XiaoMi-AI文件搜索系统
World File Search System放射学
神经放射学使用人工智能进行伦理考虑和公平性
摘要：在本综述中，算法偏见和公平性的概念得到了定性和数学上的定义。给出了算法开发中出现意外偏见或不公平时可能出现的问题的说明性示例。讨论了可解释性、可问责性和透明度对于人工智能算法开发和临床部署的重要性。这些都基于“primum no nocere”（首先，不伤害）的概念。提供了减轻任务定义、数据收集、模型定义、训练、测试、部署和反馈中的不公平和偏见的步骤。将讨论如何实施公平标准，最大限度地提高利益，最大限度地减少对神经放射学患者的不公平和伤害，包括为神经放射学家提供建议，因为人工智能算法在神经放射学实践中获得认可并纳入常规临床工作流程。
将人工智能与放射学报告工作流程（RIS 和 PACS）相结合
用于检测特定疾病的放射图像的计算机分析正在迅速兴起，例如检测乳腺病变、脑出血、中风、骨折、主动脉夹层、肺结节等。人工解释会考虑其他信息，例如患者的症状和体征、先前的图像、血液检查和组织病理学报告。放射科医生了解计算机算法的局限性，并经常质疑计算机的解释。考虑到这一点，即使在实施人工智能算法后，放射科医生仍将继续发布针对患者的个性化可操作报告。可操作报告提供初步诊断、潜在的鉴别诊断和下一步治疗建议（通常由当地情况和服务可用性决定）。1
低成本数字工业放射学系统的设计、开发和优化
功能强大的计算机和可靠的成像技术的引入对传统的基于辐射的无损检测 (NDT) 技术产生了重大影响。特别是，图像数字化提供了存储经济性、通信效率和更快的检查和评估速度。发达国家的 NDT 实验室在辐射检测数据的数字化方面正在迅速发展。使用图像增强系统、成像板和平板探测器的新成像技术提高了焊缝、铸件、锻造复合材料和混凝土中表面和内部缺陷的可视化能力，揭示了通过辐射技术准确评估此类缺陷的新潜力。本出版物介绍了一种经济实惠、低成本的数字工业放射学 (DIR) 荧光透视系统的设计、开发和优化。它提供了构建经济可行、易于组装的 DIR 系统的指南，为感兴趣的成员国（包括发展中成员国）提供获取 DIR 技术的渠道。
乔伯特综合征的放射学特征-Thieme Connect
所有患者均表现出颅窝畸形的特征图，称为“摩尔牙齿迹象”（MTS），在大约85％的JS患者中已有报道（►图。1）。在轴向截面中的存在中，在甲板/中脑的水平，小脑vermis的低/发育不良，异常深的沟渠窝和水平化的浓密和细长的高级小贝尔甲梗。自第一个描述以来，报告了许多病例，并随着表型的扩展以及细胞学和遗传进化的扩展。几种疾病更难以分析，因为它们的遗传原因通常不清楚，并且不遵循遗传模式。幸运的是，分子特征可以从患者的诊断，预后以及
使用仪器的未经空中>的移动放射学映射讲习班
科学秘书Petr Sladek先生物理和化学科学系核科学与应用部国际原子能局维也纳国际中心邮政信箱1001400维也纳奥地利电话。：+43 1 2600 28622传真：+43 1 26007电子邮件：p.sladek@iaea.org行政秘书Gaukhar Permetova女士物理和化学科学核科学和应用程序部国际原子能委员会Vienna Internation Antienna Internation Internation Internation Internation International International International Center Po Box 1400 Vienna vienna vienna oftienna Outhia。：+43 1 2600 28227传真：+43 1 26007电子邮件：g.permetova@iaea.org
神经放射学中的人工智能：对一些伦理挑战的范围审查
人工智能 (AI) 具有巨大潜力，可提高神经放射学许多方面的准确性和效率。它为深入了解大脑病理生理学、开发模型以确定治疗决策以及改进当前的预测和诊断算法提供了大量机会。同时，AI 模型的自主使用带来了有关知情同意范围、与数据隐私和保护相关的风险、潜在的数据库偏见以及可能出现的责任和义务的伦理挑战。在本文中，我们将首先简要概述神经放射学中使用的 AI 方法，然后探讨关键的方法和伦理挑战。具体而言，我们将讨论 AI 方法对人类神经科学的影响的伦理原则以及可能在此领域实施的规定，以确保 AI 框架的好处在未来与研究和医疗保健中的伦理保持一致。
