CaNet: 脳膠腫セグメンテーションのためのコンテキストアウェアネットワーク

CaNet: 脳膠腫セグメンテーションのためのコンテキストアウェアネットワーク

脳グリオーマ分割のためのコンテキスト認識ネットワークに関する研究レポート 脳グリオーマは成人における一般的な脳腫瘍であり、健康に対して重大な損害を及ぼし、高い死亡率を持っています。早期診断、手術計画及び術後のフォローアップに充分な証拠を提供するために、多モード磁気共鳴イメージング(MRI)が広く利用されています。本レポートで研究されている目的は、脳グリオーマの自動分割においてコンテキスト情報を組み込むことであり、これは局部的な曖昧さを扱う上で基本的な手がかりを提供しています。 研究背景 以前に行われた研究では、深層ニューラルネットワークに基づく手法が、脳グリオーマ分割において有望な技術を示しました。しかし、これらの方法は腫瘍細胞及びその周辺のコンテキスト情報を組み合わせるための有力な戦略を欠...

グループスパース事前知識に基づくグリオーマの形態再構築のための蛍光分子断層撮影

群稀疏先验を基にしたフルオレセンス分子断層撮影によるグリオーマ形態再構築技術の研究報告 一、学術背景と研究動機 フルオレセンス分子断層撮影(Fluorescence Molecular Tomography, FMT)は、生命科学の重要なツールであり、この技術によりフルオレセンス源の位置を非侵襲的な実時間三次元(3D)可視化が可能になる。感度が高く、コストも低いという利点から、FMTは腫瘍研究に広く応用されている。しかし、FMTの再構築過程は複雑で困難である。近年、FMT再構築方法の発展が著しく進んでいるものの、形態再構築は依然として難題である。したがって、本研究の目的はグリオーマ研究におけるFMT形態再構築能力の実現である。 二、論文情報および著者情報 本論文は、IEEE Transact...

初めての近赤外線ウィンドウIIA/IIB蛍光イメージングによる神経膠腫の精密外科的切除の臨床研究

初めての近赤外線ウィンドウIIA/IIB蛍光イメージングによる神経膠腫の精密外科的切除の臨床研究

《IEEE生物医学工学会誌》2022年8月、第69巻、第8号、初めての臨床研究:近赤外ウィンドウIIA/IIB蛍光イメージングによる神経膠腫精密手術における応用 曹彩光、金泽萍、史晓菁、张哲、肖安琪、杨君英、计楠、田捷(IEEE会員)、胡振华(IEEE高級会員) 導入 生物医学研究の分野では、蛍光イメージングの高い感度、高い空間解像度、リアルタイムイメージング能力、および操作の利便性が広く注目されています。本研究は、近赤外ウィンドウII(NIR-II、1000-1700ナノメートル)イメージング技術の臨床応用における価値を探索し、神経膠腫手術中の腫瘍の切除に役立てることを目的としています。著者らは、新たに開発したイメージング装置と術中画像融合方法を組み合わせることで手術の正確性を高め、術中の...

脳腫瘍診断のためのPCFバイオセンサーに埋め込まれた長方形オープンチャネルTiO2-Au-MXeneの数値解析

数値解析埋め込みTiO2-Au-MXeneの矩形オープンチャネルPCFバイオセンサーによる脳腫瘍診断 学術背景と問題提起 近年、コスト効率が高く信頼性の高いバイオセンサーの開発が研究のホットトピックとなっています。これらのセンサーは、微小な濃度の分析物を検出することを目的としており、多様な技術を網羅し、細胞や液体の監視と検出に用いられています。フォトニック結晶(photonic crystals, PHCs)とPHCファイバー(photonic crystal fibers, PCFs)は、そのコンパクトなサイズ、電磁干渉への耐性、少量の分析物で済むこと、構造設計の柔軟性、および統合の容易さなどの利点から、センサー技術のホットな選択肢として急速に注目を浴びています。 特に、表面プラズモン共鳴...

グリオブラストーマ患者の総生存時間予測のための画像表現型と遺伝子型のディープラーニング

グリオブラストーマ患者の総生存時間予測のための画像表現型と遺伝子型のディープラーニング

世界的に見て、悪性脳腫瘍の中で最も一般的で致命的なのは膠芽腫(Glioblastoma, GBM)です。近年、機械学習技術を通じて術前の単一モダリティまたは多モダリティの画像表現型に基づいてGBM患者の総生存時間(Overall Survival, OS)を予測しようとする研究が続けられています。これらの機械学習方法は予測において一定の進展を遂げましたが、多くの研究では放射線学に基づくOS予測方法に含まれる腫瘍の遺伝子型情報を考慮しておらず、この情報は予後に強い指示作用を持っています。この問題を解決するために、Tang Zhenyu、Xu Yuyun、Jin Lei などの研究者が2020年6月に《IEEE Transactions on Medical Imaging》に「Deep Lea...