• 综述：经皮途径与切开途径在B型主动脉夹层治疗中的血管内主动脉修复术比较：一项荟萃分析

  在当前医学研究领域，针对主动脉夹层（TBAD）的治疗方法持续受到关注，尤其是微创技术的应用。近年来，随着血管外科技术的不断进步和医疗设备的革新，微创治疗方式逐渐成为治疗TBAD的首选方案。其中，经皮内血管修复术（PEVAR）与传统切开法内血管修复术（CEVAR）作为两种主要的微创手术方式，其在安全性、疗效及患者术后恢复方面表现出不同的特点。本研究通过系统综述和荟萃分析的方法，对这两项技术进行了全面比较，旨在为临床医生提供更为科学和客观的决策依据。主动脉夹层是一种急性血管疾病，具有较高的发病率和死亡率。根据其解剖学特征，主动脉夹层通常被分为Stanford A型和B型。其中，B型主动脉夹层更倾向

  来源：Frontiers in Cardiovascular Medicine

  时间：2025-11-24

• 综述：心脑轴：揭示心血管疾病与阿尔茨海默病之间的相互关联

  心血管疾病（CVD）和阿尔茨海默病（AD）是全球范围内导致死亡和残疾的主要原因之一，近年来的研究揭示了这两种疾病之间存在一种复杂的双向关系。本文综述了流行病学、机制、影像学和遗传学方面的证据，阐明了CVD与AD之间的联系，即通过心脑轴——一个涉及生理和人口学路径的网络。我们详细讨论了脑灌注不足、炎症、血脑屏障功能障碍、自主神经系统失衡以及系统性淀粉样变性等机制，这些因素都可能促进共同的神经退行性和心血管结局。多器官影像学研究，包括磁共振成像（MRI）和正电子发射断层扫描（PET），显示心血管系统的功能障碍与脑萎缩、白质病变、脑脊液清除功能障碍以及AD相关蛋白病变的积累密切相关。遗传学分析进一步

  来源：Frontiers in Cardiovascular Medicine

  时间：2025-11-24

• 综述：与滤过裂隙蛋白及其功能改变相关的遗传和环境因素：一项综述性研究

  在肾脏功能的维持过程中，滤过裂隙蛋白扮演着至关重要的角色。这些蛋白质构成了肾小球滤过屏障的关键部分，不仅参与了物质的筛选和过滤，还对维持肾小球结构和功能的稳定性至关重要。滤过裂隙，也被称为裂隙隔膜或裂隙孔，是肾小球中一种狭窄的间隙，其中包含多种蛋白质复合物，这些复合物在调节分子通过中发挥重要作用。当这些蛋白质的结构或功能发生改变时，会导致肾小球滤过屏障的渗透性增加，从而引发蛋白尿，这是许多肾脏疾病的标志性特征之一。滤过裂隙蛋白的异常通常与遗传因素和环境因素密切相关。遗传变异可能通过改变这些蛋白的表达、定位或功能，从而影响肾小球的完整性。例如，Nephrin基因的突变已被证明会导致先天性肾病综合

  来源：Frontiers in Nephrology

  时间：2025-11-24

• 综述：基于人工智能的模型在根尖病变检测、分割和分类中的应用与性能：一项系统评价

  在现代医学领域，人工智能（AI）技术正逐步改变传统诊断方式，特别是在牙科领域，其在辅助医生进行疾病识别、图像分析以及治疗决策支持方面展现出巨大潜力。近年来，随着计算能力的提升和深度学习算法的发展，AI在牙科影像学中的应用日益广泛，尤其是在识别与分类牙周病变、根尖病变等方面取得了显著进展。然而，尽管AI模型在检测和诊断方面表现出色，但其在实际临床应用中仍面临诸多挑战和限制。本文将对AI在牙科影像学中用于根尖病变的检测、分割与分类的应用现状进行系统性分析，并探讨其在实际临床场景中的可行性和局限性。### 根尖病变的诊断挑战根尖病变，通常被称为根尖周炎，是一种由牙髓病变引发的局部炎症反应，常表现为牙

  来源：Frontiers in Dental Medicine

  时间：2025-11-24

• 综述：牙周内窥镜在非手术牙周治疗中的有效性：一项系统评价和荟萃分析

  牙周病是一种慢性感染性疾病，其主要特征是牙周支持组织的破坏，包括牙周膜、牙槽骨和牙龈。这些组织的损伤最终可能导致牙齿脱落。牙周病的发生与牙菌斑的失衡密切相关，而牙菌斑的矿化形成牙石则是其进一步发展的次要因素。牙石不仅为细菌提供了一个良好的栖息环境，还促进了细菌的代谢和疾病进展。因此，牙周治疗的核心目标在于清除牙菌斑及其代谢产物，以及牙石沉积，从而实现生物相容性的牙根表面，阻止炎症过程的进一步发展，保护牙周组织和牙齿结构。传统的非手术牙周治疗通常包括刮治和根面平整（Scaling and Root Planing, SRP），这是去除牙石和牙菌斑的主要手段。然而，牙石牢固地附着在牙根表面，通过不

