XiaoMi-AI文件搜索系统
World File Search Systemtumours
自噬在儿童脑肿瘤中的作用的最新进展
摘要：自噬是真核细胞中发生的一种降解过程，以维持体内平衡和细胞存活。在营养缺乏、缺氧或给药等应激条件下，自噬被诱导以抵消可能导致细胞死亡的途径。在癌症中，自噬起着矛盾的作用，既充当肿瘤抑制因子（通过清除细胞中受损的细胞器并抑制炎症，或者通过促进基因组稳定性和肿瘤适应性反应），又充当促生存机制以保护细胞免受化疗等应激的影响。神经源性儿科实体瘤代表了各种儿童癌症，具有独特的解剖位置、细胞来源和临床表现。这些肿瘤是儿童发病和死亡的主要原因，新的分子诊断和治疗方法对于延长生存期和降低发病率是必不可少的。本文回顾了我们对自噬调节如何在儿童脑肿瘤实验模型中表现出抗肿瘤特性的理解进展，这些脑肿瘤包括髓母细胞瘤 (MB)、室管膜瘤 (EPN)、儿童低级别和高级别胶质瘤 (LGG、HGG)、非典型畸胎瘤/横纹肌样瘤 (ATRT) 和视网膜母细胞瘤 (RB)。我们还从临床角度讨论了针对自噬如何与这些特定的儿童肿瘤相关。
原发性脑肿瘤儿童的基于计算机的认知训练：系统评价
1国家疾病预防与健康促进中心，意大利国家卫生研究院，00161，意大利罗马2 Fondazione irccscàgrandaospedale Maggiore Policelico，Neurosurgery，20122年米兰，20122年米兰，意大利，意大利3号米兰神经外科，米兰，米兰，2012年，米兰，000 00 000年，002意大利5神经科医学与外科学院，米兰神经科学中心（NEUROMI），米兰 - 比科卡大学，20126年米兰，意大利米兰6计算机，控制和管理工程系（DIAG），罗马“ La Sapienza”，La Sapienza大学，00161 ITALY 7 NEURORISURE STRICEDS，NEUROROSURE SERPECT 00165 Rome, Italy 8 Division of Hematology and Stem Cell Transplantation, Azienda Sanitaria Universitaria Friuli Centrale (ASUFC), 33100 Udine, Italy 9 Multifactorial and Complex Diseases Research Area, IRCCS Bambino Ges ù Children's Hospital, 00165 Rome, Italy 10 Department of Oncology/Hematology, Cell Therapy Gene Therapies and IRCCS BAMBINO GESù儿童医院，00165意大利罗马 *通信：Francesco.sciancalepore@iss.it；电话。： +39-34-9688-6907†致谢小组提供了Allena-Mente研究小组的成员。
氧化二核苷酸lutetium用于治疗转移性或无法手术的胃肠道神经内分泌肿瘤（GEP-NETS）：
肽受体放射性核素疗法（PRRT）用lutetium（177 lu）氧化肽被许可作为胃肠道神经内分泌肿瘤（GEP-NETS）的治疗选择。由于迄今为止，爱尔兰尚未获得这种治疗方法，因此通常通过国外卫生服务主管（HSE）治疗方案将有资格的转移或无法使用的GEP-NET的患者转介给国外治疗。圣文森特大学医院与国家癌症控制计划（NCCP）合作，希望将此服务归还给爱尔兰共和国。 但是，这种做法首先需要通用理由来证明与可用替代方案相比，个人的健康有净收益，包括在爱尔兰通常采用的替代方案之前，包括涉及较少或没有电离辐射的替代方案。圣文森特大学医院与国家癌症控制计划（NCCP）合作，希望将此服务归还给爱尔兰共和国。但是，这种做法首先需要通用理由来证明与可用替代方案相比，个人的健康有净收益，包括在爱尔兰通常采用的替代方案之前，包括涉及较少或没有电离辐射的替代方案。
一种结合 SqueezeNet 模型与 SVM 和微调的脑肿瘤分类新方法
摘要：脑癌在老年人和年轻人中最为常见，并且对老年人和年轻人都可能是致命的。如果能迅速诊断和治疗，脑肿瘤可以更好地治愈。在处理医学图像时，深度学习方法对于帮助人类诊断各种疾病至关重要。对脑肿瘤进行分类是一个必不可少的步骤，它在很大程度上依赖于医生的经验和培训。一个用于检测和分类这些肿瘤的智能系统对于使用 MRI（磁共振成像）图像进行脑肿瘤的非侵入性诊断至关重要。这项工作提出了一种基于 CNN 的新型混合深度学习结构，通过 MRI 扫描区分三种不同类型的人脑肿瘤。本文提出了一种使用深度学习和 CNN 进行分类的双重方法。第一种方法将用于模式分类的 SVM 无监督分类与用于特征提取的预训练 CNN（即 SqueezeNet）相结合。第二种方法将监督式软最大分类器与精细调整的 SqueezeNet 相结合。为了评估所提方法的有效性，使用脑部 MRI 扫描分析了总共 1937 张胶质瘤肿瘤图像、926 张脑膜瘤肿瘤图像、926 张垂体肿瘤图像和 396 张正常脑部图像。根据实验结果，精细调整的 SqueezeNet 模型的准确率为 96.5%。然而，当使用 SqueezeNet 作为特征提取器并应用 SVM 分类器时，识别准确率提高到 98.7%。
