期刊阅读
Radiology：高空间分辨率MRI在预测视网膜母细胞瘤早期椎板后视神经浸润中的应用
磁共振成像(MRI)是视网膜母细胞瘤治疗的首选成像方式，特别是在确定转移危险因素方面。晚期视神经板后侵犯通常在MRI上相对容易发现，表现为视神经明显扩大和增强。
Radiology:肝脏MRI质子密度脂肪分数与肝脏疾病风险之间的相关性
脂肪变性是非酒精性脂肪性肝病(NAFLD)的组织学特征之一，也是全球慢性肝病的主要原因。肝脂肪变性可发展为更严重的肝脏疾病，包括非酒精性脂肪性肝炎(NASH)、肝纤维化和肝硬化，甚至癌症。
Radiology：主动监测甲状腺乳头状微癌进展的US预测因子
研究显示，一些患者和肿瘤特征与肿瘤进展相关，诊断时的年龄越小，肿瘤进展的风险越高，促甲状腺激素(TSH)水平升高也与肿瘤生长有关。
Radiology：慢性肝病临床显著门静脉高压的CT表现和排除标准
目前，瞬变弹性成像是检测CSPH最有效的无创方法，最近的Baveno VII共识会议推荐在临床实践中使用瞬变弹性成像来诊断或排除CSPH。
Radiology:使用低渗碘造影剂是否可减少立即过敏反应的复发？
现阶段，尽管缺乏低渗透性ICM (LOCM)的高水平证据，并且预防中度至重度反应的有效性不足，但在高风险患者使用ICM之前广泛使用药物前治疗以预防立即HSR。
Radiol Bras：人工智能算法在腹部和胸部计算机断层扫描中检测中重度椎体压缩性骨折的准确性
该研究描述HealthVCF(一种使用人工智能的软件产品)在胸部和腹部计算机断层扫描中检测偶然发生的中重度椎体压缩性骨折(VCF)的准确性。
Radiology：颅脑生长图定量分析小儿临床MRI扫描有何临床价值？
使用临床颅脑MRI数据的其他挑战包括它们的技术异质性和可变质量。多项研究显示，统计方法在协调MRI数据中的扫描仪和序列差异方面是成功的，基于深度学习的图像分割工具可以提供扫描质量的鲁棒性。
Radiology：国际早期肺癌行动计划(I-ELCAP) 的20年随访结果
到2006年，国际ELCAP (I-ELCAP)，一个多国合作项目和扩大的纽约早期肺癌行动计划(NY-ELCAP)提供了足够的长期随访。不同癌症的治愈率越来越引起筛查参与者和国家公共卫生政策当局的兴趣
Radiology：基于生成对抗网络的主动脉和颈动脉CT血管造影
深度学习网络可以通过二次运算的非线性组合来区分差异较小的类值，这为获得不含ICA的类图像提供了技术方向。
Radiology:对比增强乳腺钼靶与MRI在乳腺癌诊断中的比较
对比增强乳腺钼靶(CEM)是一种使用双能技术和碘化造影剂来帮助识别恶性肿瘤的成像方式。CEM的低能图像已被证明不逊于传统的二维(数字)乳腺钼靶检查。
Radiology：利用MRI特征预测肝细胞癌肝切除术后的晚期复发
越来越多的证据支持成像技术的潜力，特别是增强磁共振成像以描述HCC的侵袭性(如病理亚型、微血管侵袭)和预后(如术后复发，肝外转移)。
Radiology：基于冠状动脉CCTA慢性闭塞患者经皮再通的深度学习预测
最近，深度学习(DL)辅助医学图像处理和分析已经取得了相当大的进展，在图像重建、结构分割、病变检测和疾病诊断方面显示出潜力。
Radiology：基于多参数MRI的前列腺癌根治术后5年风险预测模型
临床上，多项分类已应用于日常实践中以识别治疗后5年生化复发(BCR)风险较高的患者。在随后的几十年里，临床上也提出了其他预测工具来实现评估，但这些分类都没有包括多参数MRI (mpMRI)。
Radiology:利用深度学习进行乳腺癌筛查分类:一项英国回顾性研究。
研究显示，计算机辅助检测分诊(CADt)规则方法可以提高间隔期和随后的筛查轮检测(以下简称后轮)癌症的检测，从而通过早期检测乳腺癌来潜在地改善患者的生存预后。
Radiology：滤泡性甲状腺肿瘤的US风险分层系统评估
现阶段，超声是首选的一线影像学工具，可用于恶性肿瘤的风险分层。特定的超声特征，如低回声、高过宽的形状、不规则的边缘和微钙化，通常与甲状腺乳头状癌有关。
Radiology：多维分析健康与疾病状态下成年人心脏的结构：利用分层相位对比断层扫描技术
分层相位对比断层扫描（HiP-CT）技术实现了对体外成年人心脏的高分辨率三维成像，揭示了从宏观到微观的结构细节，为心血管疾病的诊断和研究提供了新的视角。
Radiology：评估肝脏脂肪变性的多变量定量超声参数
现阶段，使用混杂因子校正的化学位移编码MRI测量的质子密度脂肪分数(PDFF) 也是一种准确的、可重复的、可重复的肝硬化定性诊断方法。
Radiology：CT肺血管造影AI肺栓塞分诊的前瞻性评价
在学术研究中，人工智能(AI)算法在CT肺血管造影(CTPA)研究中对肺栓塞(PE)的检测显示出较高的准确性，但缺乏放射科医师与人工智能的互动。
Radiology：放射科医师与深度学习在肝脂肪变性分级中的比较
人工智能技术的持续发展，特别是在过去十年中深度学习的进步，已经显示出不同应用的潜力。深度学习技术在医学成像中越来越受欢迎，旨在自动化计算机视觉任务，如分类、检测和分割。
Radiology：AI风险评分在乳腺癌诊断前的价值及作用
人工智能(AD)在放射学领域显示出了减少工作量和增加工作量的作用及价值。在乳腺钼靶筛查中，Al可以作为一种独立的技术来分诊检查，或作为放射科医生的解释支持。
