Mar, 2017

头颈部肿瘤失败风险的放射组学评估策略

PDF
TL;DR使用随机森林和重采样技术使用 1615 个影像学特征对头颈癌患者进行放疗风险估计，证明放射学对特定肿瘤结局的风险评估具有重要的临床作用。
发现论文，激发创造
  • 利用 PET/CT 影像组学和临床信息预测头颈部癌症的无复发生存期

    建立预测咽喉头颈部肿瘤患者的无复发存活模型，该模型将临床信息和多模态 CT 和 PET 放射组学特征与诊断结果结合，研究了分割准确度对放射组学特征的预测能力的影响，并发现 PET 和 CT 受其影响的程度不同，最佳模型对于临床信息和多模态 CT 和 PET 放射组学特征的综合表现优于仅使用临床信息的模型。

    Feb, 2024

  • 采用基于计划 CT 的放射组学模型预测直肠肛管鳞癌化疗放疗的无复发生存期

    通过放疗治疗计划 CT 图像提取放射组学特征和临床特征的结合模型，相对于仅使用临床特征的模型，在预测肛门鳞状细胞癌患者接受放化疗后的无复发生存期方面具有更好的预测表现。

    Sep, 2023

  • 恶性黑色素瘤颅内转移立体定向放疗后局部治疗效果预测的临床、剂量学和放射组学特征分析

    通过多中心、回顾性分析研究，发现基于术前磁共振成像特征的放射性治疗后预测脑转移瘤局部失败的相关指标，可为进一步个体化放射治疗策略提供潜在的治疗相关信息。

    May, 2024

  • 基于放射学的神经结构搜索的多模态信息融合

    本研究提出一种多模态神经架构搜索（MM-NAS）方法，用于自动得出较优的多模态图像特征，以生成 radiomics 并避免依赖手动过程。在公共 PET-CT 数据集中验证结果表明，相较于最先进的 radiomics 方法，我们的多模态神经架构搜索方法在软组织肉瘤中的预测可靠度更高。

    Jul, 2020

  • 建模纹理以预测脑瘤患者免疫细胞状态和生存情况

    使用随机森林模型并结合深度辐射学特征（DRFs）和临床变量，我们可以显著地预测胶质瘤患者免疫标记物的状态和总体生存期，并推断这些特征可用于在手术前通过定期获​​取的成像数据进行脑肿瘤患者的预测。

    Jun, 2022

  • 甲状腺癌诊断的放射组学和人工智能进展

    人工智能和放射学成像技术结合应用于甲状腺癌诊断的研究综述了相关研究，并强调了标准化努力的重要性。

    Apr, 2024

  • 融合低剂量 CT 为基础的放射组学和代谢组学用于早期肺癌筛查支持

    通过机器学习技术应用于低剂量计算机断层扫描辐射学和代谢组学，本研究开发了一种方法来识别肺实质内的潜在恶性肿瘤病变，以支持肺癌筛查。

    Sep, 2023

  • 磁共振三角辐射学跟踪肺肿瘤在接受立体定向磁共振引导放疗过程中的放疗反应

    通过 MR 导向的肺部体固态放射治疗，我们的研究建立了利用 δ 放射组学分析来捕捉肺部体固态放射治疗的短期放射学表现的可行性和稳定性。

    Feb, 2024

  • 基于放射组学的肿瘤分割性能评估指标优于 Dice 相似系数

    该研究使用放射组学特征作为评估医生和自动分割工具的分割能力的最优指标，与 Dice 相似系数（DSC）相比较。研究选择可再现的放射组学特征来评估分割准确性，并使用 CT 扫描数据从 10 个肺肿瘤中提取的放射组学特征进行分析。研究发现，放射组学特征能够捕捉肿瘤分割特征的细微变化，尤其与形状和能量相关的特征表现出较高的敏感度，因此可用于评估医生的分割能力和自动分割工具的性能。这些发现可用于评估新的自动分割方法，提高医学分割培训水平，从而改进放射治疗实践。

    Oct, 2023

  • 基于放射学组学的人工智能方法在乳腺癌筛查和诊断中的更新综述

    通过使用人工智能的图像分析方法，如放射学，改善了乳腺癌的早期诊断和分类，提高了乳腺癌患者的护理水平。

    Jun, 2024