XiaoMi-AI文件搜索系统
World File Search System扫描时间
使用...自动进行 3D 胎儿大脑分割
胎儿。1形态学胎儿 MRI 成像研究已用于量化与先天性心脏病（CHD）相关的胎儿大脑发育障碍。2然而，图像分割作为形态学分析的一个重要步骤，非常耗时且容易受到观察者之间/观察者内差异的影响。胎儿 MRI 成像有 3 个主要挑战影响图像质量和可靠的解剖描绘。首先，随着孕龄（GA）的增加，胎儿大脑解剖结构会迅速变化，导致脑组织发生剧烈的形态变化。妊娠中期和晚期皮质成熟（即脑回形成和脑沟形成）会将光滑的胎儿表面变成高度卷曲的结构。其次，伴随髓鞘形成的水分含量变化会导致 MR 成像信号强度和对比度在不同 GA 之间发生很大变化。3、4第三，有时，伪影会破坏胎儿图像。例如，孕妇呼吸和不规则的胎儿运动经常导致运动伪影。羊水和组织之间的电导率差异会导致驻波伪影。此外，孕妇腹部的视场较大，扫描时间有限，导致
可植入的，可生物吸收的射频共振电路用于磁共振成像（Adv。Sci。27/2024）
磁共振成像（MRI）广泛用于临床护理和医学研究中。测量效应的参数中的信噪比（SNR）确定图像的诊断值，例如空间分辨率，对比度和扫描时间。手术植入的射频线圈可以增加随后对相邻组织的MRI研究的SNR。SNR中所产生的好处是通过与手术去除这些线圈或将它们永久性地将其保持在原位的显着风险来平衡的。作为替代方案，作者在这里报告了完全由可生物吸收的有机和无机材料制成的可植入式电感 - 电容器电路的类别。对电感器和电容器设计的工程选择提供了选择设备的谐振频率以满足MRI规范的能力（例如，在4.7 T MRI时为200 MHz）。此类设备可增强SNR并提高相关的成像功能。这些简单的小生物电子系统在生理条件下在临床相关的时间范围内（最多1个月）的功能，然后通过生物吸附的自然机制完全消失，从而消除了对手术提取的需求。在神经幻影和人尸体中的成像演示表明，这项技术具有对手术后监测/评估恢复过程的广泛潜力。
磁共振成像
磁共振成像 磁共振成像或 MRI 是诊断和评估神经系统疾病的重要工具。MRI 扫描仪是一种设备，患者躺在一个圆柱形管内，管内有一个大型强力磁铁。磁铁与连接到计算机的无线电波相结合，可产生非常清晰和详细的身体图像。与 CT 扫描或传统 X 射线不同，MRI 不使用电离辐射。MRI 在脊髓和大脑成像方面特别有用。它既可用于诊断神经系统疾病，也可用于监测某些疾病，如多发性硬化症。对于某些 MRI 研究，可以使用造影剂（通常是钆）来增强某些组织的可见性。造影剂通过放置在手臂静脉中的小静脉 (IV) 管注入。在进行 MRI 之前，请正常饮食并服用您常用的药物，除非另有指示。您将获得医院的病号服或被指示穿着没有金属扣件的宽松衣服。由于机器内有强力磁铁，因此务必取下所有配件，例如珠宝或发夹/发夹。金属物体可能会在检查期间干扰磁场，影响 MRI 图像的质量。磁场还可能损坏电子产品。扫描时长取决于医生想要成像的内容。扫描时间可能只有几分钟到一个多小时。
通过轻质横向抑制网络准确的MR图像超分辨率
近年来，卷积神经网络（CNN）表明了它们在MR图像超级分辨率（SR）任务上的优势。但是，许多当前的SR模型对计算和内存都有很大的要求，这些模型通常对磁共振成像（MRI）不友好，在这些磁共振成像（MRI）通常会受到限制。另一方面，大多数MRI实验中的一个基本考虑是如何减少扫描时间以改善患者舒适性并减少运动伪像。在这项工作中，我们通过提出一个有效且轻巧的模型来缓解问题，该模型支持快速培训和准确的SR推理。提出的网络的灵感来自横向抑制机制，该机制假设相邻神经元之间存在抑制作用。我们网络的骨干由几个横向抑制块组成，其中抑制作用由一堆级联的局部抑制单元明确实现。当模型量表很小时，明确抑制特征激活将进一步探索模型代表能力。为了更有效的特征提取，还使用了几种平行的扩张卷积直接从输入图像中提取浅特征。对典型MR图像进行的广泛实验表明，我们的横向抑制网络（LIN）比具有类似模型量表的其他轻量级模型的SR性能更好。
基于人工智能CNN的去噪对FDG PET放射组学的影响
