本研究通过受力感知引导血管分割提升超声血管分割准确性，解决动脉和静脉难以区分的问题，并通过关注机制和受力大小融合关键帧与当前帧提升性能。提供了多模态超声动脉和静脉分割数据集Mus-V，包含3114张超声图像和105个视频中的受力数据。

支气管扩张症的诊断需要测量异常的支气管扩张度，并通过胸部 CT 扫描确认。图像处理方法可以快速解读和评估，准确检测和测量气道和动脉区域的比率和壁厚。开发了一个应用程序用于测量可见区域的气道直径、动脉直径、比率和壁厚，准确可靠。还需要进一步研究和验证以提升方法性能。

本研究使用3D多类别nnU-Net验证了一种自动化心脏斑块检测模型，适用于非对比度胸部CT体积。结果显示，nnU-Net能够准确估计Agatston分数，比手动评分更好。

MRC-Net是一种多分辨率上下文网络，通过多尺度特征提取和双向递归学习模型来提高前景分割网络的性能。

该文章介绍了一种基于能量最小化的新型分割方法，通过引入高阶项来融入对分割形状的先验知识，实现将像素集完全位于一个分割或另一个分割中。该方法在肺动脉-静脉分割中展示了有效性。

研究开发了一种全自动方法，用于测量冠状动脉周围的心周脂肪均值和体积。通过训练一个三维全分辨率的神经网络来分割冠状动脉，并自动测量心周脂肪。在测试中，得到了良好的结果。该方法具有潜力在炎症和心脏疾病识别中应用。

本文介绍了一种基于半监督域自适应的脑血管分割方法，该方法通过图像转换和语义分割，在异构数据间实现自适应，有效提升了模型训练的效率和稳定性，并缩小了不同模态间的性能差距。

VesselShot是一种用于脑血管疾病检测、诊断和治疗的少样本学习方法，通过利用少量有注释的辅助图像的知识，缓解了脑血管分割中标注数据稀缺和大量标注的问题。使用TubeTK数据集对其性能进行评估，平均Dice系数为0.62。

该研究使用冠状动脉神经网络方法，利用RCA血管造影图像进行心脏支配分类算法的研究，成功实现了满意的准确性。在RCA闭塞的情况下，利用LCA信息并检测高度不确定的情况可以提高准确性。

这期 JCO 杂志上又发表了一篇肠癌肝转移的研究。这是一项多中心的 III 期研究，评估的是在经过了一线的奥沙利铂或伊立替康为主的化疗失败的患者中，比较患者在接受二线化疗的同时，增加 Y90-微球经肝动脉放疗栓塞（TARE）治疗的疗效（EPOCH 研究）。 研究在北美、欧洲和亚洲国家开展，一共入组了428 例受试者，这些患者均不存在肝脏以外其他部位的转移灶。这些患者按照 1:1...