调查磁共振成像基于瘤生长的数学模型的可预测性极限

科学领域:

• 生物系统的计算建模.
• 医学成像分析分析 医学成像分析
• 瘤微环境的动态

背景情况:

• 准确预测瘤生长的时空动态对于有效的治疗计划至关重要.
• 磁共振成像 (MRI) 为初始化和限制瘤生长模型提供了必不可少的数据.
• 反应-扩散方程提供了一个框架来建模复杂的生物过程,如瘤发育.

研究的目的:

• 使用常规MRI数据建立一个框架来评估瘤生长动态的未来预测准确性.
• 确定图像质量 (SNR,SR,TR) 对反应扩散模型预测能力的影响.
• 评估这些模型对预测瘤和血管体积分数的可靠性.

主要方法:

• 开发了一个使用反应-扩散方程的计算框架,以模拟大鼠大脑模型中的瘤生长.
• 产生了13个具有不同增殖和扩散参数的虚拟瘤,模拟了10天的生长.
• 系统地降低了图像质量 (SNR,SR,TR),并使用CCC和Dice的得分对地面真相进行预测准确度评估.

主要成果:

• 在所有测试的图像质量场景中,瘤体积分数预测始终达到高精度 (CCC和Dice>0.9).
• 血管体积分数预测也显示了高准确度 (CCC>0.9) 与SNR≥80.
• 高增殖瘤保持了高的预测准确性 (CCC和子>0.9),即使SNR≥40.

结论:

• 反应-扩散模型表明,即使MRI数据质量受到损害,瘤生长的纵向预测准确度也很强.
• 该框架提供了一种方法来量化基于实验数据限制的预测准确度的极限.
• 这些发现支持使用计算模型与临床MRI用于改善瘤监测和治疗策略.