論文の概要: Unsupervised learning for vascular heterogeneity assessment of glioblastoma based on magnetic resonance imaging: The Hemodynamic Tissue Signature

• arxiv url: http://arxiv.org/abs/2009.06288v1
• Date: Mon, 14 Sep 2020 09:35:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 11:25:43.990609
• Title: Unsupervised learning for vascular heterogeneity assessment of glioblastoma based on magnetic resonance imaging: The Hemodynamic Tissue Signature
• Title（参考訳）: 磁気共鳴画像によるグリオブラスト腫の血管異質性評価のための教師なし学習 : 血行力学的組織像
• Authors: Javier Juan-Albarrac\'in
• Abstract要約: 本論文は血行動態組織シグナチャ(HTS)法の研究と開発に焦点を当てている。 HTSは、グリオ芽腫の血管異質性を記述するために生息地の概念に基づいている。 この論文で考案された方法、技術、原案はONCOANALYTICS CDXの基礎となった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This thesis focuses on the research and development of the Hemodynamic Tissue Signature (HTS) method: an unsupervised machine learning approach to describe the vascular heterogeneity of glioblastomas by means of perfusion MRI analysis. The HTS builds on the concept of habitats. An habitat is defined as a sub-region of the lesion with a particular MRI profile describing a specific physiological behavior. The HTS method delineates four habitats within the glioblastoma: the High Angiogenic Tumor (HAT) habitat, as the most perfused region of the enhancing tumor; the Low Angiogenic Tumor (LAT) habitat, as the region of the enhancing tumor with a lower angiogenic profile; the potentially Infiltrated Peripheral Edema (IPE) habitat, as the non-enhancing region adjacent to the tumor with elevated perfusion indexes; and the Vasogenic Peripheral Edema (VPE) habitat, as the remaining edema of the lesion with the lowest perfusion profile. The results of this thesis have been published in ten scientific contributions, including top-ranked journals and conferences in the areas of Medical Informatics, Statistics and Probability, Radiology & Nuclear Medicine, Machine Learning and Data Mining and Biomedical Engineering. An industrial patent registered in Spain (ES201431289A), Europe (EP3190542A1) and EEUU (US20170287133A1) was also issued, summarizing the efforts of the thesis to generate tangible assets besides the academic revenue obtained from research publications. Finally, the methods, technologies and original ideas conceived in this thesis led to the foundation of ONCOANALYTICS CDX, a company framed into the business model of companion diagnostics for pharmaceutical compounds, thought as a vehicle to facilitate the industrialization of the ONCOhabitats technology.
• Abstract（参考訳）: この論文は、灌流MRIによるグリオ芽腫の血管均一性を記述するための教師なし機械学習アプローチである血行動態組織署名法(HTS)の研究と開発に焦点を当てている。 HTSは生息地の概念に基づいている。 生息地は病変のサブリージョンとして定義されており、特定の生理的行動を記述するMRIプロファイルがある。 The HTS method delineates four habitats within the glioblastoma: the High Angiogenic Tumor (HAT) habitat, as the most perfused region of the enhancing tumor; the Low Angiogenic Tumor (LAT) habitat, as the region of the enhancing tumor with a lower angiogenic profile; the potentially Infiltrated Peripheral Edema (IPE) habitat, as the non-enhancing region adjacent to the tumor with elevated perfusion indexes; and the Vasogenic Peripheral Edema (VPE) habitat, as the remaining edema of the lesion with the lowest perfusion profile. この論文の成果は、医学情報学、統計と確率、放射線と核医学、機械学習とデータマイニングとバイオメディカルエンジニアリングの分野におけるトップランクのジャーナルと会議を含む10の科学論文で発表されている。 スペイン(es201431289a)、ヨーロッパ(ep3190542a1)、eeuu(us20170287133a1)に登録された産業特許も発行され、研究出版物から得た学術的収入以外に有形資産を生産するための論文の努力を要約した。 最後に、この論文で考案された方法、技術、原案が、オンコアナリクス(ONCOANALYTICS CDX)の基礎となり、OnCOhabitats技術の工業化を促進する手段として考えられた医薬品化合物の相補的診断のビジネスモデルに組み込まれた。

