PURPOSE: To conduct a comparative study of image quality, radiation dose, and iodine intake in hepatic computed tomographic angiography (CTA) of overweight patients with different Gemstone Spectral Imaging (GSI) noise indexes combined with different concentrations of contrast medium.
MATERIALS AND METHODS: Ninety patients with a body mass index of ≥ 25 kg/m2 were divided into three groups (A, B and C), each with 30 patients. The three groups underwent hepatic CTA with different NI of 7, 11 and 15, respectively, and were injected with different iodine concentrations of 370, 350 and 320 mgI/mL,
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.
(1) This study evaluates the impact of an AI denoising algorithm on image quality, diagnostic accuracy, and radiological workflows in pediatric chest ultra-low-dose CT (ULDCT). (2) Methods: 100 consecutive pediatric thorax ULDCT were included and reconstructed using weighted filtered back projection (wFBP), iterative reconstruction (ADMIRE 2), and AI denoising (PixelShine). Place-consistent noise measurements were used to compare objective image quality. Eight blinded readers independently rated the subjective image quality on a Likert scale (1 = worst to 5 = best). Each reader wrote a semiqua
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.
This study aimed to evaluate image quality, the detection rate of enlarged lymph nodes, and radiation dose exposure of ultralow-dose and low-dose abdominopelvic computed tomography (CT) in patients with lymphoma. Patients with lymphoma who underwent abdominopelvic CT using dual-source scanner were retrospectively recruited from a single center. CT images were obtained at 90 kVp dual-source mode reformatted in three data sets using the advanced modelled iterative reconstruction algorithm: 100% (standard-dose CT), 66.7% (low-dose CT), and 33.3% (ultralow-dose CT). Two radiologists analyzed subje
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.
The study was aimed at exploring the diagnostic value of artificial intelligence reconstruction algorithm combined with CT image parameters on hepatic ascites, expected to provide a reference for the etiological evaluation of clinical abdominal effusion. Specifically, the adaptive iterative hard threshold (AIHT) algorithm for CT image reconstruction was proposed. Then, 100 patients with peritoneal effusion were selected as the research subjects. After 8 cases were excluded, the remaining was divided into 50 cases of the S1 group (hepatic ascites) and 42 cases of the D0 group (cancerous periton
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.
An acute aortic syndrome (AAS) is an important life-threatening condition that requires early detection and management. Acute intramural hematoma (IMH), aortic dissection (AD) and penetrating atherosclerotic ulcer (PAU) are included in AAS. ADs can be classified using the well-known Stanford or DeBakey classification systems. However, these classification systems omit description of arch dissections, anatomic variants, and morphologic features that impact outcome. The Society for Vascular Surgery and Society of Thoracic Surgeons (SVS-STS) have recently introduced a classification system that c
СтатьяОбзорПоиск 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.
To determine whether we could train convolutional neural network (CNN) models de novo with a small dataset, a total of 596 normal and abnormal ankle cases were collected and processed. Single- and multiview models were created to determine the effect of multiple views. Data augmentation was performed during training. The Inception V3, Resnet, and Xception convolutional neural networks were constructed utilizing the Python programming language with Tensorflow as the framework. Training was performed using single radiographic views. Measured output metrics were accuracy, positive predictive valu
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Anatomical evaluation of multiple abdominal and thoracic organs is generally performed with computed tomography images. Owing to the large field-of-view of these images, automatic segmentation strategies are typically required, facilitating the clinical evaluation. Multi-atlas segmentation (MAS) strategies have been widely used with this process, requiring multiple alignments between the target image and the set of known datasets, and subsequently fusing the alignment results to obtain the final segmentation. Nonetheless, current MAS strategies apply a global alignment of a deformable object,
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.
The influence of dose reductions on diagnostic quality using a series of high-resolution ultralow-dose computed tomography (CT) scans for computer-assisted planning and surgery including the most recent iterative reconstruction algorithms was evaluated and compared with the fracture detectability of a standard cranial emergency protocol. A human cadaver head including the mandible was artificially prepared with midfacial and orbital fractures and scanned using a 64-multislice CT scanner. The CT dose index volume (CTDIvol) and effective doses were calculated using application software. Noise wa
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.
Synovial joints articulate in a lubricating environment, the system providing for smooth articulation. The articular cartilage overlying the bone consists of a network of collagen fibres. This network is essential to cartilage integrity, suffering damage in degenerative joint disease such as osteoarthritis. At Surrey and also in work conducted by this group at the Paul Scherrer Institute (PSI) synchrotron site we have been applying a number of techniques to study the bone-cartilage interface and of changes occurring in this with disease. One of the techniques attracting particular interest is
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.
INTRODUCTION: Life-threatening respiratory conditions such as COVID-19 and pneumonia demand rapid and accurate diagnosis. Chest X-rays (CXR) are widely used due to their accessibility and cost-effectiveness, but interpreting them remains clinically challenging, especially with overlapping radiological features.
METHODS: The proposed VSAG-HDL Net, a novel hybrid deep learning framework designed to enhance the accuracy and interpretability of CXR-based diagnosis. The architecture integrates a Variational Spatial Attention Fusion U-Net (VSA-FU-Net) for lesion segmentation and a Sharpened Cosine
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.