放射学研究更新 2024 年 7 月，第 30 期
资助 马里兰干细胞研究基金会向诊断放射学和核医学系的教职员工和博士后提供了多项资助： 教授 Miroslaw Janowski 博士获得了为期两年、金额为 350,000 美元的发现资助，用于研究“大脑体内基因组编辑的计算方法”。该项目将与马里兰大学帕克分校副教授 Brian Pierce 博士合作开展。其目的是将计算方法应用于基于干细胞的策略，以编辑大脑中的经典 ALS 突变。 研究助理 Chengyan Chu 博士获得了为期两年、金额为 345,000 美元的发现资助，用于研究“人类 GRP 作为药物工厂对脑小血管疾病神经炎症的局部调节”。其目标是移植经过 mRNA 改造的人类神经胶质祖细胞 (hGRP)
低能X射线放射学燃烧的临床前建模
介入放射学在过去几十年中已大大增长，并成为治疗或诊断的重要工具。这项技术主要是有益的，而且掌握了，但可能会发生意外暴露，并导致确定性效应的出现。缺乏对用于这些实践的低能X射线的放射生物学后果的知识，这使得对不同组织的预后非常不确定。为了改善患者的辐射保护并更好地预测并发症的风险，我们实施了一种新的临床前小鼠模型来模仿介入放射学中的放射学燃烧，并对剂量沉积进行了完整的表征。设计了一种新的设置和准直仪，可在80 kV的空气中照射15只小鼠的后腿。辐照后，收集小鼠胫骨以通过电子顺磁共振（EPR）光谱测量来评估骨剂量。在简化和体素化的幻像中进行了带有Geant4的Monte Carlo模拟，以表征不同组织中的剂量沉积，并评估次级电子（能量，路径，动量）的特征。收集了30只小鼠胫骨进行EPR分析。在骨最初在30 Gy的骨中测量了平均剂量为194.0±27.0 Gy。确定空气转化因子为6.5±0.9。样本间和间小鼠的变异性估计为13.9％。蒙特卡洛模拟显示了这些低X射线能量的剂量沉积的异质性和密集组织中的剂量增强。研究了二级电子的特定性，并显示了组织密度对能量和路径的影响。获得了实验和计算出的骨与空气转化因子之间的良好一致性。实施了一种新的临床前模型，允许在介入放射学条件下进行放射学燃烧。对于开发新的临床前放射生物学模型，其中沉积在不同组织中的剂量的确切知识至关重要，蒙特卡洛模拟的互补性和对剂量表征的实验测量结果已被证明是相当大的资产。
大语言模型的医学解释对放射学诊断决策的影响
临床表现：一名59岁的妇女在右眼有4天的炎症和疼痛病史，在那里她已经失明了几年。慢性失明和最近的症状表明了一个长期存在的眼部问题，现在已经成为症状。成像发现：磁共振成像显示右轨道质量，表明受影响的眼睛有明显的病变。全身参与：腹部和胸部成像显示许多肝肿块，腹部和胸部淋巴结肿大以及椎骨硬化骨性疾病，表明广泛转移性疾病。眼病史：几年患者在眼中盲目的事实表明，长期存在的主要眼病，例如黑色素瘤，可以转移到其他器官。病理确认：将右眼夹紧用于姑息性缓解，并获得组织以进行诊断。摘除剂以控制症状并获得明确的诊断。症状相关性：轨道肿块，广泛的转移性病变和患者眼病史的组合强烈表明转移性眼部黑色素瘤。
人工智能 (AI) 在放射学中的应用：阻碍因素和促进因素
摘要 目的 研究目的是找出荷兰临床放射学中实施人工智能 (AI) 应用的障碍和促进因素。材料和方法使用嵌入式多案例研究，遵循探索性定性研究设计。数据收集包括来自七家荷兰医院的 24 次半结构化访谈。障碍和促进因素的分析以最近发布的医疗机构中新医疗技术的非采用、放弃、扩大、传播和可持续性 (NASSS) 框架为指导。结果 实施的最重要促进因素包括：(i) 荷兰医疗保健系统的成本控制压力，(ii) 对 AI 潜在附加值的高度期望，(iii) 存在全医院创新战略，以及 (iv) 存在“本地冠军”。 “最突出的阻碍因素包括：（i）人工智能应用的技术性能不一致，（ii）非结构化实施流程，（iii）人工智能应用对临床实践的附加值不确定，以及（iv）直接（放射科医生）和间接（转诊临床医生）采用者的接受度和信任度差异很大。 结论 为了使人工智能应用有助于提高临床放射学的质量和效率，实施过程需要以结构化的方式进行，从而提供人工智能应用临床附加值的证据。 要点 • 成功实施人工智能在放射学中需要放射科医生和转诊临床医生之间的合作。 • 当地倡导者的存在有助于人工智能在放射学中的实施。 • 成功实施需要人工智能在放射学中的临床附加值证据。