XiaoMi-AI文件搜索系统
World File Search SystemmpMRI
MPMRI/TRUS软件融合引导的经透明前列腺活检
抽象背景：为了增强前列腺癌的诊断，多参数磁共振成像（mpMRI）结合了转直肠超声（TRUS）融合引导的活检，已成为一种有希望的技术。这项研究旨在评估其比传统TRUS引导活检的临床益处。方法：在2022年1月至2024年4月之间对83例诊断的患者进行了回顾性分析。患者分为两组：41例进行了mpmri/trus融合引导的活检，而42例进行了传统的TRUS引导活检。两组的基线特征相似，促进了诊断功效和并发症率的直接比较。结果：融合引导组显示出明显更高的临床前列腺癌检测率（21/41 vs. 12/42，p = 0.035）。它还检测到更重要的临床意义病例（20/41 vs. 11/42，p = 0.033）。值得注意的是，融合组的并发症较少，包括没有hematochezia（p = 0.003）或感染的实例（P = 0.012），术后疼痛水平较低（视觉模拟量表得分1.8±0.78 vs. 2.33±1.07，P = 0.012）。结论：在融合引导活检中将mpMRI与TRU的整合提高了检测临床上明显的前列腺癌，减少程序并发症并最大程度地减少患者不适的准确性。这种方法代表了前列腺癌管理的重大进步，从而提高了诊断结果和患者的安全性。
引用：Norris JM，Simpson BS，Parry MA等。多参数MRI上的前列腺癌的遗传景观：Systemati
摘要引言多参数MRI（mpMRI）通过准确地鉴定出临床意义的疾病，从而增强了患有前列腺癌风险的男性风险分层。然而，MPMRI可能会错过大约10％–20％的明显前列腺癌。看来，MPMRI病变可见性或隐形性的基因组基础可能对预后和治疗具有关键意义。在这里，我们描述了第一次系统综述和新型生物信息学分析前列腺癌在MPMRI上的基因组基础的方案。方法和分析将对Medline，PubMed，Embase和Cochrane数据库进行系统搜索。筛选，数据提取，统计分析和报告将根据系统评价和荟萃分析（PRISMA）指南的首选报告项目进行。包括论文将是全文文章，在1980年1月至2019年12月之间，比较了DNA，DNA-甲基化，RNA或蛋白质水平的MPMRI-Visible病变和MPMRI可视病变的分子特征。研究偏见和质量将使用改良的纽卡斯尔 - 奥塔瓦分数进行评估。此外，我们将对补充材料和公开数据进行新的生物信息学分析，以结合转录组数据并揭示在整个研究中突出显示的常见途径。为了确保方法论严格，该协议是根据Prisma协议2015清单编写的。道德和传播道德批准将不需要，因为这是对已发表文献的学术评论。调查结果将通过同行评审期刊的出版物以及在国家和国际会议上的演讲进行传播。Prospero注册号CRD42019147423。
非裔美国人和白人前列腺癌的定量MRI种族差异
摘要前列腺癌（PCA）的风险受种族和种族的强烈影响。这项研究的目的是研究非裔美国人（AA）和白人（W）男性中多参数MRI（MPMRI）诊断性能的差异。从研究年龄，前列腺特异性抗原和前列腺量的研究中，从研究初始同类中选择了111例患者（37名AA和74 W男性）。使用检测率（DRS）和正预测值（PPV）评估MPMRI的诊断性能，而没有前列腺区域分层的K trans（体积转移常数）为AA和W子霍群岛分层。在AA和W sub-ohort中，临床显着的PCA（CSPCA）病变的MPMRI DR≥3为67.3％。在过渡区（TZ; P = 0.026）和81.2％的80.3％。在外围区域中的76.1％（PZ; P> 0.9）。 AA男性中CSPCA的K反式显着高于W男性（0.23±0.08 min -1 -1 vs. 0.19±0.07 min -1 -1; p = 0.022）。 这强调，MPMRI的性能和定量MRI度量在年龄，PSA和前列腺体积中没有反映的定量MRI度量存在差异。在外围区域中的76.1％（PZ; P> 0.9）。AA男性中CSPCA的K反式显着高于W男性（0.23±0.08 min -1 -1 vs. 0.19±0.07 min -1 -1; p = 0.022）。这强调，MPMRI的性能和定量MRI度量在年龄，PSA和前列腺体积中没有反映的定量MRI度量存在差异。
推荐引用 推荐引用 Bardis, Michelle D; Houshyar, Roozbeh; Chang, Peter D; Ushinsky, Alexander; Glavis-Bloom, Justin; Chahine, Chantal; Bui, Thanh-Lan; Rupasinghe, Mark; Filippi, Christopher G; 和 Chow, Daniel S，“人工智能在前列腺多参数 MRI (mpMRI) 中的应用：当前和新兴趋势。”《癌症》（巴塞尔）。12，5。1204 (2020)。https://digitalcommons.wustl.edu/open_access_pubs/9270
摘要：前列腺癌是全球最常见的癌症之一。多参数磁共振成像 (mpMRI) 是一种非侵入性工具，可以改善前列腺病变的检测、分类和体积量化。机器学习 (ML) 是人工智能的一个分支，可以快速准确地分析 mpMRI 图像。ML 可以提供更好的标准化和一致性来识别前列腺病变并增强前列腺癌管理。本综述总结了 ML 在前列腺 mpMRI 中的应用，并重点关注前列腺器官分割、病变检测和分割以及病变表征。进行了文献检索，以查找将 ML 方法应用于前列腺 mpMRI 的研究。迄今为止，前列腺器官分割和体积近似已经使用各种 ML 技术很好地执行。前列腺病变检测和分割对于 ML 来说是更具挑战性的任务，并在多项研究中进行了尝试。由于数据稀缺和当前 ML 算法的局限性，它们在很大程度上仍未解决。相比之下，由于数据可用性更高，前列腺病变表征已在多项研究中成功完成。总体而言，ML 完全有能力成为一种提高放射科医生准确性和速度的工具。
证据评估报告1人工智能（AI）...
