X-ray
PulseAugur coverage of X-ray — every cluster mentioning X-ray across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的MADJEPA架构利用自监督学习增强医学异常检测
研究人员开发了MADJEPA,一种新颖的多阶段联合嵌入预测架构,用于医学图像中的异常检测。这种自监督学习方法在健康患者数据上进行训练,以建立正常模型,然后使用目标编码器蒸馏和伪异常分类来完善其识别异常的能力。在包括MRI、OCT、X射线和组织病理学在内的六个不同医学成像数据集上的实验表明,MADJEPA取得了有竞争力的结果,并在其中三个数据集上排名第一,优于几种最先进的方法。
-
新的SAX-NeRF框架增强了3D X射线重建
研究人员开发了SAX-NeRF,一种使用稀疏视图X射线数据进行3D重建的新型框架。该方法采用基于线段的Transformer(Lineformer)来通过模拟X射线线内的依赖关系来更好地捕捉物体内部结构。此外,还采用了一种掩码局部-全局(MLG)射线采样策略来从2D投影中提取上下文和几何信息。该框架还引入了一个新数据集X3D,并在新视图合成和CT重建方面展示了优于现有NeRF方法的性能。
-
Tracehub-mcp 和 Cost-Guard-mcp 更新默认安全设置
作者详细介绍了 tracehub-mcp 和 cost-guard-mcp 工具的最新升级,重点介绍了默认安全配置的重大变化。Tracehub-mcp 现在默认使用回送地址作为其 HTTP 侦听器,需要通过持有者令牌进行身份验证或显式选择退出,以防止未经授权访问各种后端的跟踪信息。Cost-guard-mcp 的查询执行也已修改,新默认行为是对大型查询仅返回前 1000 行,这现在被视为已计费执行。这些更改是在内部审计后实施的,并有文…
-
AI研究论文揭示检测临床模型中隐藏差异的方法
一篇新发表在arXiv上的研究论文详细介绍了一种检测和验证临床AI中隐藏亚组差异的方法。该研究聚焦于使用胸部X光片进行心增大分类,证明算法亚组发现比传统的基于元数据的分析更能有效地识别性能差距。发现的亚组显示出更大的性能差异,并且该方法能够减轻这些偏见,表明其在医疗保健中增强机器学习系统验证方面的效用。
-
放射学中的AI:强大的第二阅读器,但尚未自主
人工智能越来越多地被用作放射学中的辅助工具,以协助医疗专业人员。AI算法可以分析X射线、CT扫描和MRI等医学影像,以识别潜在问题、优先处理危急病例并测量发现。然而,这些AI工具的有效性各不相同,专家们警告说,它们目前还无法在该领域独立运行。
-
XGLASS方法使用X射线和注视数据来优先排序CT扫描切片
研究人员开发了XGLASS,一种利用2D X射线图像和语言对齐的放射科医生注视数据来改进3D CT扫描分析的新方法。该方法优先处理大型CT体数据中诊断相关的切片,显著减少了需要处理的数据量。XGLASS在识别关键切片方面实现了高精度,从而为分类等下游任务大幅减少了计算资源和时间。
-
新框架整合X射线和中子散射数据用于材料科学
研究人员开发了一个新的模块化框架,用于分析来自多种科学测量(特别是X射线和中子散射实验)的数据。该框架基于先验摊销流匹配,解决了将不同数据类型整合到机器学习模型中的挑战。通过为每种测量类型训练单独的模型并在分析期间将它们组合起来,该系统避免了广泛联合再训练的需要,从而可以重用预训练模型。这种方法已通过各种反射测量技术得到验证,在材料科学和物理学中为不确定性感知反演和协同精炼显示出潜力。
-
AI在材料科学、时间序列预测和神经网络训练方面取得研究进展
研究人员正在开发新的方法来分析复杂的科学数据。一篇论文介绍了一种组合神经网络框架,该框架结合了X射线和中子散射数据用于材料科学,可以进行更精确的结构表征。另一项研究探索了使用脉冲神经网络进行时间序列数据的闭环预测策略,其结果与现有方法相比具有竞争力。此外,还提出了一种用于深度ReLU神经网络的新权重初始化技术,以提高训练稳定性和性能,尤其是在深度架构和少样本学习场景中。最后,提出了一种用于结构感知分块的方法,以增强检索增强生成系统从网…
-
MMedAgent-Plus 协调 18 个专业 AI 模型以完成复杂医疗任务 · 跟踪 2 个来源
研究人员开发了 MMedAgent-Plus,这是一种多模态医疗代理,旨在协调多个专业 AI 模型以进行复杂的临床分析。该代理使用视觉语言规划器来选择和排序 18 个领先的专业模型,涵盖 12 项任务和 8 种模态,包括各种影像类型和病理学。MMedAgent-Plus 在工具协调和响应合成方面表现出高准确性,在调用正确专家时准确率达到 90.6%,在端到端执行中最终答案准确率达到 0.98,优于现有基线。
-
AI代理利用Bedrock、MCP和上下文协议增强功能 · 跟踪3个来源
该集群讨论了AI代理开发和集成的进展。其中一项详细介绍了如何在Bedrock AgentCore Runtime上部署和调用支持代理,并强调使用X-ray监控执行跨度。另一项强调了模型上下文协议(MCP)是连接AI助手和代理的默认方法,并指出了其在TypeScript和安全上下文中的使用。第三项涉及AI训练应用的完成记录,建议在对话结束时将课程标记为完成。
-
Google的AI用于结核病筛查已部署到非洲;监管机构关注AI风险
Google已将其胸部X光结核病筛查技术改编为临床产品,目前正在非洲六个国家的约40家医疗机构中使用。该AI驱动的系统旨在加速放射科医生和诊断服务资源有限地区的筛查。另外,据报道,银行监管机构对围绕AI潜在末日情景不断变化的讨论表示担忧。
-
新AI框架OA-MAP通过可解释证据预测膝关节骨关节炎进展
研究人员开发了OA-MAP,一个新颖的多智能体框架,用于预测膝关节骨关节炎(KOA)的进展。该系统集成了包括MRI和X射线在内的各种数据模态,并利用专家智能体提供可解释的发现和支持性证据。OA-MAP还包含一个用于临床审查和纠正的人机协作机制,旨在自动化评估工作流程并减少人工工作量。对600名参与者队列的评估显示出有希望的结果,融合模型在结构进展方面达到了0.80的AUROC,在疼痛进展方面达到了0.68的AUROC。
-
PhyDiCT框架利用物理和扩散先验重建3D CT图像
研究人员开发了PhyDiCT,一种从有限X射线投影重建3D计算机断层扫描(CT)图像的新型框架。这种无需训练的方法结合了一个基于物理的可微分正向模型(源于比尔-兰伯特定律)和一个充当强先验的文本条件扩散模型。该系统使用Split Gibbs采样来优化投影保真度和先验一致性,并增加了测试时精炼步骤以增强真实感。评估表明,PhyDiCT的性能优于现有的即插即用扩散和完全训练的重建方法,在SSIM方面提高了7.5%。
-
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。