PURPOSE: Distinguishing high-risk intraductal papillary mucinous neoplasms (IPMNs) from low-risk lesions remains a clinical challenge, often resulting in unnecessary procedures due to limited specificity of current methods. While radiomics and deep learning (DL) have been explored for pancreatic cancer, cyst-level malignancy risk stratification of IPMNs remains untapped.
METHODS: Our multi-institutional assessed the feasibility of AI for predicting IPMN dysplasia grade using cyst-level image features using 359 T2-weighted (T2W) MRI images from seven centers. We developed and compared 2D and 3
СтатьяМногоцентровое исследованиеПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Epicardial adipose tissue (EAT) is increasingly recognized as an important contributor to cardiovascular disease (CVD), but its spatial distribution across the heart remains insufficiently characterized due to limitations in existing segmentation and analysis methods. In this study, we developed a deep learning-based framework that integrates automated cardiac MRI segmentation with spatial statistical modeling to enable quantitative, chamber-resolved characterization of EAT distribution. An asymmetric multi-modal CNN-Transformer network was developed to segment the four cardiac chambers and EA
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: To evaluate the influence of fat on the assessment of liver fibrosis in chronic liver disease using 2-point Dixon water-only Look-Locker T1 mapping by comparing the water-only derived sequence (W-Dixon) with in-phase (IP) and opposed-phase (OP)-based sequences.
METHODS: A 2.89-T MRI examination included 2D 2-point Dixon Look-Locker T1 mapping and proton density fat fraction (PDFF) mapping. The correlations between liver T1 values and PDFF were assessed using the Spearman correlation coefficient. T1 values on each T1 map were compared among 3 FIB-4 index range groups (FIB-4 < 1.3,
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND PURPOSE: Cerebrovascular reactivity (CVR) is commonly used to estimate hemodynamic impairment. Conventional use is best-suited to unilateral vascular disease, such that CVR can be normalized to reference values from the contralateral hemisphere or to the posterior circulation territories; however, major confounds have been identified that leave implementation difficult in more common cases of bilateral disease, even despite common cerebellar normalization. Recently, we reported data-driven identification of candidate healthy voxel signatures learned from contemporaneous imaging
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
AIM: To develop and evaluate a patient-grouped breast-side classifier for contrast-enhanced spectral mammography that integrates information across both standard projections and both routinely interpreted image types, and to report calibrated probability outputs with uncertainty estimates.
MATERIALS AND METHODS: The public categorised digital database for contrast-enhanced spectral mammography (CDD-CESM) dataset (326 patients; 2006 images) was analysed at the breast-side level (566 sides) using a binary endpoint (normal vs abnormal; benign and malignant grouped as abnormal). Each breast side
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: Alzheimer's disease (AD) is the most prevalent type of neuro-degenerative dementia. Artificial intelligence assisted clinical evaluation can improve diagnostic efficiency and facilitate timely intervention.
METHODS: An interpretable Multimodal Ensemble Assessment Framework (MEAF) was developed to support clinical evaluation for AD across the cognitive spectrum. This framework employed a Swin Transformer and ResNet-50 for staged modeling of imaging features, applied machine learning techniques to extract clinical features, and used decision-level ensemble learning to integrate mult
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Metachromatic leukodystrophy (MLD) is a rare lysosomal storage disorder characterized by progressive white matter demyelination. Quantification of demyelinated white matter on MRI-typically expressed as the demyelination load-serves as a key imaging biomarker of disease burden, enabling objective monitoring beyond visual rating scales. However, current semi-automated pipelines are limited by manual interaction, pediatric brain variability, and differences in MRI acquisition. This study aimed to develop and validate a self-configuring convolutional neural network (CNN) for automated se
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: In pelvic MRI, Turbo Spin Echo (TSE) pulse sequences are used for T2-weighted imaging. However, its lengthy acquisition time increases the potential for artifacts. Deep learning (DL) reconstruction achieves reduced scan times without the degradation in image quality associated with other accelerated techniques. Unfortunately, a comprehensive assessment of DL-reconstruction in pelvic MRI has not been performed. The objective of this prospective study was to compare the performance of DL-TSE and conventional TSE pulse sequences in a broad spectrum of pelvic MRI indications.
METHODS: Fi
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: This study developed a deep learning model for segmenting and classifying the amygdala-hippocampus in Alzheimer's disease (AD), using a large-scale neuroimaging dataset to improve early AD detection and intervention.
METHODS: We collected 1000 healthy controls (HC) and 1000 AD patients as internal training data from 15 Chinese medical centers. The independent external validation dataset was sourced from another three centers. All subjects underwent neuroimaging and neuropsychological assessments. A semi-automated annotation pipeline was used: the amygdala-hippocampus of 200 cases
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
RATIONALE AND OBJECTIVES: Hyperpolarized xenon-129 (129Xe) MRI is an established, sensitive method to assess ventilation but lacks a standardized ventilation defect quantification. We introduce mean-anchored generalized linear binning (MeanGLB, GLB) to calculate ventilation defect percentage (VDP), benchmarking its performance against reader-segmented VDP (Reader) and five widely-used automated VDP calculation methods.
MATERIALS AND METHODS: 129Xe images were acquired from 38 people with cystic fibrosis (CF) and 25 age-matched healthy controls (HCs) using 2D-spiral sequence. Flexible chest co
СтатьяСравнительное исследованиеПоддержка NIH: внешняя программаПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: To develop and validate a clinically applicable deep learning framework for automated segmentation of intracranial and carotid vessel walls in black-blood magnetic resonance vessel wall imaging (MR-VWI).