  来源：Frontiers in Dental Medicine

  时间：2025-11-24

• 术后谵妄对心脏手术或经皮瓣膜置换术后长期神经学和神经精神结局的影响——一项前瞻性观察研究

  心脏手术和经皮瓣膜置换术是治疗心血管疾病的重要手段，然而，这些手术可能带来一系列长期的神经和精神心理并发症。其中，术后谵妄（Postoperative Delirium, POD）作为一种常见的术后精神障碍，其对患者长期神经和精神心理结局的影响一直存在争议。本研究旨在系统评估接受择期心脏手术或经皮瓣膜置换术的患者在术后一年的神经精神状态，并探讨术后谵妄是否与抑郁、疲劳、认知功能、健康相关生活质量（Health-Related Quality of Life, HRQoL）以及再住院率等临床指标之间存在关联。研究共纳入179名患者，这些患者均接受了择期心脏手术或经皮瓣膜置换术。术后，研究人员对患

  来源：Frontiers in Cardiovascular Medicine

  时间：2025-11-24

• 基于动量加速近端缩放梯度投影算法的图像去模糊优化方法研究

  引言图像去模糊是计算成像领域的核心问题，其本质是求解ill-conditioned逆问题。传统方法采用贝叶斯框架将去模糊建模为复合优化问题，目标函数包含数据保真项（最小二乘函数）和正则化项（l1范数）。由于模糊核矩阵A的病态特性，直接求解易受扰动影响，需引入优化算法进行稳定求解。问题建模与算法基础研究将图像去模糊转化为非负约束的l1正则化优化问题。目标函数F(x) = 1/2||Ax-y||2 + λ||x||1，其中y为观测图像，x为待重建图像，λ为正则化参数。该问题具有非光滑、凸函数特性，需采用近端梯度方法求解。经典SGP（缩放梯度投影）算法通过引入对角缩放矩阵Dk和BB（Barzilai

  来源：Frontiers in Big Data

  时间：2025-11-24

• 早期产后出血诊断的临床护理流程：E-MOTIVE试验中的嵌套观察性研究

  在世界范围内，产后大出血（Postpartum Haemorrhage, PPH）是导致产妇死亡的主要原因之一，尤其是在低收入和中等收入国家（Low- and Middle-Income Countries, LMICs）中，这一问题尤为突出。根据世界卫生组织（WHO）的数据，PPH占全球产妇死亡的27%，而撒哈拉以南非洲地区则承担了70%的产妇死亡负担。因此，如何在产后早期阶段有效识别和干预PPH，成为全球公共卫生领域亟需解决的重要课题。近年来，一些研究开始探索更系统、更精准的临床评估方法，以提高PPH的早期诊断率和治疗效果。E-MOTIVE试验是一项多国的集群随机对照试验，旨在评估一种综合

  来源：Frontiers in Global Women's Health

  时间：2025-11-24

• 通过关节形状-强度参考进行骨盆骨折复位规划

  摘要：骨盆骨折复位计划在临床中至关重要，但由于骨盆复杂的解剖结构以及骨折导致的拓扑不连续性，该计划在技术上具有很高的要求。现有的计算机辅助规划方法主要依赖于基于形状的模型，而忽略了对于准确和个性化规划至关重要的CT强度信息。为了解决这一局限性，我们提出了SIRDiff这一新框架，它结合了解剖形状和CT强度信息，生成了符合生物力学原理的骨盆骨折复位规划参考模型。SIRDiff包含三个关键组成部分：1) 具有结构感知能力的扩散模型，用于重建整体解剖结构；2) 适应拓扑结构的条件化策略，将骨折标志点映射到健康的解剖图谱中，以提供可靠的结构指导；3) 保留细节的自编码器，确保从潜在表示中实现精细的图像

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• EviVLM：当基于证据的学习方法与视觉语言模型结合用于医学图像分割时

  摘要：图像表示和文本表示之间的差异，通常被称为“模态差距”，仍然是视觉语言模型（VLMs）在医学图像分割任务中面临的一个重大障碍。这一差距使得多模态融合变得复杂，从而限制了分割性能。为了解决这一挑战，我们提出了基于证据驱动的视觉语言模型（EviVLM）——一种将证据学习（EL）集成到VLM中的新范式，以系统地测量和减轻模态差距，从而提升多模态融合的效果。为了实现这一范式，我们设计了一种证据亲和力图生成器（EAMG），通过学习全局跨模态亲和力图来收集互补的跨模态证据，从而细化特定模态的证据表示。进一步提出了证据差异相似性学习（EDSL）方法，通过对图像和文本证据表示之间的双向相似性矩阵进行偏差-

