論文の概要: Novel Radiomic Feature for Survival Prediction of Lung Cancer Patients using Low-Dose CBCT Images

• arxiv url: http://arxiv.org/abs/2003.03537v1
• Date: Sat, 7 Mar 2020 08:47:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 20:05:34.457107
• Title: Novel Radiomic Feature for Survival Prediction of Lung Cancer Patients using Low-Dose CBCT Images
• Title（参考訳）: 低線量CBCT画像を用いた肺癌患者の生存予測のための新しい放射線学的特徴
• Authors: Bijju Kranthi Veduruparthi, Jayanta Mukherjee, Partha Pratim Das, Moses Arunsingh, Raj Kumar Shrimali, Sriram Prasath, Soumendranath Ray and Sanjay Chatterjee
• Abstract要約: 腫瘍の異種性を考慮した生存予測モデルを提案する。 画像中のX線密度に関する情報とGTV(Grog tumor volume)の併用により腫瘍の均一性を測定する。 本稿では,GTV を用いた既存モデルと比較して生存率の予測を改良する,GTV 内腫瘍マス(TMG)と呼ばれる新機能を提案する。
• 参考スコア（独自算出の注目度）: 3.510687032586989
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Prediction of survivability in a patient for tumor progression is useful to estimate the effectiveness of a treatment protocol. In our work, we present a model to take into account the heterogeneous nature of a tumor to predict survival. The tumor heterogeneity is measured in terms of its mass by combining information regarding the radiodensity obtained in images with the gross tumor volume (GTV). We propose a novel feature called Tumor Mass within a GTV (TMG), that improves the prediction of survivability, compared to existing models which use GTV. Weekly variation in TMG of a patient is computed from the image data and also estimated from a cell survivability model. The parameters obtained from the cell survivability model are indicatives of changes in TMG over the treatment period. We use these parameters along with other patient metadata to perform survival analysis and regression. Cox's Proportional Hazard survival regression was performed using these data. Significant improvement in the average concordance index from 0.47 to 0.64 was observed when TMG is used in the model instead of GTV. The experiments show that there is a difference in the treatment response in responsive and non-responsive patients and that the proposed method can be used to predict patient survivability.
• Abstract（参考訳）: 腫瘍進行患者の生存率の予測は治療プロトコルの有効性を推定するのに有用である。 本研究では,腫瘍の異種性を考慮した生存予測モデルを提案する。 画像から得られた放射線密度と総腫瘍容積(gtv)とを組み合わせることにより、腫瘍の均一性を測定する。 本稿では,GTV を用いた既存モデルと比較して生存率の予測を改良する,GTV 内腫瘍マス(TMG)と呼ばれる新機能を提案する。 画像データから患者のTMGの週間変動を算出し、細胞生存可能性モデルから推定する。 細胞生存可能性モデルから得られたパラメータは、治療期間におけるTMGの変化の指標である。 これらのパラメータと他の患者メタデータを用いて生存分析と回帰を行う。 これらのデータを用いてcoxの比例ハザードサバイバルレグレッションを行った。 GTV の代わりに TMG を用いた場合, 平均一致率 0.47 から 0.64 に有意な改善が認められた。 本実験は, 応答性および非応答性患者の治療反応に差があることを示し, 提案手法を用いて患者の生存率を予測する。

関連論文リスト

• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Brain Tumor Recurrence vs. Radiation Necrosis Classification and Patient Survivability Prediction [0.0]
  GBMは成人で最もアグレッシブな脳腫瘍であり、手術や放射線治療による攻撃的治療でも生存率が低い。 放射線治療後のGBM患者のMRIの変化は、放射線誘発壊死(RN)または再発脳腫瘍(rBT)の指標である 本研究では, rBT と RN の分類におけるサブセット標本サイズのバランスをとるために, 統計的に厳密な繰り返しランダムサブサンプリングを用いた計算モデルを提案する。
  論文  参考訳（メタデータ） (2023-06-05T21:39:11Z)
• Prediction of brain tumor recurrence location based on multi-modal fusion and nonlinear correlation learning [55.789874096142285]
  深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。 まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。 次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。 2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
  論文  参考訳（メタデータ） (2023-04-11T02:45:38Z)
• Recurrence-free Survival Prediction under the Guidance of Automatic Gross Tumor Volume Segmentation for Head and Neck Cancers [8.598790229614071]
  自動原発性腫瘍 (GTVp) とリンパ節郭清法 (GTVn) を開発した。 腫瘍の分節体積から放射能の特徴を抽出し,RFS予測モデルを構築した。
  論文  参考訳（メタデータ） (2022-09-22T18:44:57Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Predicting survival of glioblastoma from automatic whole-brain and tumor segmentation of MR images [1.0179233457605892]
  MR画像から自動的に計算され、機械学習モデルに入力され、患者の生存を予測できる新しい画像機能を導入する。 これらの特徴は、周囲の脳構造に腫瘍が引き起こす変形を計測し、患者の脳の様々な構造の形状と健康な人の期待される形状を比較する。 提案する特徴は, 従来の非画像的特徴以上の, 総合的および進歩的生存率の面で, 予後に有意な値を有することを示す。
  論文  参考訳（メタデータ） (2021-09-25T10:49:51Z)
• Glioblastoma Multiforme Patient Survival Prediction [1.0650780147044159]
  そこで我々は,手作り画像とラジオミクス機能を利用した4つの回帰器を用いた生存予後モデルを提案する。 その結果,手作りの特徴は生存予測と強い相関を示した。 勾配上昇と放射能形状の特徴を持つコンセンサスベースの回帰器は生存予測に最適である。
  論文  参考訳（メタデータ） (2021-01-26T06:47:14Z)
• Prognostic Power of Texture Based Morphological Operations in a Radiomics Study for Lung Cancer [0.0]
  この研究は、非小細胞肺癌(NSCLC)を患っている患者のオープンデータベース上で行われます。 腫瘍の特徴をCT画像から抽出し,PCAおよびKaplan-Meierサバイバル分析を用いて解析し,最も関連性の高いものを選択する。 1,589件の研究された特徴のうち、32件は患者の生存を予測するために関連している。
  論文  参考訳（メタデータ） (2020-12-23T13:38:19Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。