机构名称：
¥ 1.0
放射成像技术，包括磁共振成像 (MRI) 和正电子发射断层扫描 (PET)，是广泛应用于神经肿瘤学的标准非侵入性诊断方法。不幸的是，由于与肿瘤进展和/或各种治疗干预相关的不同病理变化具有难以区分的放射图像特征，放射成像数据的准确解释不断受到挑战。近年来，基于机器学习 (ML) 的人工智能 (AI) 技术因其在隐式图像特征提取和综合数据分析方面的优势，已广泛应用于医学图像处理和生物信息学。尽管 ML 技术最近发展迅速，但它在神经肿瘤放射组学分析中的更广泛应用仍面临许多障碍，例如缺乏各种可访问的大型标准化真实患者放射组学脑肿瘤数据以及对各种治疗对肿瘤反应的可靠预测。因此，了解基于 ML 的 AI 技术对于帮助我们满足神经肿瘤临床部署的激增需求至关重要。本文概述了脑肿瘤放射组学分析的 ML 技术的最新进展，重点介绍了专有和公共数据集准备以及用于脑肿瘤诊断、分类（例如原发性和继发性肿瘤）、治疗效果（假进展、放射性坏死）和真实进展之间的区分、生存预测、炎症以及脑肿瘤生物标志物的识别的最新 ML 模型。我们还将神经放射学领域的 ML 模型与其他医学成像领域使用的 ML 模型的主要特征进行了比较，并讨论了这一新兴精准医学领域面临的开放研究挑战和未来工作方向。
人工智能在胶质母细胞瘤放射组学分析中的应用
主要关键词
相关文件推荐