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• FairFedMed：利用FairLoRA对联邦医疗成像中的公平性进行基准测试的团队

  摘要：在医疗领域，公平性仍然是一个关键问题，因为服务获取和治疗结果的不平等可能会对患者的健康产生不利影响。虽然联邦学习（FL）提供了一种协作且能够保护隐私的模型训练方法，但由于各机构之间的数据差异较大，确保公平性仍然具有挑战性，而且目前的研究主要集中在非医疗应用方面。为了填补这一空白，我们首次建立了针对医疗领域联邦学习公平性的实验性基准，评估了六种在不同人口统计特征和成像模式下的代表性联邦学习方法。我们推出了FairFedMed，这是第一个专门为研究群体公平性（即在不同人口统计群体中保持一致的性能）而设计的医疗联邦学习数据集。该数据集包含两部分：FairFedMed-Oph，包含具有六个人口统

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 利用扩散模型和图像基础模型提升冠状动脉造影中的对应匹配效果

  摘要：在冠状动脉造影图像中进行准确的对应关系匹配对于重建三维冠状动脉结构至关重要，这对于精确诊断和治疗冠状动脉疾病（CAD）至关重要。传统的自然图像匹配方法通常无法泛化到X射线图像上，因为两者之间存在固有的差异，如缺乏纹理、对比度较低以及结构重叠等问题，而这些问题又因训练数据不足而加剧。为了解决这些挑战，我们提出了一种新的流程，该流程利用基于冠状动脉计算机断层扫描（CCTA）重建的3D网格的2D投影的扩散模型来生成逼真的配对冠状动脉造影图像，从而提供高质量的合成数据用于训练。此外，我们还采用了大规模的图像基础模型来指导特征聚合，通过关注语义相关区域和关键点来提高对应关系匹配的准确性。我们的方法

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 一种用于乳腺癌诊断的对齐与插补网络（AINet），该网络能够处理多模态多视角超声图像

  摘要：近期，许多深度学习模型被提出用于利用多模态多视角超声图像进行乳腺癌诊断。然而，这些模型的性能可能会因忽视不同模态和视角之间的相互作用而受到严重影响。此外，现有方法在处理某些模态或视角缺失的情况时存在困难，这限制了它们的临床应用。为了解决这些问题，我们提出了一种新的对齐和插补网络（AINet），该网络结合了1）对齐和插补的预训练，以及2）分层融合的微调。具体来说，在预训练阶段，采用跨模态对比学习来对齐不同模态的特征，以有效捕捉模态间的相互作用。为了模拟缺失模态（视角）的情况，我们随机屏蔽特征，然后利用模态间和视角间的关系进行插补。在临床诊断流程之后，后续的微调阶段进一步以分层的方式整合了模

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 用于多合一稀疏视图CT重建的Lipschitz约束网络引导方法

  摘要：尽管基于深度学习的稀疏视图计算机断层扫描（SVCT）重建算法取得了显著进展，但这些方法仍面临两个主要限制：(i) 由于深度展开算法的先验网络是经验性设计的，因此很难明确证明它们满足Lipschitz约束。(ii) 在多视图情况下，为每种设置训练单独的模型会导致较高的存储成本，从而阻碍了其实际临床应用。为了解决这些问题，我们设计了一个能够明确证明满足Lipschitz约束的网络，称为LipNet，并集成了一个显式的提示模块，以提供对不同稀疏采样设置的区分性理解，从而能够在单个模型中处理多种稀疏视图配置。此外，我们还开发了一个用于多视图SVCT重建的存储优化深度展开框架，称为PromptCT

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 基于疾病进展对纵向表型潜在模式表示进行建模，以识别遗传风险因素

  摘要：神经退行性疾病的特征是记忆和其他认知功能的逐渐衰退。然而，现有的影像遗传学方法仅直接使用纵向影像表型数据，忽略了数据在进展过程中的潜在模式。多个时间点上的表型可能展现出这种潜在模式，有助于理解疾病的进展过程。因此，在本文中，我们探索了来自多个时间点的互补信息，并同时寻找潜在的表示形式。通过多个时间点的互补性，这种潜在表示能够比单个时间点更全面地描述数据，从而挖掘出有效的纵向表型潜在模式。具体来说，我们首先提出了两种用于纵向影像表型的潜在模式表示方法：基于潜在表示与每个时间点之间线性关系的线性潜在模式表示（lLPR），以及基于神经网络处理非线性关系的非线性潜在模式表示（nonlLPR）。然