前列腺癌是英国男性最常见的癌症，每年威尔士在2000多名男性中被诊断出。怀疑前列腺癌的患者通常接受血液检查，以评估前列腺特异性抗原（PSA）的水平。如果提出了这一点，则提供了许多多参数MRI（MPMRI）扫描。如果在mpMRI之后被认为是适当的，则患者进行前列腺活检。活检被转化为载玻片，并用降血石和曙红（H＆E）染色，随后病理学家通过数字或显微镜下对形态进行了评估。然后使用格里森分级系统和等级组对幻灯片进行分级，并在病理报告中包含的结果供患者的临床医生和多学科团队进行审查。病理报告中通常还提供包括含有癌症核心数量和最大癌症长度的信息。在某些情况下，如果初始结果尚不清楚，则可以要求进行其他测试，例如免疫组织化学（IHC）或其他活检。分配给活检的疾病等级与其他信息（例如PSA水平和疾病的任何传播）一起考虑，以分配整体风险组。此信息用于确定向患者提供哪些治疗方法。
NCTN青少年至Yong成人（AYA）癌症试验
A Randomized Phase III Clinical Trial for the Addition of Docetaxel to Androgen Receptor Pathway Inhibitors in Patients with Metastatic Castration Sensitive Prostate Cancer and Suboptimal PSA Response (TRIPLE‐SWITCH) EA8134 III InPACT‐ International Penile Advanced Cancer Trial (International Rare Cancers Initiative Study) EA8171 II Multiparametric MRI (mpMRI) for Preoperative Staging以及新诊断的前列腺癌的治疗计划
在瑞士南部肿瘤研究所开展临床试验
• 淋巴结阴性前列腺腺癌，在试验注册前至少 6 个月接受根治性前列腺切除术 (RP) 治疗。 • 过去 3 个月内通过 PSMA PET/CT 和 mpMRI 检测到前列腺床可测量局部复发的证据 • 非转移性 (N0、M0) 疾病，定义为 PSMA PET/CT 扫描未见淋巴结或远处转移 • 非阉割血清睾酮水平 (≥50 ng/dL) • 患者以前不得接受激素治疗
脑肿瘤放射基因组学分类
摘要 - RSNA-MICCAI 脑肿瘤放射基因组学分类挑战赛[1]旨在通过对多参数 mpMRI 扫描（T1w、T1wCE、T2w 和 FLAIR）进行二元分类来预测胶质母细胞瘤中的 MGMT 生物标志物[2]状态。数据集分为三个主要队列：训练集、验证集（在训练期间使用），测试集仅在最终评估中使用。图像要么是 DICOM 格式[3]，要么是 png 格式[4]。使用不同的架构来研究该问题，包括 3D 版本的 Vision Transformer (ViT3D)[5]、ResNet50[6]、Xception[7] 和 EfficientNet-b3[8]。AUC 被用作主要评估指标，结果显示 ViT3D 和 Xception 模型都具有优势，在测试集上分别达到 0.6015 和 0.61745。与其他结果相比，考虑到任务的复杂性，我们的结果被证明是有效的。通过探索不同的策略、不同的架构和更多样化的数据集可以取得进一步的改进。
脑肿瘤序列配准挑战：建立弥漫性胶质瘤患者术前和随访 MRI 扫描之间的对应关系
摘要 — 由于组织外观的变化，包含病理的纵向脑磁共振成像 (MRI) 扫描的配准具有挑战性，这仍然是一个未解决的问题。本文介绍了第一个脑肿瘤序列配准 (BraTS-Reg) 挑战，重点是估计同一患者被诊断为脑弥漫性胶质瘤的术前和随访扫描之间的对应关系。BraTS-Reg 挑战旨在为可变形配准算法建立一个公共基准环境。相关数据集包括去识别化的多机构多参数 MRI (mpMRI) 数据，根据通用解剖模板针对每次扫描的大小和分辨率进行整理。临床专家已经对扫描中的标志点生成了大量注释，描述了时间域内不同的解剖位置。训练数据以及这些基本事实注释将发布给参赛者，以设计和开发他们的注册算法，而验证和测试数据的注释将由组织者保留，并用于评估参赛者的容器化算法。每个提交的算法都将使用几个指标进行定量评估，例如中位数绝对误差 (MAE)、稳健性和雅可比行列式。