Search research articles

Videos de Conceptos Relacionados

Imaging Studies III: Computed Tomography

Imaging Studies III: Computed Tomography

DefinitionComputed Tomography (CT) of the genitourinary (GU) tract is a non-invasive imaging modality that utilizes X-rays and computer processing to generate detailed cross-sectional images of the urinary system, encompassing the kidneys, ureters, bladder, and adjacent structures such as the adrenal glands.PurposeCT scans of the GU tract serve several diagnostic and therapeutic purposes, including:Diagnosis of Urinary Tract Diseases: Detects kidney stones, tumors, cysts, and congenital...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Accuracy and Variability of Spatial Localization of Infarct Core Predicted by CT Perfusion.

Journal of computer assisted tomography·2026

Same authorSame journal

Technological Lag of Digitization for Patient Image Transfer.

Academic radiology·2026

Same author

Imaging, Management, and Treatment of Orbital Trauma.

Radiologic clinics of North America·2026

Same author

Temporal Evolution of ARIA After Lecanemab Interruption: A Longitudinal Volumetric MRI Study.

AJNR. American journal of neuroradiology·2026

Same author

Correction: League of Radiologists-an End-to-End AI Framework for Scalable and Gamified Radiology Education: A Pilot Implementation in Chest Radiography.

Journal of imaging informatics in medicine·2026

Same author

League of Radiologists-an End-to-End AI Framework for Scalable and Gamified Radiology Education: A Pilot Implementation in Chest Radiography.

Journal of imaging informatics in medicine·2026

Same journal

Deep Learning for Opportunistic Vertebral Fracture Detection on Routine Thoraco-abdominal Computed Tomography: A Systematic Review and Hierarchical Summary Receiver Operating Characteristic Meta-analysis of Patient-level Diagnostic Test Accuracy.

Academic radiology·2026

Same journal

"Where are They Now?": A Single Institution's 10-Years Experience with an Integrated Nuclear Radiology Fellowship.

Academic radiology·2026

Same journal

Dual-layer Spectral Detector CT Quantitative Parameters for Predicting Tumor Budding Grade and Prognosis in Stage Ⅱ Colorectal Cancer.

Academic radiology·2026

Same journal

Promotion from Associate Professor to Full Professor Should Not Be Monolithic: A National Bibliometric Study by Radiology Subspecialty.

Academic radiology·2026

Same journal

Prognostic Value of Coronary Sinus Flow and Aortic Pressure Gradient Quantified by 4D Flow CMR in AMI.

Academic radiology·2026

Ver todos los artículos relacionados

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Video Experimental Relacionado

Updated: Jan 13, 2026

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

Published on: May 10, 2012

Corrección de Movimiento Basada en Modelo de Difusión en Tomografía Computarizada Portátil para Cerebro: Un Estudio

Zhennong Chen¹, Quirin Strotzer², Min Lang³

¹Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School, Boston, Massachusetts (Z.C., S.Y., M.T., Q.L., D.W.); School of AI and Advanced Computing, Xi'an Jiaotong-Liverpool University, Suzhou, China (Z.C.).

Academic radiology

|January 7, 2026

Resumen

Este resumen es generado por máquina.

Un nuevo algoritmo de modelo de difusión mejora la calidad de imagen y la confianza diagnóstica de la TC cerebral portátil. Corrige eficazmente los artefactos de movimiento sin afectar negativamente la detección de lesiones, mostrando potencial para uso clínico.

Palabras clave:

Modelo de Difusión Corrección de Movimiento TC Cerebral Portátil

Más Videos Relacionados

Advanced Diffusion Imaging in The Hippocampus of Rats with Mild Traumatic Brain Injury

Advanced Diffusion Imaging in The Hippocampus of Rats with Mild Traumatic Brain Injury

Published on: August 14, 2019

Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation

Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation

Published on: January 7, 2021

Videos de Experimentos Relacionados

Last Updated: Jan 13, 2026

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

Published on: May 10, 2012

Advanced Diffusion Imaging in The Hippocampus of Rats with Mild Traumatic Brain Injury

Advanced Diffusion Imaging in The Hippocampus of Rats with Mild Traumatic Brain Injury

Published on: August 14, 2019

Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation

Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation

Published on: January 7, 2021

Área de la Ciencia:

Imágenes Médicas
Inteligencia Artificial en Radiología
Tomografía Computarizada

Sus antecedentes:

Los artefactos de movimiento son un desafío significativo en la obtención de imágenes de TC cerebral portátil.
Los métodos de corrección existentes pueden comprometer la precisión diagnóstica.
La TC portátil ofrece accesibilidad pero es propensa a la degradación de la imagen relacionada con el movimiento.

Objetivo del estudio:

Evaluar un algoritmo basado en modelo de difusión para corregir artefactos de movimiento en TC cerebral portátil.
Evaluar el impacto de la corrección de movimiento en la calidad de imagen y el rendimiento diagnóstico.
Determinar la utilidad clínica de la corrección de movimiento impulsada por IA en TC portátil.

Principales métodos:

Análisis retrospectivo de 67 escaneos de TC cerebral portátil comparados con escaneos de TC fijos.
Aplicación de un modelo de difusión preentrenado para la corrección de artefactos de movimiento.
Estudios de lectores que evalúan métricas de calidad de imagen y detectabilidad de lesiones utilizando escalas Likert y análisis AUC.

Principales resultados:

Las imágenes de TC portátiles corregidas mostraron una mejora significativa en las métricas de calidad de imagen (p<0.001) en comparación con los escaneos no corregidos.
La confianza diagnóstica aumentó después de la corrección (2.52 a 2.86).
La detectabilidad de lesiones y el acuerdo diagnóstico se mantuvieron comparables a los escaneos de referencia, sin un compromiso significativo.

Conclusiones:

El algoritmo basado en modelo de difusión mejora eficazmente la calidad de imagen y la confianza diagnóstica de la TC cerebral portátil.
El algoritmo demuestra potencial para la adopción clínica sin sacrificar la precisión diagnóstica para la detección de lesiones.
La corrección de movimiento impulsada por IA ofrece una solución viable para mejorar las imágenes de TC portátiles.