Oct 24, 2025 · 1 min read · Objectives 這項多中心研究開發並驗證了整合放射體學-臨床機器學習 (RCML) 模型，用於預測肝內膽管癌 (ICC) 根治性手術後的早期復發 (ER)。研究證明，相較於傳統的僅臨床或僅放射體學模型，身體組成放射體學 (body composition radiomics) 能顯著提升 ER 預測能力。本研究提出了一種新穎方法，利用常規術前 CT 影像量化全身代謝-免疫狀態，以實現個人化風險分層。此外，研究識別出特定的身體組成放射體學特徵，例如 SAT 衍生的 wavelet featu...
Join discussionSep 11, 2025 · 1 min read · Objectives 本研究提出了一種放射組學引導的雙通道深度神經網路 (RDDNN)，旨在提高使用 18F-FDG PET 影像分類帕金森氏症候群 (IPD、MSA、PSP) 的可解釋性和可重現性。RDDNN 整合了來自擴張型卷積網路的局部特徵和基於 Transformer 自注意力網路的全域特徵。它透過多層次的可解釋性（特徵整合、SHAP 值量化以及基於注意力的視覺化，如 Layer-CAM 和 Rollout Attention Map (RAM)）提升了特徵透明度和臨床理解。該框架提供了...
Join discussionSep 6, 2025 · 2 min read · Objectives 本研究首次評估人工智慧 (AI) 輔助定量和代謝反應評估，使用長軸視野 (LAFOV) [18F]FDG PET/CT 影像於接受 tebentafusp 治療的轉移性葡萄膜黑色素瘤 (mUM) 患者。主要貢獻包括：1) 證明自動化全身容積評估 mUM 腫瘤負荷（產生總代謝腫瘤體積 (TMTV) 和總病灶醣解 (TLG) 測量值）的可行性和可靠性。2) 發現基線和治療後 3 個月時，AI 衍生的 TMTV 和 TLG 值升高與較差的患者總體生存期 (OS) 顯著相關。3) ...
Join discussionMay 3, 2025 · 5 min read · In today’s fast-paced digital world, creativity is no longer confined to the sketchpad or the drawing board. With the rise of computer-aided designing, innovation has found a new canvas — one that is digital, dynamic, and limitless. From architecture...
Join discussionApr 4, 2025 · 2 min read · Objectives 本研究提出一個可解釋的機器學習 (ML) 模型，利用從動態 18F-fluorodeoxyglucose (18F-FDG) 正子斷層掃描/電腦斷層掃描 (PET/CT) 提取的動態特徵，來區分良性與惡性肺部病灶。核心貢獻在於證明結合來自經動力學模型分解的時間活動曲線 (TACs) — 代表代謝與血流成分 — 所衍生的特徵，其診斷效能顯著優於傳統指標，如最大標準攝取值 (SUVmax) 或 FDG 淨流入率 (Ki)。 Methodology 研究方法包括： 獲取 60 ...
Join discussionApr 4, 2025 · 3 min read · Objectives This study proposes an explainable machine learning (ML) model using dynamic features extracted from 18F-fluorodeoxyglucose (18F-FDG) Positron Emission Tomography/Computed Tomography (PET/CT) to differentiate between benign and malignant l...
Join discussionMar 27, 2025 · 1 min read · 目標 實現心肌灌注掃描（MPI）報告產生器 核心流程圖 flowchart LR A[使用者開啟網頁 index.html] --> B[左側互動圖表生成<br>topChart & bottomChart] A --> C[右側操作區：下拉選單與報告顯示] B --> D[使用者點擊/拖曳圖表區段] D --> E[區段數值更新 0~3] C --> F[下拉選單選擇藥物狀態] E & F --> G[觸發更新事件] G --> H[...
Join discussionMar 21, 2025 · 1 min read · Objectives 提出了一種新的雙輸入隔室模型，用於從 15O-water PET 影像中量化肝血流 (Hepatic Blood Flow, HBF)。 利用 TotalSegmentator 自動分割主動脈、肝門靜脈 (Hepatic Portal Vein, PV)、肝臟和脾臟，以獲得影像衍生輸入函數 (Image-Derived Input Functions, IDIFs)。 將新模型與三個現有模型進行比較：單組織隔室模型 (One-Tissue Compartment Mode...
Join discussionMar 21, 2025 · 3 min read · Objectives Introduces a new dual-input compartment model for hepatic blood flow (HBF) quantification using 15O-water PET images. Utilizes TotalSegmentator for automatic segmentation of aorta, hepatic portal vein (PV), liver, and spleen to obtain ima...
Join discussionMar 13, 2025 · 1 min read · Objectives 開發了用於定量 90Y SPECT 成像中無 CT 的 attenuation correction (AC) 和基於 Monte Carlo 的 scatter correction (SC) 的 deep learning (DL) 模型。 使用修改後的 3D Swin UNETR 架構，分別為 AC、SC 和聯合 attenuation and scatter correction (ASC) 訓練了三個獨立的模型。 與傳統方法（CPU 上 80 分鐘）相比，實現了...
Join discussion