用于脑肿瘤切除的基于机器学习的定量高光谱图像引导

用于脑肿瘤切除的基于机器学习的定量高光谱图像引导

机器学习辅助的定量高光谱成像在脑肿瘤切除中的指导作用研究 背景介绍 恶性胶质瘤的完全切除一直受到肿瘤细胞在浸润区难以区分的挑战。这项研究的背景是:在神经外科手术中,通过使用5-氨基乙酰丙酸(5-aminolevulinic acid,简称5-ALA),可以实现原卟啉IX(protoporphyrin IX,简称PPIX)的荧光引导,从而提高肿瘤的切除率。然而,即使在光谱成像的帮助下,许多低级别胶质瘤和一些高级别肿瘤由于PPIX的低积累,显示出较弱的荧光,这使得肿瘤更难区分。因此,了解不同类别肿瘤组织中的PPIX发射光谱,以及如何利用这些光谱进行分类,具有重要意义。 论文来源 这篇论文发表于《Communications Medicine》期刊(2024年),文章标题为“Towards mac...

多病共存的基线数据

Mapping Multimorbidity Progression Among 190 Diseases 背景 在全球范围内,随着人口老龄化和慢性病的负面影响显著增加,多病共存(multimorbidity),即多个长期病症的共存,已成为一个日益严峻的健康挑战。了解多病共存在个体中的累积过程,可以帮助研究人员更好地理解其发病机制,协助医疗服务提供者在首个病症显现时进行干预或筛查其他病症,并使决策者制定综合护理管理方法,以更好地满足患者的健康需求。 研究动机 当前的多病共存聚类方法主要基于常见疾病组合的频率,这种方法难以理解疾病如何随时间发展。大多数关联性聚类方法容易夸大最流行的诊断,从而导致将太多不相关的疾病归入一个大簇。更重要的是,这些基于关联的聚类方法可能容易在确定多病共存进展轨迹时产...

利用组织学切片预测低级别胶质瘤患者的整体生存率的有用特征研究

低级别胶质瘤患者总体生存预测的有用特征研究 学术背景 胶质瘤是一种脑内的肿瘤性生长,通常会对患者的生命构成严重威胁。在大多数情况下,胶质瘤最终会导致病人的死亡。胶质瘤的分析通常涉及在显微镜下观察脑组织形式的病理切片。尽管脑组织病理图像在预测病人总体生存率(OS,Overall Survival)方面具有很大的潜力,但由于脑组织病理的独特性,这些图像很少作为唯一的预测因素使用。利用病理图像预测早期胶质瘤患者的总体生存率对治疗和生活质量具有重要价值。在这项研究中,作者们探讨了使用深度学习模型结合简单描述数据(如年龄和胶质瘤亚型),来预测低级别胶质瘤(LGG,low-grade glioma)患者的总体生存率(OS)的可能性。 研究来源 这篇论文由Elisa Warner、Xuelu Li、Gan...

胶质瘤疾病预测:一种优化的集成机器学习方法

基于优化集成机器学习的胶质瘤疾病预测 论文背景与研究目的 在医学研究中,胶质瘤(gliomas)是最常见的原发性脑肿瘤,具有不同临床行为和治疗结果的多种癌症类型。胶质瘤患者预后的准确预测对治疗方案的优化和个性化患者护理至关重要。随着大规模基因组和临床信息的广泛可用,机器学习方法在创建可靠的胶质瘤预测模型方面展示了巨大潜力。本研究中的胶质瘤预测模型旨在通过集成多个机器学习算法(KStar 和 SMOReg)来提升胶质瘤预测的准确性和效率,从而为个性化医疗和改善患者预后提供帮助。 论文来源 这篇论文由 Jatin Thakur、Chahil Choudhary、Hari Gobind、Vipasha Abrol 和 Anurag 提交,他们均来自印度Mohali的Chandigarh Unive...

多模态解耦变分自编码器与博弈论解释用于胶质瘤分级

多模态解缠变分自编码器与博弈理论解释性在胶质瘤分级中的应用 背景介绍 在中枢神经系统中,胶质瘤是最常见的原发性脑肿瘤。根据细胞活动和侵袭性,世界卫生组织(WHO)将其分为I至IV级,其中I和II级称为低级别胶质瘤(LGG),III和IV级称为高级别胶质瘤(HGG)。在临床实践中,治疗决策通常需要针对不同的肿瘤级别进行个性化调整。因此,准确的胶质瘤分级对于治疗决策、个性化治疗以及患者预后的预测至关重要。目前,胶质瘤分级的金标准仍然是通过手术活检或组织病理学分析。然而,这种方法是侵入性的,并且不具有实时性,可能导致癫痫、感染甚至沿穿刺路线的肿瘤转移。因此,开发一种能够在术前无创且及时诊断胶质瘤级别的分级系统具有重要意义。 磁共振成像(MRI)广泛应用于胶质瘤患者的临床术前诊断、治疗决策和预后评估...

