Digital Imaging and Communications in Medicine
PulseAugur coverage of Digital Imaging and Communications in Medicine — every cluster mentioning Digital Imaging and Communications in Medicine across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
医疗AI带来传统健康IT之外的新隐私风险
医疗AI系统在推进诊断和患者护理的同时，引入了传统健康IT安全措施无法解决的新型隐私风险。这些模型即使在数据被去标识化后，也可能通过其学习模式、模型权重和输出来无意中泄露敏感的患者数据。现有的HIPAA等法规对于这些自适应模型来说是不够的，因此需要转向将隐私直接设计到AI系统、数据管道和合同协议中。
-
华硕 ProArt PA27USD OLED 显示器融合专业色彩准确度与游戏速度
华硕 ProArt PA27USD 是一款 27 英寸 QD-OLED 显示器，在专业色彩关键工作和高速游戏方面均表现出色。它开箱即提供近乎完美的色彩准确度、内置校色仪和广色域显示，非常适合创意专业人士。此外，它还具备 240 Hz 刷新率和 Adaptive-Sync，为专业显示器提供了难得的流畅响应式游戏体验。尽管功能丰富且性能强大，但在专业显示器市场中，这款显示器被认为物有所值。
-
医学影像AI易受未监控的采集状态变化影响
一项新的研究论文强调了医学影像AI中一个关键的、未被监控的变量：采集状态。研究表明，即使在患者和采集参数完全相同的情况下，重建核（reconstruction kernels）的变化也会显著改变AI测量的结节大小，甚至改变分类类别。这种对标准DICOM元数据不可见的“不稳定性”会根据噪声和频率内容的不同程度地影响检测置信度和测量可靠性，因此需要进行面向采集状态的验证才能获得AI认证。
-
新架构将放射学报告发现与证据联系起来
研究人员提出了一个新的结构化放射学报告参考架构，该架构将证据直接链接到报告内容。这个人工监督的系统旨在提取和组织结构化信息，例如测量值和病灶标识，这些信息通常在自由文本中丢失或分散在各种系统中。该框架集成了考试特定模板、AI辅助起草和互操作性标准，以支持审查报告、纵向比较以及与企业影像工作流程的集成。
-
新的AI框架整合图像和元数据用于DICOM分类
研究人员开发了一个新的多模态框架，用于对DICOM图像序列进行分类，整合了图像内容和采集元数据。该方法使用双向跨模态注意力机制和一个元数据编码器，该编码器在不进行插补的情况下处理缺失或不一致的数据。该系统旨在管理可变的序列长度和图像尺寸，在领域内和领域外评估中均表现出优于现有方法的性能。
-
Jneopallium 项目整合多种协议用于模型构建
Jneopallium 项目发布了更新，展示了其使用各种数据协议和标准构建模型的能力。这些更新展示了与 OpenTelemetry、HL7 FHIR、带 Sparkplug B 的 MQTT、Apache PLC4X 和 DICOM 的集成。该项目的代码库可在 GitHub 上公开获取，表明其专注于为自主系统进行开源开发。
-
AI利用新的FAST和SFP技术高效分析压缩CT扫描
研究人员开发了一个名为CT-Lite的新框架，能够对压缩的胸部CT扫描进行AI分析，解决了医学成像数据的计算负担问题。该系统利用特征注意力风格迁移（FAST）从降质图像中提取特征，并利用结构化因子分解投影（SFP）来减少模型参数。这种方法允许在压缩数据上进行基于AI的胸部异常检测，与未压缩扫描相比，性能下降极小。