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 用于无监督PET部分体积校正的深度残差补偿模型

  摘要：部分体积效应（PVE）是由于正电子发射断层扫描（PET）扫描仪的空间分辨率有限而产生的，这会导致显著的定量偏差，从而妨碍对代谢活动的准确评估。为了解决这些问题，我们提出了一种无监督的深度残差补偿模型（U-DRCM）用于PET部分体积校正（PVC）。U-DRCM首先基于条件盲去卷积模块（CBD模块）预测受PVE影响的PET图像的初始模糊核。然后，引入条件残差补偿模块（CRC模块）来补偿由于模糊核预测不准确而引起的误差。整个模型是无监督的，仅需要单个患者的PET图像作为训练标签以及相应的MR图像作为网络输入。通过使用模拟的BrainWeb幻影和真实的临床数据集，对U-DRCM的性能进行了评估

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 分辨率小于0.5毫米的PET扫描仪，配备三层DOI探测器，用于啮齿动物神经成像

  摘要：空间分辨率是临床前正电子发射断层扫描（PET）中用于高精度可视化小鼠脑功能的最重要参数。然而，PET的空间分辨率一直受限在0.5毫米以上，这导致了特别是对于小鼠脑部小结构时的显著部分体积效应。在这项研究中，我们展示了一种专门用于小鼠脑部扫描的PET扫描仪的初步研究成果，该扫描仪能够实现低于0.5毫米的分辨率。该PET扫描仪的环形直径为48毫米，轴向覆盖范围为23.4毫米。为了编码相互作用深度（DOI）信息，三层镥镱氧正硅酸盐晶体以交错方式堆叠，并与一个5×5的硅光电倍增管阵列相连，这些光电倍增管的像素间距为2.4毫米。晶体的间距和总厚度分别为0.8毫米和11毫米。PET的性能按照美国国家

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 通过共享低秩矩阵恢复进行特征分解，以生成CT报告

  摘要：为医学图像生成报告是医学自动化中的一个重要任务，这不仅提供了有价值的客观诊断证据，还减轻了放射科医生的工作负担。许多现有研究主要集中在胸部X光片上，这类图像通常只包含一张或几张图片，而对其他类型的医学图像（如包含大量连续图像的计算机断层扫描（CT）关注较少。许多关于CT报告生成（CTRG）的研究依赖于卷积网络或标准Transformer来模拟CT切片表示，并将它们结合起来以获取CT特征，但很少有研究关注细微的病变特征和体积连续性。在本文中，我们提出了共享低秩矩阵恢复（S-LMR）方法，将CT切片分解为共享的解剖模式和以病变为中心的特征，并结合连续切片编码（CSE）来明确模拟切片间的连续性

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• 脑肿瘤的多对比度MRI超分辨率技术：任意尺度隐式采样与无监督微调

  摘要：多对比度磁共振成像（MRI）在临床应用中具有重要意义，因为它能够全面反映组织的特征，包括解剖结构、功能以及代谢情况。以往的研究利用高分辨率（HR）参考图像中的丰富细节来指导低分辨率（LR）图像的超分辨率（SR）处理，这种技术被称为多对比度MRI SR。然而，其临床应用受到以下两个因素的制约：（1）不同医院之间的MRI设备和采集协议存在差异，导致数据分布不均匀；（2）某些成像模式下缺乏用于监督学习的成对的低分辨率和高分辨率图像。在此，我们从临床角度重新审视多对比度MRI，并提出了一种隐式采样与生成（ISG）网络结合无监督微调（FT）的框架。简而言之，ISG网络具备强大的表征能力，能够处理任

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

• MCS-Stain：通过多重细胞语义增强FFPE样本到HE样本的虚拟染色过程

  摘要：癌症的诊断主要依赖于用苏木精和伊红（HE）染色的病理切片。这些切片通常是由经过福尔马林固定并嵌入石蜡中的组织样本制备而成的（FFPE）。然而，传统的FFPE样本HE染色过程耗时且资源密集。近年来，受数字病理学和生成模型推动的虚拟染色技术取得了进展，为这一领域提供了有前景的替代方案。然而，FFPE图像中模糊的结构给实现高质量的FFPE到HE虚拟染色带来了独特的挑战。在此背景下，我们开发了一种新的多细胞语义引导的监督生成对抗模型MCS-Stain。具体来说，该模型的引导机制包括三个组成部分：（1）预训练的细胞语义引导，将真实图像和虚拟图像的强大中间特征对齐，这些特征嵌入在预训练的细胞分割模型

  来源：IEEE Transactions on Medical Imaging

  时间：2025-11-24

知名企业招聘：