Sharpen your problem-solving skills the McKinsey way, with our weekly crossword. Each puzzle is created with the McKinsey audience in mind, and includes a subtle (and sometimes not-so-subtle)...

Chewy CEO Sumit Singh shares how relentless innovation and a customer-first mindset transformed a start-up into one of America’s largest and most trusted pet retailers.

本研究解决了动态正电子发射断层扫描(PET)中图像衍生输入函数(IDIFs)建模的精确性问题，传统方法忽视了解剖变异和复杂血管贡献。研究提出了一种基于多脏器分割的方法，将来自主动脉、门静脉、肺动脉和输尿管的IDIFs相结合，通过采用高分辨率CT分割增加器官特定的血流来源，显著降低了肝脏和肺部的均方误差(MSE)。这表明多种IDIFs在提升解剖建模和充分利用动态PET成像方面的潜力，可能促进示...

本研究提出了一种新框架——跨兄弟双重掩蔽自编码器（FratMAE），旨在克服现有PET/CT分析的局限性。该模型有效整合了解剖和功能信息，促进不同模态间的协同交互，展现了作为通用基础模型的潜力。

本研究开发了一种基于深度学习的自动化系统，利用18F-FDG PET对乳腺肿瘤进行分割和生物标志物提取，以评估新辅助化疗后的肿瘤演变，结果与手动分割高度相关。

本研究提出了一种新颖的L1加权骰子聚焦损失（L1DFL），旨在解决深度神经网络在自动检测和分割转移性前列腺癌病变中的分类困难。通过训练大量PET/CT扫描数据，L1DFL在分割性能上优于传统损失函数，显示出在复杂病变检测中的潜力。

本研究解决了MRI与PET成像之间的跨模态翻译困难，特别是利用血液生物标志物（BBBM）来增强PET图像合成的潜力。我们提出的Plasma-CycleGAN模型通过集成BBBM，显著提升了生成图像的质量，尤其在CycleGAN模型中实现了最佳的视觉真实感，标志着跨模态翻译的新进展。

本研究解决了在专业科学领域中数据稀缺和语言模型规模不断增长所带来的少样本学习与参数高效微调的挑战。提出的PETapter方法有效结合了PEFT与PET风格分类头，在保持高参数效率和模块化的同时，显著提升了少样本学习能力。研究结果表明，PETapter在多个NLP基准数据集上表现出与全面少样本微调相当的性能，同时提高了可靠性和分享性。

该研究提出了一种新方法，利用3D MRI和软注意力机制诊断阿尔茨海默病，显著提高分类准确率，并识别出与疾病相关的脑区，如海马和杏仁核。

本研究提出了一种新颖的时空引导扩散变换器概率模型(st-DTPM)，有效解决了双时段PET影像的延迟扫描问题，显著提升了影像预测的准确性。

本研究提出一种新方法，结合CT、PET扫描和基因组数据，构建准确的肺癌生存预测模型。通过跨患者模块增强相似患者的嵌入对齐，实验结果显示该方法优于现有技术，具有重要临床应用价值。

本研究提出了一种新方法，通过结合解剖标签和训练nnUNet集成模型，解决了PET/CT成像中病灶分割准确性问题。在FDG和PSMA数据集上的交叉验证中，该模型的Dice分数分别达到了76.90%和61.33%，验证了其有效性。

该研究使用3D Residual UNet模型和广义Dice焦点损失函数，成功解决了PET/CT扫描中自动分割癌性病灶的挑战。经过5折交叉验证，平均Dice相似系数为0.6687，为常规PET/CT图像分析提供了有效的分割模型。

本研究提出了一种新方法来提高PET/CT图像中转移性病变分割的质量，通过调整数据增强方案和实施动态集成和测试时增强策略来改善分割精度和预测速度。该方法在多追踪剂和多机构环境下表现出色，具有广泛的应用潜力。

本研究提出了一种新的低剂量PET图像重建方法，使用鲁棒核表示显式建模深层潜在空间特征，在未见的剂量减少因子下表现出色。

该文章介绍了一种新的自定义特征剪辑规范化技术，用于前列腺肿瘤分割。通过在nnU-Net框架下使用多个U-Net变种和不同的规范化方案进行评估，结果显示新剪辑技术预处理后，U-Net模型性能提升。

通过分解软提示和使用不同的学习率进行优化，提出了分解提示调优（DePT）。在23个NLP和VL任务上的实验中，证明了DePT在某些情景下优于最先进的微调方法。研究还发现DePT在模型规模增大时更高效，并适用于少样本学习和各种模型架构和规模。

该文章介绍了一种改进低剂量PET成像重建质量的方法，使用扩散转换器模型和联合紧致先验指导，有效提高图像质量和保留临床信息。