RATIONALE AND OBJECTIVES: The purpose of this study is to investigate the use of computer-extracted features of lesions imaged by means of two modalities, mammography and breast ultrasound, in the computerized classification of breast lesions.
MATERIAL AND METHODS: We performed computerized analysis on a database of 97 patients with a total of 100 lesions (40 malignant, 40 benign solid, and 20 cystic lesions). Mammograms and ultrasound images were available for these breast lesions. There was an average of three mammographic images and two ultrasound images per lesion. Based on seed points in
Сравнительное исследованиеСтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка правительства СШАПоддержка службы здравоохранения 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.
An integral system test was developed to determine the precision and accuracy of an image-guided radiotherapy system involving an x-ray volumetric imaging device mounted onto the gantry of a medical linear accelerator. The test was designed to interrogate the system components as a whole without deconstructing the individual sources of error. The integral system test was based on the imaging of an unambiguous stationary object in the treatment position and so took no account of patient related errors. An array of micromosfets interspersed within slices of a tissue equivalent phantom was develo
Оценочное исследованиеСтатьяПоддержка правительства СШАПоддержка службы здравоохранения СШАВалидационное 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: The recently developed model-based iterative reconstruction (MBIR) enables significant reduction of image noise and artifacts, compared with adaptive statistical iterative reconstruction (ASIR) and filtered back projection (FBP). The purpose of this study was to evaluate lesion detectability of low-dose chest computed tomography (CT) with MBIR in comparison with ASIR and FBP.
METHODS: Chest CT was acquired with 64-slice CT (Discovery CT750HD) with standard-dose (5.7 ± 2.3 mSv) and low-dose (1.6 ± 0.8 mSv) conditions in 55 patients (aged 72 ± 7 years) who were suspected of lung dis
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.
Artificial intelligence (AI) is rapidly transforming cardiac computed tomography (CT) imaging by enhancing image acquisition, reconstruction, and analysis to improve diagnostic accuracy and overall clinical workflow. Deep learning reconstruction (DLR) algorithms optimize image quality while reducing radiation and contrast media doses. AI-driven tools for coronary artery segmentation and CAD-RADS classification ensure greater reproducibility and efficiency in coronary artery disease (CAD) assessment. Beyond anatomic evaluation, AI enhances functional imaging with CT-derived fractional flow rese
СтатьяОбзорПолный 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.
Recently, deep learning has emerged as a prominent branch of AI, gaining attention for its high accuracy and wide-ranging application in various domains. The proposed Explain-COVIDNet framework enhances COVID-19 detection from chest X-ray images by addressing key limitations in current deep learning models, including poor interpretability, sensitivity to noise, and limited clinical reliability. It begins with a robust preprocessing stage using a wavelet contrast enhancer, which integrates Discrete Wavelet Transform for denoising and Contrast-Limited Adaptive Histogram Equalization for contrast
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.
Multiple Myeloma (MM) is a malignancy that is commonly associated with the development of osteolytic lesions. To support MM diagnosis, low-dose Computed Tomography (CT) is commonly used for lesion localization, but manually evaluating CT scans can be time-consuming and prone to error. Although deep learning methods have delivered promising results in supporting lesion detection, they are likely to produce false positive findings, hindering their usability in clinical practice. To address this, we trained a 2D U-Net on annotated lesions (positive patches) in combination with images of bone tiss
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.
Computed Tomography (CT) imaging captures detailed cross-sectional images of the pancreas and surrounding structures and provides valuable information for medical professionals. The classification of pancreatic CT images presents significant challenges due to the complexities of pancreatic diseases, especially pancreatic cancer. These challenges include subtle variations in tumor characteristics, irregular tumor shapes, and intricate imaging features that hinder accurate and early diagnosis. Image noise and variations in image quality also complicate the analysis. To address these classificati
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.
Coronary CT angiography (CCTA) has been widely used as a noninvasive modality for accurate assessment of coronary artery disease (CAD) in clinical settings. However, the following limitations of CCTA remain issues of interest: motion, stair-step, and blooming artifacts; suboptimal image noise; ionizing radiation exposure; administration of contrast medium; and complex imaging workflow. Various acquisition and reconstruction techniques have been introduced over the past decade to overcome these limitations. Low-tube-voltage acquisition using a high-output x-ray tube can reasonably reduce the co
СтатьяОбзорПоддержка 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.
Rib fractures are a common and potentially severe injury that can be challenging and labor-intensive to detect in CT scans. While there have been efforts to address this field, the lack of large-scale annotated datasets and evaluation benchmarks has hindered the development and validation of deep learning algorithms. To address this issue, the RibFrac Challenge was introduced, providing a benchmark dataset of over 5,000 rib fractures from 660 CT scans, with voxel-level instance mask annotations and diagnosis labels for four clinical categories (buckle, nondisplaced, displaced, or segmental). T
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.
PURPOSE: Timely identification of intracranial blood products is clinically impactful, however the detection of subdural hematoma (SDH) on non-contrast CT scans of the head (NCCTH) is challenging given interference from the adjacent calvarium. This work explores the utility of a NCCTH bone removal algorithm for improving SDH detection.
