脑胶质瘤分割的上下文感知网络

脑胶质瘤分割的上下文感知网络

脑胶质瘤分割的上下文感知网络研究报告 脑胶质瘤是一种常见的成人脑肿瘤,它对健康有严重的损害,并且具有高死亡率。为了提供早期诊断、手术规划和术后观察的充分证据,多模态磁共振成像(MRI)已经广泛应用于该领域。本文研究的目的是在脑胶质瘤的自动化分割中纳入上下文信息,这在处理局部模糊性方面提供了基本线索。 研究背景 先前的研究表明,基于深度神经网络的方法在脑胶质瘤分割中显示了很有希望的技术。然而,这些方法缺乏强有力的策略来结合肿瘤细胞及其周围的上下文信息。已有的自动分割方法虽然提高了分割精度,但仍然存在局部模糊性问题,没有充分考虑肿瘤细胞与其周围环境的关系。 论文来源 该研究由Zhihua Liu, Lei Tong, Long Chen, Feixiang Zhou, Zheheng Jiang...

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...

基于群稀疏先验的荧光分子断层扫描用于胶质瘤形态重建

基于群稀疏先验的荧光分子断层成像用于胶质瘤形态重建技术的研究报告 一、学术背景和研究动机 荧光分子断层成像(Fluorescence Molecular Tomography,FMT)是一种重要的生命科学工具,通过该技术可以实现荧光源位置的非侵入实时三维(3D)可视化。由于其敏感度高、成本低的优点,FMT被广泛应用于肿瘤研究。然而,FMT的重建过程复杂且困难。尽管近年来FMT重建方法发展迅速,但形态重建依然是一个难题。因此,本研究的目的是在胶质瘤研究中实现FMT的形态重建性能。 二、论文来源与作者信息 本论文发表于IEEE Transactions on Biomedical Engineering期刊2020年5月第67卷第5期上,题为“Fluorescence Molecular Tom...

近红外窗口IIA/IIB荧光成像在胶质瘤手术中的临床研究

近红外窗口IIA/IIB荧光成像在胶质瘤手术中的临床研究

《IEEE生物医学工程汇刊》2022年8月,第69卷,第8期,首次临床研究:近红外窗口IIA/IIB荧光成像在胶质瘤精准手术切除中的应用 曹彩光、金泽萍、史晓菁、张哲、肖安琪、杨君英、计楠、田捷(IEEE会员)、胡振华(IEEE高级会员) 导言 在生物医学研究领域,荧光成像的高敏感性、高空间分辨率、实时成像能力和操作方便性使其受到广泛关注。本研究针对近红外窗口II(NIR-II,1000-1700纳米)成像技术在临床应用中的价值进行探索,以指导胶质瘤手术中切除瘤体的作用。作者结合了新开发的成像设备和术中图像融合方法,致力于提高手术的准确性,减少术中出血量,并最大限度地切除肿瘤。 文章来源 本研究由曹彩光、金泽萍、史晓菁、张哲、肖安琪、杨君英、计楠、田捷、胡振华进行。他们分别隶属于中科院自动化...

数据工程赋能的胶质瘤生存分析

脑胶质瘤患者的生存分析研究:数据工程赋能综述 引言 脑胶质瘤是一种在胶质细胞中发生的肿瘤,它们占全部原发性脑和中央神经系统肿瘤的26.7%。由于肿瘤异质性的存在,脑胶质瘤患者的生存分析成为了临床管理中的一个关键任务。在过去几十年里,研究者们提出了多种生存分析方法,结合不同类型的数据,如影像和遗传信息。尤其是近年来,机器学习技术和深度学习的兴起改变了传统的基于统计分析的生存分析方法。本文综述了利用诊断影像技术和基因组平台获得的预后参数,以及用于预后预测的技术、学习和统计分析算法,突出了现有生存预测研究的挑战,并提出了该领域研究的未来方向。 作者及出版信息 作者: Navodini Wijethilake (斯里兰卡莫拉图瓦大学计算机科学与工程系研究成员) 合著者: Dulani Meedeni...

