登录社区云,与社区用户共同成长
邀请您加入社区
作者|郭恒,阿里巴巴达摩院算法工程师 摘要 骨质疏松症以骨矿物质密度(BMD)降低和骨微结构受损为特征,显著增加了老年人群的骨折风险。尽管临床指南建议使用双能X线吸收测量法(DXA)进行BMD评估,但在资源受限地区,由于DXA设备可及性不高,骨质疏松的诊断问题长期存在。利用现有的计算机断层扫描(CT)影像数据进行机会性的骨质疏松诊断是非常有前景的方向。 然而,现有方法仍面临局限,为此我们提出了一
作者|赵舶凯,阿里巴巴达摩院实习生 引言 空间蛋白质组学技术通过解析蛋白质在组织中的分布特征,正在重塑生命科学研究的格局。然而,现有基于测序的技术受限于空间分辨率不足,难以精准刻画复杂组织结构特征。 为了实现空间分辨率的提升,当前计算方法通过数字病理图像特征预测未检测位点的分子信息。然而这些方法对分子空间位置信息的建模存在显著不足,导致无法有效预测蛋白质表达。 为了解决这一问题,本文首次提出高
作者|张加晋,阿里巴巴达摩院算法工程师 引言 早期识别预后不良的淋巴瘤患者对于个性化治疗计划的制定和改善预后至关重要。目前,常用的预后生物标志物包括国际预后指数(international prognostic index)及其变体等临床变量,基于PET/CT的定量参数和深度学习方法也显示出有希望的结果。 然而,基于PET/CT的预后研究仍存在几个挑战:病变数量和位置的异质性、病变特征的表示不足
作者|张笑铭,阿里巴巴达摩院算法工程师 现存问题及挑战 近年来,基于深度学习的医学影像智能分析技术快速发展,尤其是在肝脏病灶(Focal Liver Lesions, FLL)⾃动分割⽅⾯,多个3D语义分割模型在检测任务中已取得显著进展。然⽽,对FLL良恶性的精准分类仍是⼀项尚未充分解决的关键难题,特别是在⽆造影剂的⾮增强CT(Non-Contrast CT, NCCT)场景下,技术瓶颈更为突出
作者|陈泽立、李孜,阿里巴巴达摩院算法工程师 引言 在鼻咽癌(NPC)放射治疗中,放射肿瘤科医生需要在非造影计划 CT(pCT)上精确勾勒原发性大体肿瘤体积(GTV),以保证辐射剂量的准确输送。 但问题是:NPC 肿瘤与周围正常组织在 pCT 上的对比度往往很低,单凭 CT 很难分辨肿瘤边界。临床医生通常只能依赖诊断 MRI 辅助,在脑海中“虚拟对齐”MRI 与 pCT,从而定位 GTV ——
作者|王润泽,阿里巴巴达摩院算法工程师 引言 低剂量CT在降低辐射剂量的同时会引入噪声和伪影,容易掩盖细小组织和早期病变。现有的深度学习降噪算法通常忽视人体组织的解剖语义信息,可能会导致次优的降噪结果,例如过度平滑或粗粒度的降噪等。 本文提出了一种新的方法ALDEN (Anatomy-aware Low-dose CT DENoising framework)将预训练视觉模型的语义特征与对抗学
作者|李浩申,阿里巴巴达摩院实习生 引言 基于CT图像的淋巴结转移预测对食管癌的治疗决策和放疗规划具有重要意义。由于单个淋巴结的良恶性缺乏病理金标准,而淋巴结聚集区域(即淋巴站)的病理结果可从临床病理报告中获取。因此本研究聚焦于淋巴站良恶性的预测问题,本篇论文入围最佳论文奖和青年科学家奖候选名单。 论文地址:https://papers.miccai.org/miccai-2025/paper
作者|李浩申,阿里巴巴达摩院实习生 引言 基于CT图像的淋巴结转移预测在食道癌的治疗与规划中起到重要的作用。近年来,深度学习方法在淋巴结转移分类中的表现显著提高。然而,这些方法通常更关注淋巴结个体所有CT切片的平均特征,缺少对关键切片特征的有效提取和融合。此外,现有的深度学习方法更多地关注CT图像,缺少淋巴结临床相关特征(如形态学和组学特征)的显式加入和融合,这些特征可能很难通过直接端到端深度学习