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...

近红外窗口II荧光影像引导手术延长高级别胶质瘤患者的无进展生存期 研究背景 高级别胶质瘤（HGG）是中枢神经系统中最常见的恶性原发性肿瘤，其中胶质母细胞瘤（GBM）预后最差。为了改善GBM患者的治疗效果，提高术中肿瘤切除率，减少术后复发，研究者们开展了基于近红外窗口II（NIR-II）荧光影像的手术引导策略研究。NIR-II荧光影像具有组织自发荧光低、渗透深度大的特性，有望提高肿瘤切除的精确性与安全性。 论文信息 本项研究由夏晓静博士、张哲博士等人共同完成，他们分别隶属于中国科学院自动化研究所分子影像重点实验室等多个研究机构。研究成果发表在 IEEE Transactions on Biomedical Engineering (Vol. 69, No. 6, June 2022) 杂志上。...