論文の概要: Novel Local Radiomic Bayesian Classifiers for Non-Invasive Prediction of
MGMT Methylation Status in Glioblastoma
- arxiv url: http://arxiv.org/abs/2112.03259v1
- Date: Tue, 30 Nov 2021 04:53:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-12 16:27:32.637063
- Title: Novel Local Radiomic Bayesian Classifiers for Non-Invasive Prediction of
MGMT Methylation Status in Glioblastoma
- Title（参考訳）: グリオ芽腫におけるMGMTメチル化の非侵襲予測のための新しい局所放射線ベイズ分類法
- Authors: Mihir Rao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Glioblastoma, an aggressive brain cancer, is amongst the most lethal of all
cancers. Expression of the O6-methylguanine-DNA-methyltransferase (MGMT) gene
in glioblastoma tumor tissue is of clinical importance as it has a significant
effect on the efficacy of Temozolomide, the primary chemotherapy treatment
administered to glioblastoma patients. Currently, MGMT methylation is
determined through an invasive brain biopsy and subsequent genetic analysis of
the extracted tumor tissue. In this work, we present novel Bayesian classifiers
that make probabilistic predictions of MGMT methylation status based on
radiomic features extracted from FLAIR-sequence magnetic resonance imagery
(MRIs). We implement local radiomic techniques to produce radiomic activation
maps and analyze MRIs for the MGMT biomarker based on statistical features of
raw voxel-intensities. We demonstrate the ability for simple Bayesian
classifiers to provide a boost in predictive performance when modelling local
radiomic data rather than global features. The presented techniques provide a
non-invasive MRI-based approach to determining MGMT methylation status in
glioblastoma patients.
- Abstract（参考訳）: 攻撃的な脳腫瘍であるグリオ芽腫は、全がんの中でも最も致命的である。
グリオ芽腫腫瘍組織における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、グリオ芽腫患者に投与された1次化学療法であるテモゾロミドの有効性に大きな影響を与えるため、臨床的に重要である。
現在、mgmtメチル化は侵襲的脳生検およびその後に抽出された腫瘍組織の遺伝学的解析によって決定されている。
本研究では,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。
生のボクセル強度の統計的特徴に基づいて,放射能マップの作成とMGMTバイオマーカーのMRI解析に局所放射能技術を適用した。
我々は,局所放射能データをグローバル特徴量ではなくモデル化する際に,単純なベイズ分類器が予測性能を向上できることを実証する。
本手法はglioblastoma患者のmgmtメチル化状態の非侵襲的mri法である。
関連論文リスト
- MRI Radiomics for IDH Genotype Prediction in Glioblastoma Diagnosis [0.0]
本稿では,MRIの放射線学的利用の最近の進展について概説する。
Isocitrate dehydrogenase (IDH) 変異の同定に焦点が当てられ、グリオ芽腫とグレードIVアストロサイトーマの診断に重要なバイオマーカーである。
論文 参考訳（メタデータ） (2024-09-23T20:34:49Z) - 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) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - MGMT promoter methylation status prediction using MRI scans? An
extensive experimental evaluation of deep learning models [0.0]
MRIによるグリオーマ腫瘍におけるMGMTプロモーターのメチル化状態の予測にディープラーニングモデルを用いた。
以上の結果から,癌診断における深層学習システムの精度と信頼性を確保するために,これらのモデルの性能に相関性は認められなかった。
論文 参考訳（メタデータ） (2023-04-03T07:55:42Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳（メタデータ） (2023-03-23T18:50:18Z) - Generating counterfactual explanations of tumor spatial proteomes to
discover effective strategies for enhancing immune infiltration [44.99833362998488]
腫瘍微小環境(TME)は免疫組成により癌予後に大きな影響を及ぼす。
本稿では,T細胞浸潤予測を自己教師型機械学習問題として定式化する。
悪性黒色腫,大腸癌肝転移,乳癌データに枠組みを応用し,T細胞浸潤が予測される摂動を発見した。
論文 参考訳（メタデータ） (2022-11-08T05:46:02Z) - Artificial Intelligence Solution for Effective Treatment Planning for
Glioblastoma Patients [0.0]
グリオ芽腫は成人で最も多い悪性脳腫瘍である。
毎年約20万人がグリオ芽腫で死亡している。
グリオブラスト腫患者は、至適治療で12カ月、治療なしで約4カ月生存する。
論文 参考訳（メタデータ） (2022-03-09T22:29:48Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Comparison of Machine Learning Classifiers to Predict Patient Survival
and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。
GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。
xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文 参考訳（メタデータ） (2021-02-10T15:10:37Z) - Radiogenomics of Glioblastoma: Identification of Radiomics associated
with Molecular Subtypes [13.21715837712657]
グリオ芽腫は中枢神経系腫瘍の最も悪性なタイプである。
GBMのサブタイプは、放射能を利用して平均79%の精度で予測され、90%以上は遺伝子発現プロファイルを利用して予測される。
論文 参考訳（メタデータ） (2020-10-27T05:31:56Z)
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。