X-ray
PulseAugur coverage of X-ray — every cluster mentioning X-ray across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
MedSAM-3 通过文本提示和 LLM 代理增强医学图像分割
研究人员推出了 MedSAM-3，这是一款专为医学图像分割设计的新模型，它利用文本提示来精确靶向解剖结构。通过使用医学图像和概念标签对 Segment Anything Model (SAM) 架构进行微调，MedSAM-3 实现了开放词汇分割。该模型还包含一个代理框架，集成了多模态大型语言模型 (MLLM)，用于复杂推理和迭代优化，在各种医学成像模式上的表现优于现有模型。
-
新的CORAL框架通过可解释的推理增强了医学报告生成
研究人员开发了CORAL，一个新颖的多模态框架，旨在提高从医学影像数据生成报告的可解释性和准确性。该框架集成了空间定位和概念级监督，实现了更符合临床的推理过程。CORAL利用提示驱动的分割模型进行病灶定位，并使用概念瓶颈模块预测临床属性，然后将这些信息输入多模态大语言模型（MLLM）以生成结构化报告和诊断。在BUS-CoT和IU X-ray数据集上的实验表明，CORAL在诊断准确性和报告质量方面优于现有的MLLM。
-
亚马逊Prime Video通过“Shop the Scene”功能整合购物
亚马逊为其Prime Video服务推出了一项名为“Shop the Scene”的新功能，允许观众购买屏幕上看到的商品，例如演员穿着的服装，或类似的替代品。该功能与Amazon Shopping应用程序集成，目前在美国的600多个Prime Video片目中可用。亚马逊还将“Shop the Show”体验扩展到8000多个片目，旨在弥合娱乐消费与电子商务之间的差距。
-
新的UBone3D框架增强了超声波数据三维形状补全能力
研究人员开发了UBone3D，一个旨在提高超声波数据三维形状补全的准确性和解剖保真度的新框架。该方法利用物理校正条件流匹配来解决超声波图像中常见的伪影问题，这些伪影通常比CT或X射线扫描中的问题更严重。UBone3D整合了一个在CT数据上训练的解剖先验和一个在超声波数据上训练的物理一致性模型来指导补全过程。
-
NIST量子传感器提高核材料监测精度
NIST的研究人员开发了超灵敏量子传感器，显著提高了核材料监测的准确性。这些传感器被称为跃迁边缘传感器（TES），可以精确测量钚、铀和镎等元素的X射线发射。通过准确计算这些可能干扰伽马射线探测的X射线发射，科学家们可以更好地监测核设施，并评估核材料的成分，以实现安全保障和提高效率。
-
新的X射线方法以亚像素精度重建燃气轮机叶片几何形状
研究人员开发了一种新颖的3D-2D刚性配准方法，利用X射线投影精确重建燃气轮机叶片的几何形状。该方法通过最大化互信息来对齐计算机辅助设计（CAD）模型与X射线图像，为检测提供了一种替代全CT重建的方法。研究发现，有限数量的斜视图可以提供最佳精度，即使存在图像噪声和缺陷，也能实现亚像素配准精度。
-
使用统计形状模型从两个X射线图像重建3D骨骼几何
研究人员开发了一种新颖的方法，仅用两张X射线图像即可重建3D骨骼几何，无需CT扫描或大型神经网络数据集。该方法利用从现有CT扫描中派生的统计形状模型，并采用可微分渲染将模型拟合到X射线图像的轮廓上。该技术在留一法验证中达到了0.86-1.43毫米的精度，尽管在模型覆盖范围之外的骨骼形状方面存在困难。
-
专家表示，人工智能正在改变放射学，而非取代放射科医生
正如Geoffrey Hinton在2016年预测的那样，人工智能并未取代放射科医生，该领域实际上一直在稳步增长。然而，人工智能正通过充当强大的工具，在图像分析方面能够媲美甚至超越人类的表现，从而显著改变这一职业。FDA批准的约75%的AI赋能医疗设备用于放射学，协助医生完成报告起草和识别细微异常等任务，从而提高诊断准确性和患者护理水平。
-
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。
-
新的基于斑点的方法可减少CT扫描中的金属伪影
研究人员开发了一种新的方法，用于减少锥束计算机断层扫描（CBCT）扫描中的伪影，特别是金属植入物引起的伪影。这种新颖的方法利用了集成在高斯斑点（Gaussian Splatting）框架内的受物理启发的自校准技术。它通过结合多色X射线投影模型和材料依赖的衰减曲线来解决束硬化伪影问题，无需手动金属掩模。该方法还在训练期间优化了X射线光谱特性，并在伪影抑制和重建精度方面展示了优于现有最先进方法的性能。
-
使用X射线图像对夏威夷果进行质量评估的深度学习基准