成像方式如今已成为医学中必不可少的诊断工具。从 2009 年到 2019 年，美国的 CT、MRI 和 PET 检查数量分别增加了约 18%、42% 和 105%（1）。这种不断增长的需求已经超过了实际供应，导致法国/欧洲的 MRI 和 PET 扫描不合理地延迟了数周甚至数月（2）。适当的图像去噪可能有助于减少扫描时间，甚至减少 PET 的注射剂量。它可以增加检查次数，而不会影响太多工作时间或需要安装新的医学成像设备。深度学习作为人工智能 (AI) 的一个分支，可以构建有前景的去噪模型。我们专注于 PET 成像，因为它的扫描时间较长，因此去噪效果会更好。尽管许多研究实际上都在研究这种方法的临床表现，但它也可能影响其他新兴领域，如基于成像的预测模型、放射组学和其他 AI 应用 (3)。医学图像基本上是基于其密度 (CT)、磁性 (MRI) 或功能信息 (PET/SPECT) 的不同灰度级的视觉表示。灰度值的分布表征了信息的异质性。一个快速发展的领域称为放射组学，它提供了一种从图像中提取基于强度、形状、纹理的不同特征的方法，以构建预测模型 (4)。这种方法有望预测患者的结果。它们可能允许个性化治疗。例如，在肺癌中计算了一个包括放射组学特征的总体生存预测模型（5）。2013 年至 2018 年间，该领域的发表论文年增长率为 177.82%（6）。这些模型非常有前景，但仍需付出一些努力才能在常规临床环境中转化和实施它们（7）。人工智能在医学成像领域的应用尚处于早期阶段。在本文中，我们使用了深度学习，更具体地说是卷积神经网络方法，它们代表了人工智能技术的一个细分领域。如今，深度学习在图像重建、处理（去噪、分割）、分析和预测建模中发挥着关键作用。这些应用在未来将得到进一步发展（8）。在大多数这些任务中，它们的表现往往优于更传统的方法 ( 9 )。将这种基于 AI 的 PET/MR 去噪算法与临床数据进行比较，发现对比度与噪声比增加了 46.80 ± 25.23%，而仅使用高斯滤波器的对比度与噪声比仅为 18.16 ± 10.02%（10）。在（10）中研究的其他方法，如引导非局部均值、块匹配 4D 或深度解码器，分别将 CNR 提高了 24.35 ± 16.30%、38.31 ± 20.26% 和 41.67 ± 22.28%。也可以在重建期间执行去噪，但这无法在现有机器上实现。最重要的限制是所有这些方法都缺乏 FDA 或 CE 认证。我们的研究重点是 Subtle PET™（Subtle Medical，美国斯坦福，由法国 Incepto 提供）。它是一款经 FDA 和 CE 批准的 FDG PET（11）后处理去噪软件，基于卷积神经网络（CNN），这是最常见的图像处理深度学习架构。
摘要
总共招募了260名患者，并分配给快速或标准CMR。扫描时间（首先到最后一个图像时间戳），并评估了图像质量（2个观测值的共识）。结果协议1：常规应力成像的平均年龄为36分钟（范围24 - 52分钟，n = 80）。快速的Perpu-sion CMR平均需要23分钟（范围14至31分钟，n = 120），平均节省13分钟（P <0.001）协议2：常规的非对抗CMR的平均节省时间为15.0（范围11至20）分钟。快速的非对比度CMR花费了9.9（范围5-13）分钟，包括内联分析，平均保存为5.1分钟 - 但此较短的扫描包括Inline AI分析，这是另外的报告节省。对于协议1和2，扫描质量被认为相似（3/3，好）。结论纳入AI方法的快速CMR协议允许在扫描持续时间节省大量节省，而无需明显的图像质量惩罚。扫描可以在不到25分钟的时间内持续进行，而对于非对抗性的扫描）。这些可以在NHS临床服务中实施。后遗症在这项试验之后，在我们站点的患者中，快速的CMR方法已成为常规的常规方法，并且在所有CMR预订日记上，预订插槽已降低到50分钟（从1小时），每天每天的活动增加+3例患者，随之而来的是等待列表。
个性化皮质网络地形的遗传力
与成年人相比，新生儿的大脑很小。在一个典型的分辨率（例如一个立方MM）上进行成像会在新生儿中比成年人在新生儿中产生更多的部分体积伪像。对新生儿脑的MRI的解释和分析是通过较高的空间分辨率可以实现的部分体积平均而有益的。不幸的是，高空间分辨率MRI的直接采集速度很慢，这增加了运动伪像的潜力，并且遭受了信噪比降低。因此，这项研究的目的是，与快速成像协议结合使用超分辨率重建，以合适的信号噪声比和更高的空间分辨率构建新生儿脑MRI图像，而不是通过直接傅立叶编码来实际获得的。，我们在6分钟成像时间的各向同性0.4 mm的空间分辨率上实现了高质量的大脑MRI，使用了从三个短持续时间扫描，具有切片选择方向可变的超分辨率重建。运动补偿是通过将三个短持续时间扫描结合在一起来实现的。我们将此技术应用于20个新生儿，并评估了我们重建的图像的质量。实验表明，我们对超分辨率重建的方法在空间分辨率和信噪比的比率方面取得了显着改善，而与直接高分辨率采集相比，与直接降低了扫描时间。实验结果表明，我们的方法允许对科学研究和临床研究进行快速和高质量的新生儿脑MRI。
