跳到主要内容
检索

Icahn School of Medicine at Mount Sinai

3 篇关联报道

订阅更新
  1. arXiv

    脑转移瘤分割模型换院换模态还要加新病灶:FGCARL 在 BraTS-METS 2023 上平均 Dice 达 68.28%

    临床影像常按机构、模态和标注结构分批到来,分割模型既要适应新的成像分布,又要学会新增的病灶类别,同时不能忘掉旧知识。FGCARL 把双向特征统计对齐与 Fisher 信息加权的参数约束放进同一个增量学习框架,不需要回放历史患者数据。在从 UCSF-BMSR 迁移到 BraTS-METS 2023 的域与类同时变化设定中,配 Swin UNETR 的 FGCARL 在新域三个肿瘤区域上平均 Dice 为 68.28%,高于对比中最强的 CLAMTS 的 60.94%。

  2. arXiv

    CT病灶定位不再依赖逐体素标注:Uni-Loc用扫描级标签画出三维病灶图

    三维CT的病灶定位通常需要专家逐体素勾画,代价高且难以覆盖多种病变。Uni-Loc把分类头换成病理查询与空间特征的相似度打分,让同一组分数既给出扫描级诊断又生成三维定位图,并配合梯度引导阈值勾出病灶区域。在355例带体素标注的五个定位任务上,其宏平均体素级AUROC/AUPR为96.1%/34.5%,高于相关性传播的80.7%/13.9%与梯度显著性的88.7%/8.1%。

  3. medRxiv

    局灶性肌张力障碍的基因线索不再只靠家系:DystoniaGeneNet先认出家族性影像特征,再指向三个新基因

    孤立性局灶性肌张力障碍只有不到五个已知致病基因,家系小、外显不全让连锁分析难以展开。研究团队用三维卷积网络DystoniaGeneNet从T1加权脑MRI判断家族性,在独立测试集中正确识别21例家族性病例中的18例(85.7%),并以该影像内表型指导214人的外显子变异筛选与共分离分析。据此在RAP1GAP、TNN和ITSN2中发现与疾病共分离的罕见变异,三者共同指向突触周围细胞外基质—突触信号通路。

已读完全部报道