研究人员开发了一个用于使用X射线图像对夏威夷果质量进行分类的深度学习基准。该研究涉及799张分割的X射线图像，评估了各种单一模型配置和集成模型。一个结合了使用二元交叉熵训练的卷积神经网络和冻结的Swin Transformer的集成模型达到了86.3%的最高平衡准确率。研究结果强调了深度学习在自动化农业质量评估方面的潜力，并突出了对小型、不平衡数据集进行严格评估和数据整理的必要性。
-
新型AI模型PPOC-LL提升医学标志点定位精度
研究人员开发了一种名为PPOC-LL的新模型，用于医学标志点定位，旨在与现有的多阶段精炼方法相比，提高准确性并降低计算成本。该模型采用多尺度动态感知策略进行特征金字塔建模，并利用相似性驱动的原型学习机制来捕获局部语义以进行鲁棒的偏移预测。此外，它还结合了误差感知可靠性正则化来稳定学习并提高性能。在涵盖各种标志点的X射线和超声数据集上的实验表明，PPOC-LL在准确性和模型复杂度之间提供了有利的平衡。
-
新的STAIL框架使用LLM来对抗医学影像AI中的遗忘问题
研究人员开发了一个名为语义文本锚定增量学习（STAIL）的新框架，以解决用于医学影像分析的深度学习模型中的灾难性遗忘问题。STAIL利用语义巩固缓冲区（SCB），该缓冲区存储最小的图像锚点以及详尽的文本描述，从而以更少的存储需求和隐私担忧实现过去任务的密集语义重建。该框架包含一个源自大型语言模型的语义锚定机制（LSAM），将不断变化的视觉特征锚定到文本表示上，从而指导可塑性和稳定性。在眼底、超声和X射线成像数据集上的实验表明，STAI…
-
新方法简化了医学影像中UDA算法的选择
研究人员开发了一种新颖的方法，用于为医学影像任务选择最佳的无监督域适应（UDA）算法及其超参数，即使在目标域标签不可用的情况下也是如此。该方法通过利用多个无标签选择信号来提名每种算法内的模型，从而构建一个“一致性参考”，然后聚合这些提名以创建参考预测。根据此参考对候选模型进行评分，并选择得分最高的模型进行部署。该技术已在各种脑部MRI和胸部X射线数据集上证明了其有效性，为UDA在临床应用中的更实际应用铺平了道路。
-
新型AI模型学习二维-三维骨骼对应关系以实现X射线到CT配准
研究人员开发了一种新颖的方法，用于将X射线图像中的膝骨姿态与术前CT扫描进行配准。该方法学习跨越758名患者的密集二维-三维对应关系，无需单独的患者CT数据或迭代渲染即可实现受试者无关的配准。学习到的表示也具有解剖学语义，无需显式标签即可进行地标分类和骨骼分割。
-
新框架通过合成预训练简化患者特定手术配准
研究人员开发了一种新的患者特定二维/三维配准框架，这是图像引导手术的关键过程，用于将术前 CT 扫描与术中 X 射线图像对齐。所提出的方法利用了面向患者的无偏合成预训练，其中模型首先在从多个 CT 扫描生成的合成 X 射线图像上进行训练。然后，该预训练模型使用有限数据针对特定患者进行调整，从而显著降低了计算效率低下问题。该框架采用了域随机化技术，以增强对现实世界成像变化的鲁棒性，并使用球形相似性学习结合 Levenberg-Marqu…
-
研究发现：AI放射学模型诊断X光片时过于自信，可能导致误诊
新研究表明，用于放射学的AI模型在诊断X光片时常常表现出危险的过度自信，并以高确定性做出错误诊断。RadLE 2.0基准测试显示，人类放射科医生在解读这些医学影像方面仍然更加可靠。要让自主医疗AI获得信任，它必须首先学会认识到自身的局限性，并在必要时求助于人类专家。
-
开发者创建X-Ray以揭示复杂AI系统的奥秘
一位开发者遇到了复杂系统开发中的一个常见问题：在添加功能和测试数月后，他发现自己对AI的内部运作失去了理解。这促使他创建了X-Ray，一个旨在使神经网络更透明的可观测性模块。X-Ray的目标是将AI的“黑箱”性质转变为一个可追溯的结构，提供对系统行为和错误原因的实时洞察。
-
脑部MRI人口统计学可预测性由解剖结构驱动，而非采集过程
一篇新的研究论文探讨了从脑部MRI扫描中预测人口统计学属性的可能性，这种现象引发了对临床AI系统偏见的担忧。该研究提出了一个使用解耦表示学习的框架，将解剖学信息与采集依赖的对比度分离开来。结果表明，年龄、性别和种族等人口统计学信号主要由解剖学差异驱动，而非成像采集特征。这表明偏见缓解策略必须关注解剖学特征，以确保在不同数据集和站点之间的稳健性。
-
增强现实框架减少手术中的辐射暴露
研究人员开发了X-GuideAR，这是一个旨在减少需要透视引导的骨科手术中辐射暴露的增强现实框架。该系统生成合成X射线预览，以帮助外科医生确定最佳视图和钻孔轨迹，从而最大限度地减少实际X射线的需求。在一项初步研究中，X-GuideAR显示X射线使用量显著减少，并显示出提高螺钉放置精度的潜力。