利用透明机器学习与解释性AI提升胶质瘤预后

胶质瘤预后的透明化机器学习和解释性洞察力应用于解释性人工智能的赋能 学术背景 本研究致力于开发一种可靠的技术,来通过多种机器学习方法及深度学习方法,结合解释性人工智能(XAI,Explainable Artificial Intelligence)技术检测患者是否患有特定类型的脑肿瘤——胶质瘤。胶质瘤(glioma)是起源于胶质细胞的中枢神经系统癌症的一种,具有快速生长和侵袭健康脑组织的特性,常见的治疗方法包括手术、放射治疗、化疗等。通过整合患者数据,包括医疗记录、遗传档案等,机器学习算法能够预测每个个体对不同医疗干预的反应。 论文来源 该论文由Anisha Palkar、Cifha Crecil Dias(IEEE高级会员)、Krishnaraj Chadaga和Niranjana Sam...

细胞游离 DNA 片段组测定在肺癌早期检测中的临床验证

临床验证无细胞DNA碎片分析方法在提升肺癌早期检测中的应用研究 研究背景 肺癌是全球范围内对男性和女性健康威胁最大的癌症类型之一。美国每年超过12.5万人因肺癌去世,全球范围内则接近180万人。已有研究指出,低剂量计算机断层扫描(LDCT)能显著降低肺癌死亡率,但现实中LDCT的应用非常有限。因此,开发新的、更易为民众所接受的肺癌早期检测方法就显得尤为重要。针对这一需求,研究团队开展了本研究,旨在验证一个基于无细胞DNA(cfDNA)碎片分析的肺癌早期检测方法。 研究来源 该研究由Peter J. Mazzone等人联合多家研究机构完成,研究成果发表在《Cancer Discovery》期刊上。研究团队成员来自美国多个知名医疗和研究机构,如克利夫兰诊所、约翰霍普金斯大学医学院、纽约大学朗格尼...

通过亲和图增强分类器进行哮喘预测:基于常规血液生物标志物的机器学习方法

哮喘预测通过关联图增强分类器:基于常规血液生物标志物的机器学习方法 背景介绍 哮喘是一种影响全球约2.35亿人的慢性呼吸系统疾病。据世界卫生组织(World Health Organization, WHO)统计,哮喘病的主要特点是气道炎症,导致哮喘患者出现喘息、呼吸急促和胸闷等症状。为了有效管理和治疗哮喘,及时准确的诊断至关重要。然而,传统的哮喘诊断方法往往结合病史、体格检查和肺功能测试,不仅昂贵,还由于某些患者的非典型症状,使得诊断时间延长或误诊。此外,儿童哮喘的诊断尤为困难,传统方法的耗时特性可能会加重这一问题。 随着机器学习(Machine Learning, ML)的发展,在分析医疗数据、识别模式和生成预测方面展现了巨大潜力。本研究旨在利用关联图增强分类器(Affinity Gra...

交叉频率耦合对利用静息态EEG信号评估抑郁严重性的影响

背景介绍 抑郁症,尤其是主要抑郁障碍(Major Depressive Disorder,简称MDD),是一种广泛而致残的心理疾病,常被形容为“心理感冒”。许多患有MDD的人会经历持续的悲伤、无望感、认知障碍和对日常活动的失去动机等症状,严重影响个人和社会生活。在全球范围内,抑郁症的影响极其严重,超过3.4亿人受到不同程度的抑郁症的困扰。此外,新冠疫情及其防控措施,如社交隔离和悲伤情绪等,更是加剧了抑郁症的普遍性。据预测,到2030年,抑郁症将成为导致残疾的首要原因,超过心血管疾病,而每年由抑郁症导致的死亡人数预计将达到一百万。鉴于其高患病率、高致残率、高死亡率和高复发率,及时发现和干预抑郁症尤为重要。 传统上,抑郁严重程度的评估依赖于临床评估和面试,如Beck抑郁量表(BDI-II)和汉密...

基于丘脑下核和皮层活动区分帕金森病的静止震颤与自愿手部运动

帕金森病(Parkinson’s disease, PD)是一种常见的神经退行性疾病,其主要症状包括静止性震颤、运动迟缓和肌强直。深部脑刺激(Deep Brain Stimulation, DBS)已被广泛用于治疗帕金森病的运动症状(Krauss et al., 2021)。然而,DBS治疗也存在显著的副作用,其中大部分是由刺激扩展到DBS目标结构周围的区域导致的(Koeglsperger et al., 2019)。为减少这种副作用,研究人员提出了一种适应性深部脑刺激(adaptive DBS, aDBS)方案,通过实时监控病人的当前运动状态来调整DBS的强度和时机(Little et al., 2016; Piña-Fuentes et al., 2017; Tinkhauser et ...