基于贝叶斯推断的个体化胶质瘤生长预测

利用贝叶斯推断进行个性化预测胶质瘤生长 引言 胶质母细胞瘤(glioblastoma)是最具侵袭性的原发性脑肿瘤,肿瘤细胞会高度侵袭周围组织。通过标准医学成像技术无法准确识别这些弥漫性肿瘤边界,导致临床干预效果不佳且预后较差。由于此类挑战,依靠医学图像进行肿瘤空间和时空发育的可靠计算预测能够提供更多信息,有助于医生为每个个体设计最佳治疗方案。 近年来,多个关于肿瘤生长的生物物理模型通过非侵入性成像测量数据进行了开发和校准,旨在预测未来的肿瘤生长和治疗结果。然而,要实现预测肿瘤发展,必须解决两个关键挑战:一是需要量化模型预测中的不确定性,以改善个体治疗效果;二是需要表征肿瘤和宿主组织的空间异质性,这会对治疗的设计产生显著影响。 研究背景和动机 本研究的核心动机在于通过引入贝叶斯框架来解决上述两...

嵌入TiO2-Au-MXene的矩形开放通道用于脑肿瘤诊断的PCF生物传感器的数值分析

数值分析嵌入TiO2-Au-MXene的矩形开放通道PCF生物传感器用于脑肿瘤诊断 学术背景与问题陈述 近年来,具有成本效益和高可靠性的生物传感器的开发成为一个研究热点。这些传感器旨在检测分析物的微小浓度,种类繁多,涵盖了各种技术,用于监测和检测细胞和液体。光子晶体(photonic crystals, PHCs)和PHC纤维(photonic crystal fibers, PCFs)因其紧凑尺寸、电磁干扰抵抗性、对分析物需求量少、结构设计灵活且易于集成等优点,迅速占据了传感器技术的热门选择。 特别值得注意的是,基于表面等离子体共振(surface plasmon resonance, SPR)的光纤生物传感器表现出色。SPR现象通过光纤和贵金属相结合,可以剧增检测灵敏度,尤其在生物医学领...

基于影像表型和基因型的深度学习来预测胶质母细胞瘤患者的总体生存时间

基于影像表型和基因型的深度学习来预测胶质母细胞瘤患者的总体生存时间

在全球范围内,恶性脑肿瘤中最常见和最致命的是胶质母细胞瘤(Glioblastoma, GBM)。近年来,不断有研究尝试通过机器学习技术,基于术前的单模态或多模态成像表型来预测GBM患者的总生存时间(Overall Survival, OS)。尽管这些机器学习方法在预测上取得了一定的进展,但多数研究并未考虑基于影像学的OS预测方法中包含的肿瘤基因型信息,而这些信息对预后有很强的指示作用。为解决这般问题,Tang Zhenyu、Xu Yuyun、Jin Lei 等人于2020年6月在《IEEE Transactions on Medical Imaging》上发表了题为“Deep Learning of Imaging Phenotype and Genotype for Predicting ...

基于时序纵向磁共振成像的胶质瘤生长建模及其占位效应研究

肿瘤生长数学模型研究——利用纵向磁共振成像探究胶质瘤的扩展 近日发表在《IEEE Transactions on Biomedical Engineering》上的一篇文章,对胶质瘤(glioma)的数学建模及生长规律进行了系统性研究。该研究由Birkan Tunç、David A. Hormuth II、George Biros和Thomas E. Yankeelov完成,主要通过纵向磁共振成像(MRI)数据评估三种不同数学模型在模拟肿瘤生长以及质量效应(mass effect)中的性能差异。 研究背景 胶质母细胞瘤(glioblastoma multiforme, GBM)是最常见的原发性脑肿瘤,患者预后较差。GBM一个显著的特征是对周围脑组织的严重变形效应,即“质量效应”,目前已有大量...

聚焦超声介导的大容量药物输送

比较声波模式和微泡给药策略在聚焦超声介导的血脑屏障大体积药物传递中的应用 背景介绍 弥漫性固有桥脑胶质瘤(Diffuse Intrinsic Pontine Glioma,DIPG)是儿童中最常见且最致命的脑干肿瘤。由于DIPG的血脑屏障(Blood-Brain Barrier,BBB)通常保持完整,致使药物无法有效穿透,这为治疗增加了巨大挑战。近年来,聚焦超声结合微泡介导的BBB打开(FUS-BBBO)技术显示出打破这一障碍的巨大潜力。考虑到DIPG的高扩散性,需要能够覆盖整个肿瘤区域的大体积FUS-BBBO治疗策略。本文的研究目标是确定一种能够在脑干部位实现高效且均匀的大体积BBBO的最优治疗策略,以实现免疫检查点抑制剂(如抗PD-L1抗体)在脑干部位的有效传递。 研究来源 该研究由Ya...