张量放射学:多种风味放射学特征的系统整合范式
Arman Rahmim1,2,3, Amirhosein Toosi2, Mohammad R Salmanpour2
1Department of Radiology, University of British Columbia, Vancouver, Canada.
Quantitative imaging in medicine and surgery
|December 18, 2023
概括
张量放射学 (TR) 通过使用多个特征集来增强医学成像分析,在预测癌症存活率和治疗反应方面表现优于传统方法. 这种新的方法提高了在各种成像模式的诊断准确性和可重复性.
科学领域:
- 放射学和医学成像技术
- 定量成像生物标志物生物标志物
- 机器学习在瘤学中
背景情况:
- 放射性特征是癌症诊断,预后和治疗评估的关键定量成像生物标志物.
- 传统的放射学使用单个参数集,限制特征的稳定性.
- 张量放射学 (TR) 使用多个特征集 ("风味") 来优化放射学签名.
研究的目的:
- 介绍和评估张量辐射学 (TR) 范式,用于增强医学成像分析.
- 证明TR在各种瘤成像方案 (CT,PET-CT,MRI) 中的应用.
- 为了比较TR性能与传统放射学在预测患者的结果和治疗反应.
主要方法:
- 通过使用各种离散参数 (例如,容器大小) 和细分扰动来实现TR.
- 机器学习 (ML) 和深度学习 (DL) 模型,包括混合"TR-Net",用于TR分析.
- 应用包括肺癌和头癌的整体生存预测,免疫治疗反应分类和使用MRI进行质母细胞瘤 (GBM) 分析.
主要成果:
- 在预测肺癌和头癌的整体存活率方面,TR显著优于传统放射学.
- TR改善了肺癌对免疫治疗反应的分类准确性.
- 在GBMMMRI中,TR表现出优越的可复制性,而与单一风味放射性相比,通过PET-CT融合提高了通过PET-CT融合在头癌症中的OS预测.
结论:
- 张量放射学为改善各种医学成像任务的性能提供了一个强大的范式.
- 通过整合多个放射性特征风味,TR克服了单个特征的局限性.
- 在瘤学中,TR显示了提高预后能力和临床决策的巨大潜力.
