医学影像

AI医影跨模态组学

Radiology（IF=15.2）重庆大学附属肿瘤医院张久权教授团队：基于MRI肿瘤内异质性量化预测乳腺癌新辅助化疗反应的列线图01文献学习本次分享的文献是由重庆大学附属肿瘤医院张久权教授团队联合第三军医大学西南医院放射科等团队于2025年4月在《Radiology》（中科院1区toop，IF=15.2）上发表的研究“Nomogram for Predicting Neoadjuvant Chemotherapy Response in Breast Cancer Using MRI-based Intratumoral Heterogeneity Quantification”即基于MRI肿瘤内异质性量化预测乳腺癌新辅助化疗反应

AI医影跨模态组学

Ann Oncol（IF=65.4）广东省人民医院放射科刘再毅等团队：基于深度学习CT分类器与病理标志物增强II期结直肠癌风险分层以优化辅助治疗决策01文献学习今天分享的文献是由广东省人民医院放射科刘再毅等团队联合南方医科大学、山西省肿瘤医院、中国医科大学第一医院、广西医科大学肿瘤医院、重庆医科大学第一附属医院等团队于2025年7月在肿瘤学领域顶级期刊《Annals of Oncology》（中科院1区top，IF=65.4）上发表的研究”Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pat

AI医影跨模态组学

Adv Sci 复旦大学附属中山医院宋志坚&复旦大学上海肿瘤医院黄丹等团队：基于基础模型的多模态深度学习用于结直肠癌不完整模态的预后预测01文献学习今天分享的文献是由复旦大学附属中山医院宋志坚、复旦大学上海肿瘤医院黄丹等团队于2026年1月20日在《Advanced Science》（中科院1区top，IF=14.1）上发表的研究“Foundation Model-Enabled Multimodal Deep Learning for Prognostic Prediction in Colorectal Cancer with Incomplete Modalities: A Multi-Institutional Retrospec

AI医影跨模态组学

Radiology子刊（IF=6.3）复旦大学附属金山医院强金伟教授等团队：基于多参数MRI的深度学习和影像组学评估早期宫颈癌淋巴结转移01文献学习今天分享的文献是由复旦大学附属金山医院强金伟教授等团队于2026年4月3日在《Radiology: Imaging Cancer》（中科院2区，IF=6.3）上发表的研究“Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer”即基于多参数MRI的深度学习和影像组学评估早期宫颈癌淋巴结转移，该研究是一项多中心

AI医影跨模态组学

J Immunother. Cancer（IF=10.6）南方医科大学南方医院等团队：基于病理组学的集成模型在胃癌免疫治疗反应预测中的开发与解读01文献学习今天分享的文献是由南方医科大学南方医院、中山大学肿瘤防治中心等团队于2024年5月在肿瘤免疫学领域顶刊《Journal for ImmunoTherapy of Cancer》（中科院1区top，IF=10.6）上发表的研究“Development and interpretation of a pathomics-driven ensemble model for predicting the response to immunotherapy in gastric cancer”即基于病理

AI医影跨模态组学

Insights Imaging（IF=4.5）首都医科大学附属北京友谊医院等团队：CT深度学习联合营养标志物预测食管鳞癌3年生存期01文献学习今天分享的文献是由首都医科大学附属北京友谊医院放射科等团队于2026年1月26日在《Insights into Imaging》（中科院2区，IF=4.5）上发表的研究“CT-based deep learning signatures associated with transcriptomic heterogeneity and combined with nutritional biomarkers improve prediction of 3-year overall surviva

AI医影跨模态组学

NPJ Precis Oncol（IF=8）复旦大学肿瘤医院等团队：基于生境CT放射组学解析可切除非小细胞肺癌时空异质性预测新辅助化疗免疫治疗病理反应01文献学习今天分享的文献是由复旦大学肿瘤医院顾雅佳、龚敬团队联合复旦大学附属中山医院叶晓丹等团队于2026年3月31日在肿瘤学领域顶刊《npj Precision Oncology》（中科院1区top，IF=8）上发表的研究”Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimm

AI医影跨模态组学

NPJ Digit Med（IF=15.1）河北医科大学第四医院赵群等团队：多模态数字活检用于胃癌隐匿性腹膜转移的术前预测01文献学习今天分享的文献是由河北医科大学第四医院赵群等团队于2026年1月在《npj Digital Medicine》（中科院1区top，IF=15.1）上发表的研究“Multimodal digital biopsy for preoperative prediction of occult peritoneal metastasis in gastric cancer”即多模态数字活检用于胃癌隐匿性腹膜转移的术前预测，该研究开发并验证了一个多模态预测模型（Multimodal Model），整合了

AI医影跨模态组学

Cell Rep Med（IF=10.6）北京清华长庚医院李国新&云南省肿瘤医院放射科李振辉等团队：基于TME的深度学习模型预测胃癌治疗反应01文献学习今天分享的文献是由北京清华长庚医院李国新联合云南省肿瘤医院放射科李振辉、南方医科大学南方医院、中山大学肿瘤防治中心等团队于2025年8月在《Cell Reports Medicine》（中科院1区top，IF=10.6）上发表的研究“TME-guided deep learning predicts chemotherapy and immunotherapy response in gastric cancer with attention-enhanced residual Swin Tr

