論文の概要: Artificial Intelligence Solution for Effective Treatment Planning for
Glioblastoma Patients
- arxiv url: http://arxiv.org/abs/2203.05563v1
- Date: Wed, 9 Mar 2022 22:29:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 23:49:10.318503
- Title: Artificial Intelligence Solution for Effective Treatment Planning for
Glioblastoma Patients
- Title(参考訳): グリオーマ患者に対する効果的な治療計画のための人工知能ソリューション
- Authors: Vikram Goddla
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Glioblastomas are the most common malignant brain tumors in adults.
Approximately 200000 people die each year from Glioblastoma in the world.
Glioblastoma patients have a median survival of 12 months with optimal therapy
and about 4 months without treatment. Glioblastomas appear as heterogeneous
necrotic masses with irregular peripheral enhancement, surrounded by vasogenic
edema. The current standard of care includes surgical resection, radiotherapy
and chemotherapy, which require accurate segmentation of brain tumor
subregions. For effective treatment planning, it is vital to identify the
methylation status of the promoter of Methylguanine Methyltransferase (MGMT), a
positive prognostic factor for chemotherapy. However, current methods for brain
tumor segmentation are tedious, subjective and not scalable, and current
techniques to determine the methylation status of MGMT promoter involve
surgically invasive procedures, which are expensive and time consuming. Hence
there is a pressing need to develop automated tools to segment brain tumors and
non-invasive methods to predict methylation status of MGMT promoter, to
facilitate better treatment planning and improve survival rate. I created an
integrated diagnostics solution powered by Artificial Intelligence to
automatically segment brain tumor subregions and predict MGMT promoter
methylation status, using brain MRI scans. My AI solution is proven on large
datasets with performance exceeding current standards and field tested with
data from teaching files of local neuroradiologists. With my solution,
physicians can submit brain MRI images, and get segmentation and methylation
predictions in minutes, and guide brain tumor patients with effective treatment
planning and ultimately improve survival time.
- Abstract(参考訳): 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。
グリオ芽腫は異種壊死性腫瘤として出現し,血管新生浮腫に囲まれている。
現在の治療基準には、外科的切除、放射線治療、化学療法が含まれており、脳腫瘍亜領域の正確なセグメンテーションが必要である。
効果的な治療計画のためには、化学療法の陽性予後因子であるメチルグアニンメチルトランスフェラーゼ(MGMT)のプロモーターのメチル化状態を特定することが不可欠である。
しかし、現在の脳腫瘍の分画の方法は退屈で主観的でスケーラブルではなく、mgmtプロモーターのメチル化状態を決定する最新の技術は外科的侵襲的処置であり、費用と時間を要する。
したがって、MGMTプロモーターのメチル化状態を予測し、治療計画の改善と生存率の向上を図るため、脳腫瘍を分別する自動化ツールや非侵襲的な方法を開発する必要がある。
私は人工知能を利用した統合診断ソリューションを作成し、脳腫瘍のサブリージョンを自動的に分割し、脳MRIスキャンを用いてMGMTプロモーターのメチル化状態を予測する。
私のAIソリューションは、現在の標準を超えるパフォーマンスを持つ大規模なデータセットで実証されています。
私のソリューションでは、医師は脳MRI画像を提出し、数分でセグメンテーションとメチル化の予測を取得し、効果的な治療計画で脳腫瘍患者を誘導し、最終的に生存時間を改善することができる。
関連論文リスト
- 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) - 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) - 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) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - Optimizing Prediction of MGMT Promoter Methylation from MRI Scans using
Adversarial Learning [0.0]
Glioblastoma Multiforme (GBM) による米国では毎年13,000人以上が死亡していると推定されている。
非侵襲磁気共鳴画像(MRI)ベースの機械学習(ML)モデルを用いてMGMTプロモーターの状態を特定することが重要である。
2つの放射能モデルと2つのCNNモデルという4つの主要モデルを開発した。
論文 参考訳(メタデータ) (2022-01-12T11:04:34Z) - 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) - 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) - Brain Tumor Classification Using Medial Residual Encoder Layers [9.038707616951795]
がんは世界で2番目に多い死因であり、2018年だけで950万人以上が死亡している。
脳腫瘍は4件のがん死亡のうち1件を数えている。
本稿では,エンコーダブロックを含むディープラーニングに基づくシステムを提案する。
3064 MR画像からなるデータセット上でのこのモデルの実験的評価は、95.98%の精度を示しており、このデータベースに関する以前の研究より優れている。
論文 参考訳(メタデータ) (2020-11-01T21:19:38Z) - Multi-channel MRI Embedding: An EffectiveStrategy for Enhancement of
Human Brain WholeTumor Segmentation [2.869946954477617]
医用画像処理における最も重要な課題の1つは、脳全体の腫瘍のセグメンテーションである。
脳腫瘍は早期に検出された場合、悪性または良性であることが多い。
本研究は, 深層学習に基づく腫瘍セグメント化の結果を改善するため, マルチチャネルMRI埋め込みという効率的な手法を提案する。
論文 参考訳(メタデータ) (2020-09-13T23:44:16Z)
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。