valuitiatiative
全身PET/CT覆盖整个患者的一个床位，例如UExplorer®，代表了成像技术方面的重大进步，满足了许多临床和研究需求，同时还提出了新的挑战。但是，采用这项技术并非没有障碍。由于其构造所需的晶体量，这些系统的成本较高。也存在与扫描仪的物理大小相关的实际考虑因素，可以适合大多数但不是全部PET/CT套件。因此，联合成像考虑了临床需求，技术规格，房间尺寸以及开发全身系统的成本。在考虑能够在单床位置从头部扫描到大腿中部的全身宠物/ CT系统的必要规格时，有必要查看成人人群的平均高度。男性的中位高度为178.4厘米，女性为164.7 cm 1-表明，很大一部分患者人群可能不会在一次扫描范围（100 cm）的扫描范围内完全覆盖。（图1）这尤其正确，因为您认为灵敏度在视野边缘在头部和骨盆区域的边缘下降。此限制可能导致需要多次扫描通行证，这引入了注册错误的潜力并增加了整体扫描时间。UMI Panorama™GS的长轴向视野为148厘米，有效地解决了这个问题，从而使大多数人可以从顶点到大腿中部的覆盖范围。对于总体和全身宠物系统，需要克服技术挑战，以解决视差，散射，随机物，以在较大的轴向视野（AFOV）（AFOV）（AFOV）中具有检测器效率并管理它们生成的实质数据。
光子计数 CT：高分辨率，辐射更少
CT 扫描仪是诊断和监测各种健康状况以及介入和研究用途的成熟工具。1 CT 扫描仪为医疗保健从业者提供人体的详细横截面视图。自 20 世纪 70 年代开发以来，CT 扫描仪经历了众多技术进步，包括提高图像分辨率、加快扫描时间以及创建非造影图像的能力。1-3 CADTH 的加拿大医学影像清单记录了加拿大各地先进影像设备（包括 CT）的供应、分销、技术操作以及一般临床和研究使用的当前实践和发展。4 根据目前可用的数据，CT 扫描仪是加拿大最常见的影像方式：加拿大有 544 个 CT 单位，分布不均。4 在过去十年中，进行的 CT 扫描量增加了 47.7%（2022-2023 年约为 650 万次，而 2012 年为 440 万次），每 1,000 人进行的 CT 检查增加了 28.9%（2022-2023 年为 162.0 次，而 2012 年为 125.7 次）。4 我们还意识到加拿大的成像设备正在老化：2022-2023 年的一项调查发现，三分之一的 CT 设备至少有 10 年的历史。这表明需要在未来 5 年内更换许多 CT 设备；加拿大放射学会建议任何成像设备的最大预期寿命和临床相关性不超过 15 年。4 尽管 CT 技术取得了进步，但传统 CT 扫描仪仍存在局限性，包括图像伪影，这可能会限制植入医疗设备的人的诊断准确性（金属物体会吸收或散射 X 射线，导致扫描结果出现阴影或条纹）。3
用于出血性中风检测和成像的颅内涡流阻尼传感器：台式实验的可行性
目的 据估计，约 10% 的中风患者会发生自发性脑内出血，且相关死亡率很高。可快速无创检测出血性中风的便携式诊断技术可避免不必要的患者护理延误，并有助于快速对缺血性中风和出血性中风患者进行分类。因此，作者旨在开发一种快速便携式涡流阻尼 (ECD) 出血性中风传感器，用于现场诊断出血性中风。方法 构建了一种具有微特斯拉级磁场强度的三线圈 ECD 传感器。开发了 16 个与活体脑组织电特性相同的明胶脑模型，并将其放置在幻影头骨复制品内，将盐水稀释至血液电导率并放置在脑内以模拟出血。ECD 传感器用于检测台式模型上的模拟出血。数据被保存并绘制为过滤热图以表示病变位置。进行扫描的人员不知道出血位置，传感器围绕头骨模型切向旋转以定位血液。数据还用于使用 MATLAB 软件创建热图图像。结果该传感器便携（最大直径 11.4 厘米）、紧凑，制造成本约为 100 美元。扫描时间为 2.43 分钟，病变的热图图像几乎实时生成。ECD 传感器在所有（n = 16）台式实验中准确预测了模拟出血的位置，并具有出色的空间分辨率。结论台式实验证明了 ECD 传感器用于快速颅内出血性中风诊断的概念验证。未来有必要对活体人类参与者进行研究，以充分确定从本研究中得出的可行性结果。