METHODS: A deep learning segmentation algorithm was designed/trained for bone removal using 100 NCCTH. Segmentation accuracy was evaluated on 15 NCCTH from the same institution and 22 NCCTH from an independent external dataset using quantitative overlap analysi
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.
OBJECTIVES: To explore the performance of low-dose computed tomography (LDCT) with deep learning reconstruction (DLR) for the improvement of image quality and assessment of lung parenchyma.
METHODS: Sixty patients underwent chest regular-dose CT (RDCT) followed by LDCT during the same examination. RDCT images were reconstructed with hybrid iterative reconstruction (HIR) and LDCT images were reconstructed with HIR and DLR, both using lung algorithm. Radiation exposure was recorded. Image noise, signal-to-noise ratio, and subjective image quality of normal and abnormal CT features were evaluate
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.
Dual-energy computed tomography (CT) is a promising tool with increasing availability and multiple emerging and established clinical applications in neuroradiology. With its ability to allow characterization of materials based on their differential attenuation when imaged at two different energy levels, dual-energy CT can help identify the composition of brain, neck, and spinal components. Virtual monoenergetic imaging allows a range of simulated single energy-level reconstructions to be created with postprocessing. Low-energy reconstructions can aid identification of edema, ischemia, and subt
СтатьяОбзорПолный 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: To assess the image quality of chest CT reconstructed with image-based iterative reconstruction (SafeCT; MedicVision®, Tirat Carmel, Israel), adaptive statistical iterative reconstruction (ASIR; GE Healthcare, Waukesha, WI) and model-based iterative reconstruction (MBIR; GE Healthcare, Waukesha, WI) techniques at CT dose index volume (CTDIvol) <1 mGy.
METHODS: In an institutional review board-approved study, 25 patients gave written informed consent for acquisition of three reduced dose (0.25-, 0.4- and 0.8-mGy) chest CT after standard of care CT (8 mGy) on a 64-channel multidetect
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.
Acute chest pain is a leading cause of Emergency Department visits. Computed tomography angiography plays a vital diagnostic role in such cases, but there are several common challenges associated with the imaging of acute chest pain, which, if unrecognized, can lead to an inconclusive or incorrect diagnosis. These imaging challenges fall broadly into 3 categories: (1) image acquisition, (2) image interpretation (including physiological and pathologic mimics), and (3) result communication. The aims of this review are to describe and illustrate the most common challenges in the imaging of acute
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.
BACKGROUND: Appendiceal diameter continues to be cited as an important criterion for diagnosis of appendicitis by computed tomography (CT).
OBJECTIVE: To assess sources of error and variability in appendiceal diameter measurements by CT.
MATERIALS AND METHODS: In this institutional review board-approved review of imaging and medical records, we reviewed CTs performed in children <18 years of age between Jan. 1 and Dec. 31, 2010. Appendiceal diameter was measured in the axial and coronal planes by two reviewers (R1, R2). One year later, 10% of cases were remeasured. For patients who had multi
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: Urolithiasis is a prevalent urological condition, and Non-Contrast Computed Tomography (NCCT) is the gold standard for diagnosis. In recent years, there has been growing interest in investigating machine learning (ML)- based detection of urolithiasis and the wider potential of AI in urology.
PURPOSE: To synthesise the diagnostic accuracy of ML-based UTS detection on NCCT and in externally validated cohorts.
MATERIALS AND METHODS: We performed a systematic review and bivariate meta-analysis of studies evaluating ML for detecting urinary stones. We used QUADAS-2 to assess the risk
СтатьяСистематический обзорМетаанализПоиск 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: Renal tumors pose a serious threat to patient health and survival, highlighting the importance of early detection and accurate diagnosis. In clinical practice, differentiating renal tumors from cysts in CT images remains challenging due to similar imaging characteristics and complex anatomical structures. The aim of this study is to develop an improved detection method for renal tumors and cysts based on an enhanced YOLO11 framework.
METHODS: An improved YOLO11-based detection model incorporating a Mamba-inspired architecture is proposed. A gated state-space modeling module is 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.
INTRODUCTION: Computed tomography (CT) can evaluate thyroid cancer invasion into adjacent structures and is useful in identifying incidental thyroid nodules. Computer-aided diagnostic approaches may provide valuable clinical advantages in this domain. Here, we aim to evaluate the diagnostic performance of radiomics and deep-learning methods using CT imaging for preoperative nodule classification.
METHODS: A comprehensive search of PubMed, Embase, Scopus, and Web of Science was conducted from inception to June 2, 2025. Study quality was assessed using QUADAS-2 and METRICS. A bivariate meta-ana
СтатьяСистематический обзорМетаанализСравнительное исследованиеПолный 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 objective of this study was to assess the performance of an artificial intelligence (AI) algorithm in detecting intracranial haemorrhages (ICHs) on non-contrast CT scans (NCCT). Another objective was to gauge the department's acceptance of said algorithm. Surveys conducted at three and nine months post-implementation revealed an increase in radiologists' acceptance of the AI tool with an increasing performance. However, a significant portion still preferred an additional physician given comparable cost. Our findings emphasize the importance of careful software implementation into a robust
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Поддержка исследования: вне правительства СШАРедакционная 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.
MedElevator
Войти в исследования