関連論文リスト

• Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
  大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
  論文  参考訳（メタデータ） (2024-07-17T07:44:18Z)
• Phy-Diff: Physics-guided Hourglass Diffusion Model for Diffusion MRI Synthesis [45.074243735766]
  本稿では,高画質のdMRIを生成する物理誘導拡散モデルを提案する。 本モデルは拡散過程におけるノイズ進化におけるdMRIの物理原理を紹介する。 実験の結果,本手法は他の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-05T07:09:19Z)
• BraTS-Path Challenge: Assessing Heterogeneous Histopathologic Brain Tumor Sub-regions [29.940537460789688]
  グリオ芽腫は、最も一般的な成人脳腫瘍であり、グリム予後を呈する。 BraTS-Pathの課題は、組織的に準備された包括的なデータセットと、ディープラーニングモデルの開発と適切な比較を行うためのベンチマーク環境を提供することである。
  論文  参考訳（メタデータ） (2024-05-17T16:02:21Z)
• Simulation-based Inference for Cardiovascular Models [57.92535897767929]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• CoNIC Challenge: Pushing the Frontiers of Nuclear Detection, Segmentation, Classification and Counting [46.45578907156356]
  我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。 大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。 腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
  論文  参考訳（メタデータ） (2023-03-11T01:21:13Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Novel Local Radiomic Bayesian Classifiers for Non-Invasive Prediction of MGMT Methylation Status in Glioblastoma [0.0]
  グリオーマ腫瘍組織におけるO6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)遺伝子の発現は臨床的に重要である。 現在、MGMTメチル化は、侵襲的な脳生検およびその後に抽出された腫瘍組織の遺伝子解析によって決定されている。 FLAIR系列磁気共鳴画像(MRI)から抽出した放射能特性に基づいてMGMTメチル化状態の確率論的予測を行う新しいベイズ分類器を提案する。
  論文  参考訳（メタデータ） (2021-11-30T04:53:23Z)
• Radiomic Deformation and Textural Heterogeneity (R-DepTH) Descriptor to characterize Tumor Field Effect: Application to Survival Prediction in Glioblastoma [2.1916334019121537]
  腫瘍野効果の概念は、がんが可視性腫瘍を超える影響を持つ全身疾患であることを意味する。 r-DepTH (r-DepTH) を用いたMRI ベースの記述器, 放射能とテクスチュラルな異質性について述べる。 この記述子は、質量効果による周囲の正常発作全体の組織変形の微妙な摂動の測定を含む。
  論文  参考訳（メタデータ） (2021-03-12T17:38:54Z)
• Expectation-Maximization Regularized Deep Learning for Weakly Supervised Tumor Segmentation for Glioblastoma [8.24450401153384]
  本研究では,弱監督腫瘍分割のためのEM正規化ディープラーニング(EMReDL)モデルを提案する。 この枠組みは周囲の脳組織への拡散浸潤を特徴とする悪性腫瘍の一種であるグリオ芽腫に特化していた。
  論文  参考訳（メタデータ） (2021-01-21T18:14:43Z)
• Bayesian optimization assisted unsupervised learning for efficient intra-tumor partitioning in MRI and survival prediction for glioblastoma patients [13.263919134911237]
  本稿では,クラスタリングアルゴリズムを微調整し,安定したサブリージョンを同定し,信頼性の高い臨床生存予測を行う機械学習フレームワークを提案する。 腫瘍の亜領域を分割し,亜領域の特徴を抽出することにより,腫瘍内不均一性の先行知識を取り入れた。
  論文  参考訳（メタデータ） (2020-12-05T20:29:53Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。