磁共振导向癌症治疗 放射学和机器学习模型用于响应预测
Jesutofunmi Ayo Fajemisin1,2, Glebys Gonzalez2, Stephen A Rosenberg2,3
1Department of Physics, University of South Florida, Tampa, FL 33620, USA.
概括
磁共振成像 (MRI) 放射学从图像中提取高维特征,以预测癌症治疗结果. 使用这些功能的机器学习模型显示了个性化癌症护理的前景.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 无线电学 (Radiomics) 是一种无线电学.
背景情况:
- 磁共振成像 (MRI) 提供卓越的软组织对比度,对于癌症成像和治疗至关重要.
- 放射学将医疗图像转化为可量化的数据,用于高级分析.
- 机器学习模型越来越多地用于预测癌症患者的结果.
研究的目的:
- 审查MRI放射学特征,以预测临床癌症治疗结果.
- 探索机器学习技术与放射学相结合的应用.
- 讨论影响预测性能的因素,如磁场强度和样本大小.
主要方法:
- 对利用MRI放射学用于癌症预测结果的研究进行文献综述.
- 分析各种特征提取和选择技术.
- 检查在放射学研究中使用的机器学习模型.
主要成果:
- 磁力共振成像放射学特征显示出在不同疾病部位预测癌症治疗结果的潜力.
- 机器学习模型可以有效地查询这些特征以获得预测性见解.
- 磁场强度和样本大小等因素显著影响预测的准确性.
结论:
- 与机器学习相结合的MRI放射学,为预测癌症治疗结果提供了一种强大的非侵入性方法.
- 进一步的研究是有必要的,以优化特征选择和模型开发的临床翻译.
- 对成像协议和数据分析的标准化对于强大的放射学应用是必不可少的.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
13:41Magnetic Resonance-Guided High Intensity Focused Ultrasound Generated Hyperthermia: A Feasible Treatment Method in a Murine Rhabdomyosarcoma Model
Published on: January 13, 2023
2.3K
