Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Radiological Investigation II: MRI and Ventilation Perfusion Scan01:30

Radiological Investigation II: MRI and Ventilation Perfusion Scan

219
Description
Magnetic Resonance Imaging (MRI) and Ventilation Perfusion Scans are two radiological investigations that offer detailed diagnostic images of the body, particularly lung structures.
MRI
MRI uses magnetic fields and radiofrequency signals to distinguish between normal and abnormal tissues. This technology provides a more detailed diagnostic image than CT scans, enabling it to characterize pulmonary nodules, stage bronchogenic carcinoma, and evaluate inflammatory activity in...
219
  1. ホーム
  3. マルチシーケンスのmri放射学と生息地のイメージングを統合した融合モデルは,ネオアジュヴァント療法で治療された乳がんにおける病理的完全な応答を予測する.
  1. ホーム
  3. マルチシーケンスのmri放射学と生息地のイメージングを統合した融合モデルは,ネオアジュヴァント療法で治療された乳がんにおける病理的完全な応答を予測する.

関連する実験動画

Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
12:23

Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound

Published on: August 14, 2012

14.4K

マルチシーケンスのMRI放射学と生息地のイメージングを統合した融合モデルは,ネオアジュヴァント療法で治療された乳がんにおける病理的完全な応答を予測する.

Shaojie Xu1, Yushi Ying1, Qilan Hu2

  • 1Department of Thyroid and Breast Surgery, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430030, Hubei, People's Republic of China.

Cancer imaging : the official publication of the International Cancer Imaging Society
|August 29, 2025

PubMed で要約を見る

まとめ
この要約は機械生成です。

MRI放射学,ディープラーニング,および生息地のイメージングを統合した新しいモデルは,ネオアジュバント療法 (NAT) を受ける乳がん患者の病理的完全応答 (pCR) を正確に予測します. この融合モデルは 個別化された治療決定のための 非侵襲的なツールを提供します

キーワード:
乳がん異質性について磁気共鳴ネオアジュバント療法ラジオミクス

さらに関連する動画

Modeling Brain Metastases Through Intracranial Injection and Magnetic Resonance Imaging
06:44

Modeling Brain Metastases Through Intracranial Injection and Magnetic Resonance Imaging

Published on: June 7, 2020

7.5K
Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
10:25

Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning

Published on: April 12, 2024

1.6K

関連する実験動画

Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
12:23

Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound

Published on: August 14, 2012

14.4K
Modeling Brain Metastases Through Intracranial Injection and Magnetic Resonance Imaging
06:44

Modeling Brain Metastases Through Intracranial Injection and Magnetic Resonance Imaging

Published on: June 7, 2020

7.5K
Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
10:25

Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning

Published on: April 12, 2024

1.6K

科学分野:

  • 腫瘍学
  • 放射線科
  • 人工知能

背景:

  • ネオアジュヴァント療法 (NAT) を受けている乳がん患者は,病理的完全応答 (pCR) の正確な予測を必要とします.
  • 現在の予測方法は,腫瘍の異質性や治療への反応を完全に捉えることはできません.
  • マルチモダルの画像データを統合することで 予測の精度が向上する可能性があります

研究 の 目的:

  • NATを受けている乳がん患者におけるpCRの予測モデルを開発し,検証する.
  • マルチシーケンスのMRI放射学と ディープラーニング機能と ハビタット画像の統合により 予測が向上します
  • 臨床適用のためのモデルの性能と解釈性を評価する.

主な方法:

  • NATで治療された203人の乳がん患者の遡及分析.
  • マルチシーケンスのMRI (T2WI,DWI,DCE-MRI) と生息地のイメージング分析から放射線特性の抽出.
  • ROC,PR曲線,DCA,および解釈能力技術 (SHAP,LIME) を使用した融合機械学習モデルの開発と検証.

主要な成果:

  • 融合モデルは,テストセットで0. 913のAUCで優れた予測性能を示した.
  • シングル・リージョンモデルと比較して,精度・リコールバランスの改善とより高い臨床効果が観察されました.
  • SHAP分析は,pCR予測に影響を与える主要な放射性特性を特定し,モデルの解釈性を向上させました.

    • 結論:

    • 多次元MRI機能と生息地のイメージングを統合することで,乳がんにおけるpCR予測を大幅に改善します.
    • 開発された融合モデルは,個別化されたネオアジュバント治療戦略を導くための強固で非侵襲的なツールとして機能します.
    • SHAPとLIMEによるモデルの解釈は,臨床的信頼と応用をサポートします.