胶质瘤是最常见的恶性脑肿瘤,以多形性胶质母细胞瘤(GBM)为代表的高级别胶质瘤预后差、易复发,标准治疗策略是肿瘤切除联合放化疗,如替莫唑胺(TMZ)。但即使经过常规治疗,胶质瘤的复发率仍然很高,因此对有效的抗胶质瘤药物的需求日益增加。药物再利用是一种重新使用已被广泛批准用于新适应症的药物的方法,具有降低研究成本、安全、提高疗效等优点。双硫仑(DSF)最初被批准用于治疗酒精依赖,现已被重新用于胶质瘤的辅助化疗。本文综述了药物再利用方法以及双硫仑再利用用于治疗胶质瘤的研究进展。
摘要:准确分类胶质瘤在临床实践中至关重要。它对临床医生和患者选择适当的治疗方法具有重要意义,有助于促进个性化医疗的发展。在 MICCAI 2020 放射学和病理学联合分类挑战赛中,为每个患者提供了 4 个 MRI 序列和一张 WSI 图像。参赛者需要使用多模态图像来预测胶质瘤的亚型。在本文中,我们提出了一种用于胶质瘤分类的全自动流程。我们提出的模型由两部分组成:特征提取和特征融合,分别负责提取图像的代表性特征和进行预测。具体而言,我们提出了一种用于 3D MRI 体积的无分割自监督特征提取网络。并且通过将传统图像处理方法与卷积神经网络相结合,为 H&E 染色的 WSI 设计了一个特征提取模型。最后,我们融合从多模态图像中提取的特征,并使用密集连接的神经网络来预测最终的分类结果。我们在验证集上使用 F1 分数、Cohen's Kappa 和平衡准确度评估所提出的模型,结果分别达到 0.943、0.903 和 0.889。
摘要 — 脑胶质瘤的自动分割在诊断决策、进展监测和手术计划中起着积极的作用。基于深度神经网络,先前的研究表明了有前途的脑胶质瘤分割技术。然而,这些方法缺乏强有力的策略来结合肿瘤细胞及其周围环境的背景信息,这已被证明是处理局部模糊性的基本线索。在这项工作中,我们提出了一种用于脑胶质瘤分割的新方法,称为上下文感知网络 (CANet)。CANet 使用来自卷积空间和特征交互图的上下文捕获高维和判别特征。我们进一步提出了上下文引导的注意条件随机场,它可以选择性地聚合特征。我们使用可公开访问的脑胶质瘤分割数据集 BRATS2017、BRATS2018 和 BRATS2019 来评估我们的方法。实验结果表明,在训练和验证集上,所提算法在不同分割指标下比几种最先进的方法具有更好或更具竞争力的性能。
摘要:由于缺乏有效的治疗,高级神经胶质瘤(HGG)患者的预后很沮丧。为了改变HGG患者的命运并减少了当前与治疗相关的副作用,过去几年的治疗重点已转变为免疫疗法,例如基于嵌合抗原受体(CAR)的治疗。基于汽车的治疗的最新发展显示成人神经胶质瘤患者的有希望的结果,而针对HGG的小儿患者进行了首次临床试验。但是,小儿HGG(PHGG)及其成年对应物之间存在显着差异,包括肿瘤免疫微环境(TIME)的组成,这极大地影响了汽车治疗的反应性。因此,我们在这里提供了PHGG实体中基于汽车的治疗靶标的系统概述,重点是临床试验和临床前研究,并将其与成人神经胶质瘤进行了比较。我们得出的结论是,目标表达,时间和汽车治疗相关的毒性在PHGG实体之间有所不同,并且与成人HGG有所不同,这表明需要在PHGG中采用更量身定制的免疫治疗型汽车方法。总的来说,我们为未来开发基于汽车的治疗策略的儿科HGG患者提供了目标路线图,这些患者迫切需要新的疗法。
根据世界卫生组织中枢神经系统肿瘤的分类,抽象的目的,等酸脱氢酶(IDH)基因的突变状态已成为神经胶质瘤的主要诊断鉴别剂。 因此,基于成像的IDH突变状态的预测对于个别患者管理是高度兴趣的。 我们比较并评估了源自双正电子发射断层扫描(PET)和磁共振成像(MRI)数据的放射线学的诊断值(MRI)数据,以无创地预测IDH突变状态。 使用[18 F] GE-180,使用[18 F] FET和T1-/T2加权MRI扫描的pET靶向易位蛋白(TSPO)的PET进行了八十七名胶质瘤患者。 除了计算所有模式的肿瘤与背景比(TBR)图像外,还产生了量化动态[18 f] FET信息的参数图像。 从TBR和参数图像中提取放射线特征。 