
3D Medical Imaging Segmentation Boosted by Orthogonal Seeding Technique
研究人员开发了一种新的医学影像3D器官分割方法，该方法通过在推理时使用正交种子来提高准确性。该技术应用于Sli2Vol等切片传播模型，同时利用轴状、冠状和矢状平面的信息，而不是仅依赖于单一轴状种子。研究发现，推理时的种子几何形状，特别是其正交性，比训练范式或标注切片数量更关键。与传统的单轴方法相比，该方法在Dice、Normalized Surface Dice和Average Hausdorff Distance等指标上显著提高。
-
新方法从外部软组织几何形状推断隐藏的骨骼地标
研究人员开发了一种新颖的方法，利用计算机断层扫描（CT）从外部软组织几何形状推断隐藏的骨骼地标。这种“表面到骨骼的3D头影测量法”旨在从可见的外部表面估计内部骨骼点，解决了当前3D面部地标定位技术中的一个空白。该研究利用了来自两家医院的CT扫描数据，构建了一个将外部软组织点云与21个骨骼地标配对的协议。在一个独立的患者组中，一个集成的分层点云模型在骨骼地标方面达到了2.97毫米的平均径向误差，在深层或不可见地标方面达到了3.03毫米，…
-
法律文件中使用AI提示注入引发法官命令
一位康涅狄格州法官在法律文件中发现隐藏文本后发出了传票，该文本旨在对人类读者不可见，但对软件可读。这些隐藏文本包含指令，引发了关于在法律文件中使用AI提示注入的伦理问题，无论是为了操纵司法系统还是作为恶作剧。