生成性人工智能在核医学的突破性应用：探讨合成骨显像图像的潜力及其在深度学习中的应用 背景与研究问题 近年来，人工智能（Artificial Intelligence, AI）的快速发展，引领了医学影像分析的革新。例如，深度神经网络（Deep Neural Network）在疾病诊断、解剖结构分割、患者预后预测及治疗反应评估等领域展现了巨大潜力。然而，这些技术的广泛应用通常依赖于规模庞大且精确标注的数据集。然而，在医学领域，获取如此大规模的标注数据集既昂贵又耗时，尤其是在涉及患者隐私保护时数据共享受到严格限制。数据的有限性导致深度学习模型在真实场景中的表现不理想，难以泛化。这种困局在需要跨多中心汇总数据的分布式研究中表现尤为明显。 另一方面，生成性人工智能（Generative AI）的崛起为...

光学相干断层扫描与机器人学相结合：当前研究与未来展望 学术背景 光学相干断层扫描（Optical Coherence Tomography，OCT）是一种非侵入性、高分辨率的光学成像技术，自其诞生以来就广泛应用于生物医学成像领域。它在微米级别对组织的结构进行可视化，尤其在眼科领域取得了巨大成功，例如用于角膜、视网膜等组织的成像和疾病诊断。然而，传统的OCT设备通常用于静态环境中的成像，受到体积、视场（Field of View, FOV）和操作灵活性的限制。当应用于动态、复杂的医疗场景或外科手术中时，传统OCT设备的局限性变得更加明显，例如无法适应手术目标物的移动，或难以提供实时的高分辨率成像以指导手术操作。 与此同时，医学机器人的快速发展为OCT的进一步集成提供了可能性。医学机器人以其高精...

气候变化与急诊医学影像使用的关系研究 学术背景 气候变化及其相关的环境暴露对人类健康产生了显著的负面影响，导致医疗服务的需求增加。高温暴露和空气质量下降与急诊科就诊和住院人数的增加密切相关。随着全球气温的持续上升，热浪的频率和强度预计将进一步增加。气候变化及其根源通过两种方式导致空气质量恶化：首先，燃烧化石燃料和其他人类活动向大气中释放有害污染物，导致温室气体排放；其次，气候变化的影响，如环境温度升高和更频繁的野火，也增加了空气污染，包括细颗粒物（PM2.5）和地面臭氧。PM2.5是一种直径小于或等于2.5微米的细颗粒物，由于其微小尺寸，可以被吸入人体，对人类健康构成重大威胁。 放射学在复杂医疗系统中占据核心地位。一方面，医学影像的提供会产生大量的温室气体排放，因此需要采取缓解措施以提高环境...

大型语言模型在放射学图像解读中的表现：与人类读者的比较研究 学术背景 近年来，大型语言模型（Large Language Models, LLMs）在多个领域展现了强大的能力，尤其是在自然语言处理方面。随着多模态LLMs的发展，这些模型不仅能够处理文本，还能够处理音频、视觉和视频等多种输入形式。代表性的多模态LLMs包括OpenAI的GPT-4 Turbo with Vision（GPT-4V）、Google DeepMind的Gemini 1.5 Pro以及Anthropic的Claude 3。这些模型在放射学领域的应用也逐渐增多，尤其是在生成和结构化放射学报告方面。然而，尽管LLMs在文本输入方面表现出色，其在解读放射学图像方面的能力仍然受到质疑。此前的研究表明，LLMs在基于患者病史和...

大型视觉语言模型在放射学中的应用：GPT-4V的多模态与多解剖区域能力定量评估 学术背景 近年来，大型语言模型（Large Language Models, LLMs）如OpenAI的ChatGPT在文本生成领域取得了显著进展。这些模型基于Transformer架构，通过海量文本数据进行训练，能够在无需大量示例的情况下生成可信的文本输出（few-shot learning和zero-shot learning）。LLMs在医学领域的应用也日益广泛，例如将自由文本的放射学报告转换为标准化模板，以及从肺癌的CT报告中挖掘数据。此外，LLMs在放射学考试中的表现也显示出其具备一定的“知识”储备，并能够帮助简化放射学报告。 随着GPT-4V（GPT-4 with Vision）的推出，模型不仅能够处...