pulmonary embolism
PulseAugur coverage of pulmonary embolism — every cluster mentioning pulmonary embolism across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
研究发现血管图未能改善肺栓塞风险分层
一项新的研究论文探讨了使用图神经网络（GNN）和血管图进行肺栓塞（PE）风险分层的有效性。该研究利用了一个包含353名患者的私有数据集，发现与血管生物标志物或应用于血管图的GNN相比，传统的病历和心脏生物标志物是更重要的PE风险预测因子。研究结果表明，与预期相反，血管图可能不包含针对此特定临床应用的区分性信息。
-
多模态大语言模型在肺栓塞风险评估方面展现出潜力
研究人员开发了一个用于评估多模态大语言模型（MLLMs）在临床问答中的基准，专门针对肺栓塞（PE）风险评估。该研究使用了包含超过23,000项CTPA研究的INSPECT数据集，并制定了八项诊断和预后任务。结果表明，像Gemma4 E4B和Gemma4 E2B这样的模型在结合电子健康记录（EHR）数据和CTPA图像时表现更好，尤其是在PE诊断方面，优于再入院预测等预后任务。这表明紧凑型多模态模型在早期PE风险检测和解释方面具有强大潜力。
-
AI工具辅助深静脉血栓诊断，凸显患者倡导潜力
一个亲身经历的案例表明，当初步的医疗咨询未能发现问题时，一个基于个人病历训练的人工智能健康工具帮助识别了潜在的深静脉血栓（DVT）。该AI工具标记了该病症，促使该个体前往急诊室进行紧急超声检查，检查结果证实了多处血栓。作者强调AI应作为医疗专业人员的辅助而非替代，并提出AI助手可以通过整理信息和提出关键诊断可能性来赋能患者，使其能够为自己的健康进行倡导。
-
新框架对齐 CT 和 EHR 数据以改进事件发生时间预测
研究人员开发了一个新的跨模态表示对齐框架，用于利用 CT 成像和纵向电子健康记录 (EHR) 改进事件发生时间 (TTE) 预测。这种由基础模型驱动的方法通过在共享的潜在空间中通过各种融合策略对齐数据，解决了模态不平衡和分布偏移等挑战。该框架在不同 TTE 任务的预测准确性方面表现出一致的改进，特别是在肺栓塞死亡率方面，对比多模态融合显示出稳健的结果。
-
人工智能创建数字孪生以提取肺栓塞生物标志物
研究人员开发了一种自动化流程，用于创建患者特异性的肺动脉树数字孪生，以提取与肺栓塞相关的生物标志物。该系统使用人工智能生成的掩码来模拟动脉结构，推导局部和全局生物标志物，并计算 Qanadli 和 Mastora 等严重程度评分。验证结果显示与现有方法高度一致，表明在血栓负荷和分布方面提供快速精确信息的潜力。
-
英杰电气赋能半导体供应链；公元专注于传统管道
公元有限公司表示，公司尚未进入PFA、PVDF及相关组件的生产领域，而是专注于PVC、PPR和PE管件。与此同时，英杰电气宣布其射频电源已整合到国内领先存储公司的供应链中，并应用于半导体制造过程中。该公司正在扩大产能以满足行业增长需求，并与主要的半导体设备制造商和晶圆厂合作。
-
AI公司营收因私募股权交易和补贴面临审查
投资者应谨慎对待人工智能公司报告的收入，因为这些数字可能受到与私募股权公司合作以及咨询服务的政府补贴的影响。此类财务安排可能会掩盖这些企业的真实业绩和盈利能力。在做出投资决定之前，建议对它们的财务状况进行批判性评估。
-
AI分割研究强调PE检测挑战，提供开放权重模型
研究人员发现当前肺栓塞（PE）分割算法存在显著局限性，包括数据集小、可重复性差和比较评估不足等问题。他们的研究对490个CTPA扫描进行了数据集整理和九种分割架构的评估，发现带有ResNet编码块的3D U-Net模型表现最佳。该论文强调，由于任务复杂性和数据稀缺性，远端栓塞仍然特别具有挑战性，并公开了表现最佳的模型架构和权重，以促进可重复性。