XiaoMi-AI文件搜索系统
World File Search System图像配准
放射治疗中的人工智能
摘要 —人工智能 (AI) 具有改变放射治疗临床工作流程的巨大潜力。自从深度神经网络 (DNN) 引入以来，已经提出了许多基于 AI 的方法来应对放射治疗不同方面的挑战。商业供应商已经开始发布基于 AI 的工具，这些工具可以轻松集成到已建立的临床工作流程中。为了展示 AI 辅助放射治疗的最新进展，我们回顾了放射治疗五个主要方面的基于 AI 的研究，包括图像重建、图像配准、图像分割、图像合成和自动治疗计划。在每一节中，我们都总结和分类了最近发表的方法，然后讨论了挑战、关注点和未来发展。鉴于 AI 辅助放射治疗的快速发展，未来通过放射治疗各个方面的智能自动化可以显着提高放射治疗的效率和有效性。
从磁共振成像中对胎儿大脑进行半自动分割
方法：招募了单胎妊娠成年女性（n = 21），其中 5 名接受了两次扫描，间隔约 3 周[共 26 个数据集，中位孕周 (GA) = 34.8，IQR = 30.9–36.6]。使用 1.5T 和 3T MRI 扫描仪获取胎儿大脑的 T2 加权单次激发快速自旋回波图像。首先将图像组合成一个 3D 解剖体积。接下来，经过训练的示踪剂手动分割丘脑、小脑和总大脑体积。将手动分割与高级规范化工具 (ANT) 和 FMRIB 的线性图像配准工具 (FLIRT) 工具箱中提供的五种自动分割方法进行了比较。使用 Dice 相似系数 (DSC) 比较手动和自动标签。使用 Friedman 重复测量检验比较 DSC 值。
Neuropixels 2.0：用于稳定的微型高密度探头......
原理：为此，我们设计了一款微型探头，称为 Neuropixels 2.0，其 5120 个记录点分布在四个柄上。探头和头台被微型化为原始尺寸的三分之一左右（即 Neuropixels 1.0 探头的尺寸），因此两个探头及其单个头台仅重 ~1.1 克，且不会损失通道数（每个探头 384 个通道）。使用两个四柄探头可在一次植入中提供 10,240 个记录点。为了在脑部运动时也能实现稳定的记录，我们优化了记录点的排列。该探头具有更密集的线性化几何形状，可使用新设计的算法进行事后计算运动校正。该算法在 Kilosort 2.5 软件包中实现，可从脉冲数据确定随时间的运动，并使用空间重采样对其进行校正，就像在图像配准中一样。
人工智能在核心脏病学中的应用
人工智能 (AI) 是一个快速发展的领域，它指的是任何执行通常属于人类智能的任务的计算机算法。1 这些算法可能应用于核心脏病学的许多方面，包括通过临床报告进行图像重建。特别是，与典型的心肌灌注扫描相关的大量临床、压力和成像信息非常适合 AI 方法，这些方法可以客观地整合这些数据以改善疾病诊断和风险预测。尽管 AI 应用最初对许多临床医生来说可能令人生畏，但了解关键术语和流程可以大大提高对这些算法的理解和潜在的临床影响。在对关键术语的回顾的启发下，本文将回顾最近的 AI 图像重建方法，这些方法可用于提高图像质量或减少辐射暴露以及自动图像配准的方法。接下来，我们将总结 AI 驱动的心肌灌注图像衰减校正 (AC) 以及从 AC 成像中自动分割冠状动脉钙化 (CAC)。我们还将讨论利用
土地覆盖验证协议 - eftas
为了确保地球观测衍生产品的可信度，评估分类结果（即土地覆盖图）的准确性应被视为地理空间地图制作中的强制性步骤。在这方面，最合适且毫无疑问的方法是使用收集的地面真实数据来验证地图结果，这些数据被认为是正确的 1 ，并且需要完全独立于用于地图制作的数据集。此外，这些地面数据应尽可能在图像配准的同一时期收集，从中可以得出土地覆盖使用图。第 1.4 节将进一步讨论这种“时间一致性”。地图准确性的定量测量是地图上的类别与现场观察到的独立地面真实数据之间的一致性或对应性水平。地面真实数据可以通过不同的方式收集，例如地面调查或使用 VHR 图像解释，我们称之为“伪真实”数据。然而，需要考虑到从图像解释获得的数据可能包含错误，地面调查总是比遥感更可取。
摘要书 - technart 2023 里斯本
会议 A - 分析方法 |由 KOEN JANSSENS 主持 09:20 António Candeias 用于研究和保护文化遗产的非侵入性成像技术 - HERCULES 实验室体验 10:00 441 Sebastian Schöder、Katharina Müller、Emilie Bérard、Angélique Rouquié、Laurent Tranchant、Pierre Gueriau、Mathieu Thoury、Serge Cohen 和 Loïc Bertrand 来自 PUMA 同步加速器光束线的第一批结果，致力于遗产研究 10h15 1082 Maria Eugenia Villafane、Nathan Daly、Christine Kimbriel、Catherine Higgitt 和 Pier Luigi Dragotti 艺术品多模态图像配准：基于互信息的方法 10h30 891 Giuseppe Capobianco、Lucilla Pronti、Martina Romani、Simone Di Filippo、朱塞佩·博尼法齐、玛丽安吉拉Cestelli Guidi 和 Silvia Serranti 多传感器成像与化学计量技术相结合用于表征图像材料 11h00 咖啡休息