采用接收器操作特征曲线(AUC)下的面积来评估逻辑回归(LR)分类器的性能。 为了报告可靠的估计值,应用了五个折叠和50个重复的嵌套交叉验证。 结果TBR GE-180从TSPO阳性体积提取的特征在TBR图像中具有最高的预测能力(AUC 0.88,年龄为副因素为0.94)。 动态[18 f] FET PET达到了类似的高性能(0.94,年龄为0.96)。抽象的目的,等酸脱氢酶(IDH)基因的突变状态已成为神经胶质瘤的主要诊断鉴别剂。因此,基于成像的IDH突变状态的预测对于个别患者管理是高度兴趣的。我们比较并评估了源自双正电子发射断层扫描(PET)和磁共振成像(MRI)数据的放射线学的诊断值(MRI)数据,以无创地预测IDH突变状态。使用[18 F] GE-180,使用[18 F] FET和T1-/T2加权MRI扫描的pET靶向易位蛋白(TSPO)的PET进行了八十七名胶质瘤患者。除了计算所有模式的肿瘤与背景比(TBR)图像外,还产生了量化动态[18 f] FET信息的参数图像。放射线特征。采用接收器操作特征曲线(AUC)下的面积来评估逻辑回归(LR)分类器的性能。为了报告可靠的估计值,应用了五个折叠和50个重复的嵌套交叉验证。结果TBR GE-180从TSPO阳性体积提取的特征在TBR图像中具有最高的预测能力(AUC 0.88,年龄为副因素为0.94)。动态[18 f] FET PET达到了类似的高性能(0.94,年龄为0.96)。多模式分析中最高的LR系数包括TBR GE-180特征,来自动力学和早期静态[18 f] FET PET图像的参数,年龄以及TBR T2图像的特征,例如峰度(0.97)。结论结果表明,结合TBR GE-180功能以及来自Dynamic [18 f] FET PET的动力学信息,Tbr T2的峰度以及年龄可以产生非常高的IDH突变状态可预测性,从而有可能改善早期患者的管理。
(未经同行评审认证)是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2022 年 11 月 17 日发布。;https://doi.org/10.1101/2022.11.16.516766 doi:bioRxiv preprint
van Vuurden 博士介绍了他在乌得勒支 Princess Maxima 中心的儿科神经外科工作。除了患者护理外,van Vuurden 博士还使用聚焦超声和其他方式进行临床前研究。他的中心正在安装一台与其飞利浦 MRI 扫描仪兼容的 Insightec ExAblate Neuro 临床聚焦超声系统。它将用于治疗脑肿瘤、阿尔茨海默病等患者。van Vuurden 博士说,他的临床前实验证实,可以使用聚焦超声将阿霉素输送到脑干,但该方案并没有提高存活率。小鼠模型中的药代动力学(阿霉素的快速清除)存在问题。
药物优势和可用的小瓶SIOP-LGG-2004感应卡铂强度10mg/ml; 5、15、45和60毫升长春新碱强度为1mg/ml的小瓶;在过敏或早期进展的情况下,1和2ML巩固卡铂的固结
摘要。神经胶质瘤是脑肿瘤,死亡率高。该肿瘤有各种等级和子类型,并且治疗过程相应地变化。临床医生和肿瘤学家根据视觉检查放射学和组织学数据来诊断并诊断这些肿瘤。但是,此过程可能是耗时且主观的。计算机辅助方法可以帮助临床医生做出更好,更快的决定。在本文中,我们提出了使用放射学和组织病理学图像同时,提出了将神经胶质瘤自动分类为三种亚类型的管道。所提出的方法实现了用于放射性和组织学模式的不同分类模型,并通过结合方法将它们结合在一起。分类算法最初通过深度学习方法执行瓷砖级(用于组织学)和切片级别(用于放射学)进行分类,然后将瓷砖/切片级的潜在特征合并为全幻灯片和全磁盘子和全磁性子类别的预测。使用CPM-RadPath 2020挑战中提供的数据集评估了分类算法。提议的管道达到了0.886的F1得分,共同的KAPPA得分为0.811,平衡精度为0.860。所提出的模型对各种特征的端到端学习的能力使其能够对神经胶质瘤肿瘤亚型的可比预测。