物体检测可改善罕见脑肿瘤 MR 图像中的肿瘤分割
摘要：肿瘤病变分割是从 MR 神经放射图像中研究和描述癌症的关键步骤。目前，许多深度学习分割架构已被证明在它们所训练的特定肿瘤类型上表现良好（例如，大脑半球的胶质母细胞瘤）。然而，在给定肿瘤类型上进行大量训练的高性能网络可能在没有标记病例允许训练或迁移学习的罕见肿瘤类型上表现不佳。然而，由于常见肿瘤和罕见肿瘤在病变内和周围存在一些视觉相似性，因此可以将问题分为两个步骤：物体检测和分割。对于每个步骤，在常见病变上训练过的网络可以按照域自适应方案用于罕见病变，而无需额外的微调。这项工作提出了一种弹性肿瘤病变描绘策略，该策略基于实现检测和分割的已建立的基本网络的组合。我们的策略使我们能够在训练期间对位于未见肿瘤背景区域中的罕见肿瘤实现稳健的分割推断。以弥漫性内生性脑桥胶质瘤 (DIPG) 为例，我们无需进一步训练或网络架构调整即可实现 0.62 的平均骰子分数。
人工智能在中枢神经系统肿瘤组织病理学图像分析中的应用：系统评价
13652990，2024，3，由伦敦大学学院 UCL 图书馆服务部、威利在线图书馆于 [2024 年 5 月 14 日] 从 https://onlinelibrary.wiley.com/doi/10.1111/nan.12981 下载。有关使用规则，请参阅威利在线图书馆的条款和条件 (https://onlinelibrary.wiley.com/terms-and-conditions)；OA 文章受适用的知识共享许可约束
将表观遗传药物与实体瘤的其他疗法相结合 - 过去的课程和未来的诺言
在过去的十年中，尤其是由于精确医学和免疫疗法方法的发展以及可用的治疗选择和策略的持续改进，已经取得了显着的进步。然而，癌症抵抗治疗的持续能力仍然是限制所有抗癌疗法的有效性的主要挑战。表观遗传失调在固体和血液学恶性肿瘤中的肿瘤发育，进展和获得治疗性抗性中具有重要作用1。迄今为止，“ epi-prugs”的功效 - 靶向参与基因组功能表观遗传调节的酶的药物（图1） - 主要局限于血液学癌2，也许部分是因为实体瘤往往是由较为分化的或终止分化的细胞引起的，并且能力降低了表观遗传重编程的能力。此外，在Epi-drugs的早期试验中缺乏用于患者选择的生物标志物，这在很大程度上是根据历史的“一种规模适合所有”方法进行的。这种策略可能阻碍了第一代和第二代的发展
目标可操作性审查旨在评估 CDK4/6 作为儿童实体瘤和脑瘤治疗靶点
a 荷兰乌得勒支 Princess Ma´xima 儿科肿瘤中心 b 德国柏林夏利特医学院儿科血液学和肿瘤学系 c 瑞士巴塞尔霍夫曼-罗氏公司 d 荷兰阿姆斯特丹大学医学中心肿瘤基因组学系 e 美国印第安纳州印第安纳波利斯礼来公司 f 德国海德堡霍普儿童癌症中心 (KiTZ)、德国癌症研究中心 (DKFZ)、德国癌症联盟 (DKTK) 和大学医院 g 美国纽约州纽约辉瑞公司辉瑞治疗创新中心 h 法国维尔瑞夫巴黎萨克雷大学古斯塔夫鲁西研究所 i 德国柏林健康研究所 j 德国癌症联盟 (DKTK)、柏林合作站点和德国癌症研究中心 (DKFZ) k 实验和临床研究中心（ECRC）德国柏林 MDC 和柏林 Charite´ 医院 l 荷兰乌得勒支大学药学系
硫代氯苯甲甲基酰亚胺基于基于碳酸酐酶抑制剂的光敏剂，用于靶向缺氧肿瘤的靶向治疗
（HO）通过在适当的光照射下在肿瘤中获得的光敏剂（PS）的光激发（PS）。3,4 PDT过程可以分为I型和II型，具体取决于PS与其附近的ps触发反应。3,4具体，I型反应涉及氢原子抽象或电子转移，最终导致自由基和过氧化氢的形成（H 2 O 2），而II型II型通过从电子激发的三胞胎PS到地面分子氧的能量转移导致单线氧（1 O 2）的产生。3,4 II型PDT是主要机制，因为大多数PSS是II型。3,4不幸的是，这种对周围氧气的依赖性与肿瘤缺氧的固有特性相矛盾。缺氧是由于快速癌细胞增殖和不规则的血管生成，在实体瘤的微环境中发现了一个显着而重要的特征。5与在大多数健康组织中发现的40-60 mmHg范围相比，肿瘤低氧区域中的氧气通常降至10 mmHg以下。6因此，由于II型PDT高度依赖氧浓度，因此低氧肿瘤