采用 DINOv2 的脑成像基础模型... - CS231n
近年来，随着 Transformer 等深度学习技术的飞速发展，深度学习已逐渐融入社会的各个领域，用于处理音频、语言和视觉等各种任务。深度学习有助于减轻医疗负担并解决复杂问题，例如模拟蛋白质折叠。随着强大的 Transformer 模型的不断发展，最近的一个重点领域是开发基础模型，以迈向通用人工智能。DINOv2 是一种最近发布的稳健特征提取模型，作为基础模型，在执行各种医疗任务（例如疾病分类和器官分割）方面取得了良好的效果。在本文中，我们尝试将 DINOv2 编码器集成到不同的模型中，从简单的自动编码器模型到更复杂的卷积 Transformer 模型，以解决更复杂的 MRI 成像图像配准问题。结果表明，DINOv2 在 Transformer 模型中有望用于解决 MRI 配准问题，未来需要研究如何集成 DINOv2 以实现更强大的 MRI 配准特征提取。
准确、高效地重建右心室形状和
从时间分辨的医学图像中精确重建右心几何形状和运动可增强基于图像可视化的诊断工具以及通过计算方法进行的心脏血液动力学分析。由于右心形态和运动的特殊性，常用的分割和/或重建技术仅采用短轴电影 MRI，在右心相关区域（如心室底部和流出道）缺乏准确性。此外，重建过程非常耗时，并且在生成计算域的情况下需要大量的人工干预。本文提出了一种从时间分辨 MRI 中精确高效地重建右心几何形状和运动的新方法。具体而言，所提出的方法利用表面变形来合并来自多系列电影 MRI（如短/长轴和 2/3/4 腔采集）的信息并重建重要的心脏特征。它还通过利用合适的图像配准技术自动提供完整的心脏收缩和放松运动。该方法既适用于健康病例，也适用于病理（法洛四联症）病例，并且比标准程序产生更准确的结果。所提出的方法还用于为计算流体动力学提供重要输入。相应的数值结果证明了我们的方法在计算临床相关血液动力学量方面的可靠性。© 2023 Elsevier BV 保留所有权利。
招聘博士后研究员
克利夫兰诊所的心血管创新研究中心 (CIRC) 由 Christopher Nguyen 博士领导，儿童和成人先天性心脏中心 (PACHC) 由 Animesh (Aashoo) Tandon 博士、医学博士、理科硕士领导，他们正在寻找对基于图像的计算建模和人工智能/机器学习在儿童、先天性和成人心血管疾病精准医疗方面感兴趣并具有相关专业知识的博士后研究员。博士后研究员将致力于开发和实施图像分析和 AI/ML 算法以用于心血管疾病的临床应用。具体来说，其中一个项目将专注于法洛四联症修复患者的心血管 MRI 数据集的形状、运动和放射组学分析。申请人还将与克利夫兰诊所-IBM 发现加速器计划合作，特别是因为它涉及成像和多/跨模态数据集中的人工智能。这一独特的职位受益于 CIRC 与儿童和成人先天性心脏中心之间的紧密联系。候选人将与技术和临床合作伙伴互动，推动患者护理朝着新的方向发展。申请人必须拥有或即将获得博士学位，并表现出出色的研究资质。成功的候选人应拥有生物医学工程、计算机科学、电气工程或相关领域的博士学位，并在医学图像分析、计算机视觉、图像配准和特征提取方面有可证明的成就记录。需要具有 Python、MATLAB 和 C++ 编程经验。
人工智能模型协助医生量化急性胰腺炎中的胰腺坏死
修订后的亚特兰大分类（1）将急性胰腺炎（AP）分为轻度、中度和重度。大多数病例为轻度，但8.8%的病例会发展为重度急性胰腺炎（SAP）（1）。SAP常导致胰腺周围组织坏死和多器官衰竭（2），在器官衰竭持续的情况下，死亡率可高达28%（1），且预后不良（3）。SAP的早期诊断和相应的护理治疗对于有效预防不良患者预后至关重要（4）。改良CT严重程度指数（MCTSI）是评估AP严重程度的有效工具（5），MCTSI评分越高，并发症发生率越高（6,7）。根据MCTSI评估胰腺坏死体积，分为0%（0分）、小于30%（2分）和大于30%（4分）（8）。区分坏死和非坏死的胰腺组织是一项挑战，这种评估需要由训练有素的专业专家进行。然而，即使对于专家来说，评估通常也只能提供定性信息，通常基于对医学影像（如 CT 扫描）的视觉分析（9）。深度学习系统可以独立提取特征进行大规模操作（10），并通过图像配准技术准确高效地分析图像，而无需专家指导。然而，胰腺的形状不规则且变化很大。此外，胰腺的计算机断层扫描（CT）扫描缺乏鲜明的对比度，通常没有清晰光滑的边界。因此，该器官的分割很困难（11-13）。先前的研究试图改进