neoadjuvant chemotherapy | BriefGPT

关键词neoadjuvant chemotherapy

搜索结果 - 9

利用多参数 MRI 与优化的合成相关扩散成像提高乳腺癌病理完全缓解预测
优化后的 CDI$^s$ 与扩散加权成像（DWI）融合的多参数 MRI 技术，可对乳腺癌病理完全缓解进行准确预测，交叉验证的准确性达到 93.28%，比之前报道的结果高出 5.5%。
PDF2 months ago
基于 DWI 数据的乳腺癌新辅助化疗反应自动预测
该研究提出了一种使用 “Size-Adaptive Lesion Weighting” 进行自动 DWI 肿瘤分割以提高病理完全缓解（pCR）预测准确性的深度学习模型，并在预治疗期间匹配人类专家在 pCR 预测上的表现，为乳腺癌治疗计划的自
PDF3 months ago
iMD4GC: 不完全的多模式数据融合以提升胃癌精准治疗反应预测和生存分析
提出了一种不完整的多模态数据集成框架用于胃癌研究，以满足临床实践中存在的多模态数据缺失挑战，实现精确的治疗反应预测和生存分析。通过在各模态中使用单模态注意力层以捕捉内部模态信息，并通过交叉模态交互层来探索潜在的模态之间相互作用和捕捉跨模态的
PDF3 months ago
不变形还是变形：基于无监督关键点检测的新辅助化疗乳腺动态对比增强磁共振成像的治疗感知纵向配准
通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络，我们提出了一种用于评估新辅助化疗（NAC）后乳腺 DCE-MRI 的长期变形注册，以精确量化肿瘤变化。在这种方法中，我们从 DCE-MRI 中提取结构和异常关键点，将结构关键点应
PDF6 months ago
开发一种新的图像标记物以预测卵巢癌症患者新辅助化疗（NACT）的反应
开发一种新的图像标记来实现早期高准确率的新辅助化疗反应预测，通过计算 1373 个放射组学特征来量化肿瘤特征，利用 SVM 分类器生成标记，并验证其性能表现。
PDF10 months ago
基于专家认知的集成深度学习模型，用于乳腺癌组织切片病理完全缓解预测的外部验证
本文提出了一个基于人工智能与专家认知的集成深度学习方法 (ECDEDL) 来改善乳腺癌组织病理学图像中新辅助化疗 (pCR) 治疗的预测模型内、外部验证表现一致性问题，其效果显著提高了预测模型的 AUC 和准确率。
PDFa year ago
基于专家认知的安全噪声标签学习，用于乳腺癌残留肿瘤的精确分割
本文提出了一种基于专家认知的安全噪声标签学习方法来解决新辅助化疗后乳腺癌中残留肿瘤的准确分割问题，并展示了该方法在处理该问题中的优势和潜在潜力，同时公开了更好的预测模型。
PDFa year ago
PD-DWI: 基于生理分解扩散加权 MRI 机器学习模型预测侵袭性乳腺癌新辅助化疗的响应
使用生理分解 DWI 的机器学习模型 PD-DWI，结合临床数据预测乳腺癌患者的病理完全缓解反应，具有比传统机器学习方法更高的预测精度，可用于减少 mp-MRI 采集时间和消除对比剂注射的需求。
PDF2 years ago
TopoTxR: 一种用于预测乳腺癌治疗反应的拓扑生物标志物
本文提出了一种新颖的方法，通过提取具有高显著性的多维拓扑结构，将神经网络的注意力引导到专用的一组体素，从而构建了一种拓扑导出的生物标志物，TopoTxR。实验结果表明，在乳腺癌新辅助化疗反应预测方面，TopoTxR 的有效性优于当前定量方法
PDF3 years ago