MATERIALS AND METHODS: In this retrospective multi-center study, 193 patients (mean age: 60.2 ± 4.3 years) from five hospitals underwent high-resolution black-blood MR-VWI. A deep learning segmentation framework was developed incorporating three key innovations: (1) polar coordinate mapping, (2) a feature-sharing padding strategy, and (3) a polar Dice loss function. Manual expert
СтатьяМногоцентровое исследованиеПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Preeclampsia (PE) is associated with placental insufficiency and could lead to adverse pregnancy outcomes. The study aimed to develop a placental T2-weighted image-based automatic quantitative model for the identification of PE pregnancies and disease severity.
METHODS: Between July 2013 and September 2022, the retrospective multicenter study featured 420 pregnant women, including 140 cases of PE and 280 cases of normotensive pregnancies. The semi-supervised approach was used to gain an automatic segmentation for placental MRI. The radiomics, deep learning, and deep learning radiomic
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This work uses T1, STIR, and T2 MRI sequences of the lumbar vertebrae and BMD measurements to identify osteoporosis using deep learning. An analysis of 1350 MRI images from 50 individuals who had simultaneous BMD and MRI scans was performed. The accuracy of a custom convolution neural network for osteoporosis categorization was assessed using deep learning. T2-weighted MRIs were most diagnostic. The suggested model outperformed T1 and STIR sequences with 88.5% accuracy, 88.9% sensitivity, and 76.1% F1-score. Modern deep learning models like GoogleNet, EfficientNet-B3, ResNet50, InceptionV3, an
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Assessing myocardial viability is crucial for managing ischemic heart disease. While late gadolinium enhancement (LGE) cardiovascular magnetic resonance (CMR) is the gold standard for viability evaluation, it has limitations, including contraindications in patients with renal dysfunction and lengthy scan times. This study investigates the potential of non-contrast CMR techniques-feature tracking strain analysis and T1/T2 mapping-combined with machine learning (ML) models, as an alternative to LGE-CMR for myocardial viability assessment. A retrospective analysis was conducted on 79 patients wit
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Purpose To develop and evaluate a multilabel deep learning network to identify and quantify acute and chronic brain lesions at multisequence MRI after acute ischemic stroke (AIS) and assess relationships between clinical and model-extracted radiologic features of the lesions and patient prognosis. Materials and Methods This retrospective study included patients with AIS from multiple centers, who experienced stroke onset between September 2008 and October 2022 and underwent MRI as well as thrombolytic therapy and/or treatment with antiplatelets or anticoagulants. A SegResNet-based deep learnin
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: This study investigated novel radiomic features derived from apparent diffusion coefficient (ADC) maps for diagnosing Sjögren syndrome (SS) in patients without visible magnetic resonance morphologic changes.
MATERIALS AND METHODS: This study prospectively analyzed 119 consecutive patients with SS and 95 healthy volunteers using 3.0 T magnetic resonance imaging, including diffusion-weighted imaging with b values of 0 and 1000 s/mm 2 . Regions of interest (ROIs) were manually delineated along the margins of the largest parotid gland slice on ADC maps, from which 838 quantitative feat
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To assess the predictive ability of conventional MRI features and MRI texture features in differentiating uterine leiomyoma (LM) from uterine leiomyosarcoma (LMS).
METHODS: This single-center, IRB-approved, HIPAA-compliant retrospective study included 108 patients (69 LM, 39 LMS) who had pathology, preoperative MRI, and clinical data available at our tertiary academic institution. Two radiologists independently evaluated 14 features on preoperative MRI. Texture features based on 3D segmentation were extracted from T2W-weighted MRI (T2WI) using commercially available texture software
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Young migraine patients often present with white matter hyperintensities (WMHs) on magnetic resonance imaging (MRI). This study aimed to analyze whether synthetic (Syn) T2-FLAIR and Syn double inversion recovery (DIR) can reveal WMHs more clearly and sensitively than conventional T2-FLAIR.
MATERIALS AND METHODS: Conventional MRI and Syn MRI data from 50 young migraine patients were analyzed prospectively. WMHs in each anatomical region (periventricular, deep white matter, and juxtacortical) were recorded separately. The differences in the clarity of lesion boundaries and the number
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Abdominal aortic aneurysms (AAAs) are rupture-prone dilatations of the aorta. In current clinical practice, the maximal diameter of AAAs is monitored with 2-D ultrasound to estimate their rupture risk. Recent studies have shown that 3-D and mechanical AAA parameters might be better predictors for aneurysm growth and rupture than the diameter. These parameters can be obtained with time-resolved 3-D ultrasound (3-D + t US), which requires robust and automatic segmentation of AAAs from 3-D + t US. This study proposes and validates a deep learning (DL) approach for the automatic segmentation of AA
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Self-supervised learning (SSL) has emerged as a powerful technique for improving the efficiency and effectiveness of deep learning models. Contrastive methods are a prominent family of SSL that extract similar representations of two augmented views of an image while pushing away others in the representation space as negatives. However, the state-of-the-art contrastive methods require large batch sizes and augmentations designed for natural images that are impractical for 3D medical images. To address these limitations, we propose a new longitudinal SSL method, 3DTINC, based on non-contrastive
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования