PSMA PET/CT for Assessment of Recurrent Prostate Cancer
PulseAugur coverage of PSMA PET/CT for Assessment of Recurrent Prostate Cancer — every cluster mentioning PSMA PET/CT for Assessment of Recurrent Prostate Cancer across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的SAILS方法利用空间图谱改进前列腺癌转移灶检测
研究人员开发了一种新颖的方法，通过将人群转移灶图谱整合到训练过程中，来分割全身PSMA PET/CT扫描中的前列腺癌转移灶。这种名为SAILS（Spatial Atlas-Informed Loss enSemble）的方法使用空间图谱统计数据来加权损失函数，从而提高病灶检测能力并减少漏诊的转移灶体积。虽然SAILS在AutoPET III和Deep-PSMA数据集上均显示出病灶敏感性和高风险骨转移灶分割的显著改进，但它也导致了假阳性的增加。
-
新的PET配准方法增强了癌症体积和糖酵解追踪
研究人员开发了一种新的纵向全身PSMA PET/CT扫描配准方法，为Learn2Reg 2026 PSMAReg挑战赛改编了LapIRN架构。他们的方法结合了仿射预配准、多模态可变形配准和测试时实例优化。关键创新包括用于代谢肿瘤体积（MTV）和总病灶糖酵解（TLG）的PET生物标志物保留损失，以及基于雅可比行列式的约束和特定结构刚度正则化，在分割准确性和生物标志物误差方面取得了有竞争力的结果。
-
统一视觉语言模型增强PSMA PET/CT分析
研究人员开发了一种新颖的统一视觉语言模型，旨在增强前列腺癌管理中PSMA PET/CT扫描的分析。该模型将报告生成、视觉问答和病灶分割整合到一个单一架构中。与现有模型相比，它在报告生成和病灶分割任务上表现出卓越的性能，为解读这些医学影像提供了一种更全面、更具交互性的方法。