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...

全自动多模态MRI多任务学习用于胶质瘤分割和IDH基因分型的研究报告 研究背景 胶质瘤是中枢神经系统中最常见的原发性脑肿瘤，根据世界卫生组织（WHO）2016年分类，胶质瘤分为低级别胶质瘤（LGG，级别II和III）和高级别胶质瘤（HGG，级别IV）。异柠檬酸脱氢酶（Isocitrate Dehydrogenase, IDH）突变状态是胶质瘤中最重要的预后标志之一。临床研究发现，含有IDH突变的低级别胶质瘤患者预后通常优于IDH野生型患者。传统的胶质瘤手工分割费时费力，而准确的IDH基因分型和精确的胶质瘤分割对于指导治疗和评估预后具有重要意义。由于多模态磁共振成像（Magnetic Resonance Imaging, MRI）的非侵入性和日常临床实践中的重要作用，它被认为是最有前途的候选技...

注意引导的CNN框架用于3D MRI扫描的胶质瘤分割和评级研究 胶质瘤是人类最致命的脑肿瘤形式，及时诊断这些肿瘤是有效肿瘤治疗的重要一步。磁共振成像（MRI）通常提供对脑部病变的无创检查。然而，手动检查MRI扫描中的肿瘤需要大量时间，并且容易出错。因此，自动诊断肿瘤在胶质瘤的临床管理和外科干预中起着至关重要的作用。在这项研究中，我们提出了一个基于卷积神经网络（CNN）的框架，用于从3D MRI扫描中无创分级肿瘤。 背景介绍 胶质瘤是常见且致命的脑肿瘤，根据其侵袭性和恶性程度可以分为四级。低级别肿瘤（I-III级）通常较不具侵袭性且对治疗反应较好。然而，高级别肿瘤（IV级）具有高度侵袭性，例如胶质母细胞瘤，其治疗效果较差，仅有5%的患者能存活5年。 为了使用医疗影像开展胶质瘤的研究，研究者通常...

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...

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...

《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...

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...

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...

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 ...

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...