AI医影跨模态组学

EJNMMI（IF=7.6）四川大学华西医院田蓉、李康等团队：基于深度学习的PET‑CT生物标志物用于滤泡淋巴瘤早期进展预测及生存分层01文献学习今天分享的文献是由四川大学华西医院田蓉、李康等团队于2026年3月23日在《European Journal of Nuclear Medicine and Molecular Imaging》（中科院1区top，IF=7.6）上发表的研究“A deep learning PET-CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter

AI医影跨模态组学

如何将纵向MRI空间生境影像组学特征与肿瘤免疫微环境中B细胞浸润建立关联，并解释其与病理完全缓解（pCR）、新辅助治疗应答的机制联系01导语各位同学，大家好。现在做影像组学，如果还只停留在“提取特征—建个模型—算个AUC”，那就有点像算命算得挺准，但为啥准，自己也说不明白。别人一问：你这特征到底代表啥？背后有啥道理？瞬间就成了黑箱本箱。而真正能打高分、站得住脚的研究，都在干一件事——给影像组学找“生物学娘家”，让宏观图像和微观病理、细胞、基因、通路对上话。今天咱们就通过一篇发表在 Advanced Science 上的最新文献，用轻松又实在的方式，聊聊影像组学怎么优雅、合理、不硬凑地挂靠生物学机制。这篇文章不仅构建了一个预测乳腺癌新辅

AI医影跨模态组学

Radiother Oncol 空军军医大学西京医院等团队：基于纵向CT的亚区域放射组学列线图预测食管鳞状细胞癌根治性放化疗后局部无复发生存期01文献学习今天分享的文献是由空军军医大学西京医院赵丽娜教授等团队于2026年3月在《Radiotherapy and Oncology》（中科院2区，IF=5.3）上发表的研究“A longitudinal CT-based subregional radiomics nomogram for predicting local recurrence-free survival in esophageal squamous cell carcinoma after definitive chemoradi

AI医影跨模态组学

J Transl Med（IF=7.5）苏州大学附属第一医院秦颂兵教授等团队：基于机器学习影像组学的食管鳞癌预后评估列线图01文献学习今天分享的文献是由苏州大学附属第一医院秦颂兵教授等团队于2025年12月在《Journal of Translational Medicine》（中科院2区，IF=7.5）上发表的研究“A nomogram integrating machine learning-derived CT radiomics and clinical characteristics for prognostic assessment in patients with locally advanced esopha

AI医影跨模态组学

J Immunother Cancer（IF=10.6）中山大学孙逸仙纪念医院陈柏深等团队：动态时间数据预测NSCLC新辅助免疫化疗主要病理反应01文献学习今天分享的文献是由中山大学第五附属医院曹庆东、中山大学孙逸仙纪念医院陈柏深等团队于2025年10月在《Journal for ImmunoTherapy of Cancer》（中科院1区top，IF=10.6）上发表的研究“Attention-guided framework for integrative omics and temporal dynamics in predicting major pathological response in neoadjuvant immunoche

AI医影跨模态组学

eClinMed（IF=10）上海交通大学医学院附属仁济医院泌尿外科陈锐教授等团队：用于原发性腹膜后肿瘤诊断与分割的端到端深度学习模型01文献学习今天分享的文献是由上海交通大学医学院附属仁济医院泌尿外科陈锐教授等团队于2025年9月在《eClinicalMedicine》（中科院1区top，IF=10）上发表的研究”End-to-end deep learning model for the diagnosis and segmentation of primary retroperitoneal neoplasm: a multicenter cohort study“即用于原发性腹膜后肿瘤诊断与分割的端到端深度学习模型：一项多中心队

风巽·剑染春水

【技术追踪】具有多图像视觉能力的医学大视觉语言模型（MICCAI-2025）多图像医学视觉-语言大模型，Med-MIM 指令数据集！论文：Medical Large Vision Language Models with Multi-Image Visual Ability 数据集与微调模型：https://github.com/Xikai97/Med-MIM

翟天保Steven

医学影像-CBCT图像重建FDK算法作者：翟天保Steven 版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

医学影像深度学习知识点总结T1像和T2像的区别 T1像便于显示解剖结构,T2像便于显示病灶部位.FLAIR像便于显示结合水变化情况,人体内有自由水和结合水的分布,结合水的变化情况往往反映了局部组织出现梗塞情况,这种情况下采用FLAIR成像可以将这样的变化显示出来. FLAIR像(液体反转恢复),约等于T2成像

医学影像的像素值为什么是65536Q:一个字节为什么是8位 8位即128个字可以表示各种字母，包括大小写。还包括标点符号。这就是美国制定的ASCII标准。

matlab使用FDR校正P值后，P值变小问题描述： matlab使用FDR校正P值后，P值反而变小。例如：运行后：解决办法：运行后：参考