Feature selection represents a critical step in developing accurate and interpretable models for early breast cancer detection. Despite extensive research in the field of mammographic image analysis, no consensus has yet been reached on the optimal feature subsets that distinguish normal from malignant tissues. To address this gap, the present study aims to identify the most discriminative and significant features through a comprehensive multi-criterion selection framework. The aim is to integrate, as new frameworks, different combinations of t-test, ANOVA, Mutual Information (MI), and Equal G
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.
INTRODUCTION: Chest X-ray (CXR) still represents the most performed radiological examination, but its interpretation may differ among readers. In the last years, several automatic detection tools have been developed to assist radiologists in CXR interpretation. We aimed to evaluate how artificial intelligence (AI)-based software may increase the performance of young radiologists in CXR interpretation compared to that of an experienced CXR radiologist.
MATERIALS AND METHODS: 500 CXRs were selected to generate a well-balanced dataset. For each patient, the CXR reading was conducted by an AI-bas
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.
BACKGROUND AND OBJECTIVES: Early detection of breast cancer through mammography significantly improves survival rates. However, high false positive and false negative rates remain a challenge. Deep learning-based computer-aided diagnosis systems can assist in lesion detection, but their performance is often limited by the availability of labeled clinical data. This study systematically evaluated the effectiveness of transfer learning, image preprocessing techniques, and the latest You Only Look Once (YOLO) model (v9) for optimizing breast mass detection models on small proprietary datasets.
M
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.
Chest radiography, commonly known as CXR, is frequently utilized in clinical settings to detect cardiopulmonary conditions. However, even seasoned radiologists might offer different evaluations regarding the seriousness and uncertainty associated with observed abnormalities. Previous research has attempted to utilize clinical notes to extract abnormal labels for training deep-learning models in CXR image diagnosis. However, these methods often neglected the varying degrees of severity and uncertainty linked to different labels. In our study, we initially assembled a comprehensive new dataset o
СтатьяПоддержка правительства СШАПоддержка исследования: вне правительства СШАПоиск 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.
The clinical diagnosis of developmental dysplasia of the hip (DDH) typically involves manually measuring key radiological angles-Center-Edge (CE), Tönnis, and Sharp angles-from pelvic radiographs, a process that is time-consuming and susceptible to variability. This study aims to develop an automated system that integrates these measurements to enhance the accuracy and consistency of DDH diagnosis. We developed an end-to-end deep learning model for keypoint detection that accurately identifies eight anatomical keypoints from pelvic radiographs, enabling the automated calculation of CE, Tönnis,
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.
Adolescent idiopathic scoliosis (AIS) is a common spinal malalignment affecting approximately 2.2% of boys and 4.8% of girls worldwide. The Cobb angle serves as the gold standard for AIS severity assessment, yet traditional manual measurements suffer from significant observer variability, compromising diagnostic accuracy. Despite prior automation attempts, existing methods use simplified spinal models and predetermined curve patterns that fail to address clinical complexity. We present a novel deep learning framework for AIS assessment that simultaneously predicts both superior and inferior en
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.
OBJECTIVES: To evaluate the effectiveness of a geometric model (GM) as an adjunctive tool for radiologists to match lesions between craniocaudal (CC) and mediolateral (MLO) views.
METHODS: A retrospective study was conducted on 711 patients who underwent mammography from January 2016 to August 2018. Two senior radiologists used bounding boxes to delineate lesions as the reference standard, calculated the absolute error (the shortest distance from the lesion center to the predicted curve) of GM, and compared it with the annular band (AB) and straight strip (SS) methods. Four radiologists of va
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: Fracture detection is one of the most commonly used and studied aspects of artificial intelligence (AI) in medicine. In this systematic review and meta-analysis, we aimed to summarize available literature and data regarding AI performance in fracture detection on plain radiographs and various factors affecting it.
METHODS: We systematically reviewed studies evaluating AI algorithms in detecting bone fractures in plain radiographs, combined their performance using meta-analysis (a bivariate regression approach), and compared it with that of clinicians. We also analyzed the factors pot
СтатьяСистематический обзорМетаанализСравнительное 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.
Breast cancer ranks as the second most prevalent cancer in women, recognized as one of the most dangerous types of cancer, and is on the rise globally. Regular screenings are essential for early-stage treatment. Digital mammography (DM) is the most recognized and widely used technique for breast cancer screening. Contrast-Enhanced Spectral Mammography (CESM or CM) is used in conjunction with DM to detect and identify hidden abnormalities, particularly in dense breast tissue where DM alone might not be as effective. In this work, we explore the effectiveness of each modality (CM, DM, or both) i
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.
BACKGROUND: Amorphous calcifications noted on mammograms (i.e., small and indistinct calcifications that are difficult to characterize) are associated with high diagnostic uncertainty, often leading to biopsies. Yet, only 20% of biopsied amorphous calcifications are cancer. We present a quantitative approach for distinguishing between benign and actionable (high-risk and malignant) amorphous calcifications using a combination of local textures, global spatial relationships, and interpretable handcrafted expert features.
METHOD: Our approach was trained and validated on a set of 168 2D full-fi
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
MedElevator
Войти в исследования