XiaoMi-AI文件搜索系统
World File Search System脑转
通过深度学习方法预测非小细胞肺癌脑转移患者的 EGFR 突变状态
摘要目的非小细胞肺癌 (NSCLC) 倾向于转移到大脑。10% 到 60% 的 NSCLC 携带表皮生长因子受体 (EGFR) 的激活突变，可通过选择性 EGFR 抑制剂进行靶向治疗。然而，由于原发性肿瘤和脑转移瘤 (BM) 的分子特征不一致率很高，因此确定个体患者 BM 的 EGFR 状态需要通过侵入性手术进行组织诊断。我们采用了深度学习 (DL) 方法，旨在非侵入性地检测 NSCLC BM 中的 EGFR 突变状态。方法我们回顾性收集了 2009-2019 年期间被诊断为 BM 并接受 BM 切除术的所有 NSCLC 患者的临床、放射学和病理分子数据。然后根据 EGFR 突变状态将研究人群分为两组。我们进一步采用深度学习技术根据术前磁共振成像特征对两组进行分类。采用增强技术、迁移学习方法和预测结果的后处理来克服相对较小的队列问题。最后，我们建立了模型预测 NSCLC BM EGFR 突变状态的准确性。结果本研究纳入了 59 例患者，其中 16 例患者携带 EGFR 突变。我们的模型在 5 个验证数据集中预测突变状态的平均准确率为 89.8%、灵敏度为 68.7%、特异度为 97.7%，受试者工作特征曲线值为 0.91。结论基于深度学习的无创分子表征是可行的，具有较高的准确性，应该在大型前瞻性队列中进一步验证。
脑转移中表皮生长因子受体异二聚体的景观
简单的摘要：HER2+乳腺癌患者被用标记HER2+肿瘤细胞的药物治疗，以通过免疫系统消除，下调HER2活性和/或阻止形成HER2二聚体，包括Neuregulin-1受体HER2-HER3。针对HER2靶向的疗法通过降低复发风险，但不能防止脑转移。原因尚未完全理解。我们在203个脑转移和34个原发性乳腺肿瘤样品中量化了HER2-HER3二聚体。与患者匹配的乳腺肿瘤相比，乳腺，卵巢，肺和肾脏癌的脑转移酶的二聚体频率相对较高。但是与HER2/HER3表达或激活没有可靠的相关。在体外实验中，pertuzumab未能抑制HER2+乳腺癌细胞中的HER2-HER3二聚体。这些发现可能会提供有关HER2靶向疗法的颅内和颅外效率差异的见解。
脑转移瘤的扩散加权成像
弥散加权磁共振成像 (DWI) 常用于诊断急性脑梗塞，因为它能够显示因受损细胞水扩散变化而观察到的细胞毒性水肿。DWI 功能取决于水的微分扩散速率或布朗运动。因此，它常用于神经肿瘤学领域，用于脑肿瘤患者的诊断和随访。弥散受限由表观扩散系数 (ADC) 值较低表示，这与细胞毒性水肿、细胞过多或致密内容物（出血和蛋白质）、细胞数量和细胞核/细胞质比率增加以及大分子积累有关。细胞外空间减少会限制水分子的转移，从而导致恶性肿块中的扩散受限。根据先前的研究，细胞含量高的肿瘤表现出更多的扩散限制和较低的 ADC 值 (11,33)。从 DWI 获得的 ADC 值特别与肿瘤细胞、治疗反应、神经胶质瘤等级和生存期相关（4,21,33）。
脑转移的放射学研究质量
目的：我们的研究旨在根据放射线质量评分（RQS）评估脑转移的放射组学研究质量，对个体预后或诊断列表的多变量预测模型的透明报告以及图像生物标准标准化启动（IBSI）指南。材料和方法：PubMed Medline和Embase搜索有关评估脑转移酶的放射线学的文章，直到2021年2月。，其中包括29篇相关的原始研究文章。结果：仅在三项研究（10.3％）中进行外部验证。中间RQS为3.0（范围为-6至12），较低的基本依从率为50.0％。与“黄金标准”（10.3％）相比，依从率较低，表明潜在的临床效用（10.3％），进行截止分析（3.4％），报告校准统计数据（6.9％），并提供开放的科学和数据（3.4％）。没有研究涉及重测或幻影研究，前瞻性研究或成本效益分析。对三脚架清单的依从性总体效率为60.3％，报告标题（3.4％），结果的盲评估（0％），丢失数据的处理（0％）的描述以及完整的预测模型的介绍（0％）。大多数研究都缺乏预处理步骤，具有偏置场校正，异诺夫氧乙烯重采样，头骨剥离和灰度离散化，仅在六个（20.7％），9（31.0％），四个（3.8％）和四项（3.8％）和四项（13.8％）研究中进行。结论：研究期间发表的关于脑转移的放射组学研究的总体科学和报告质量不足。放射素学研究应遵守RQS，Tripod和IBSI指南，以促进放射素学向临床领域的转化。关键字：机器学习；脑转移；质量改善；放射学；放射线质量评分
使用基于嘈杂学生的训练来提高 T1 加权对比增强 3D MRI 中的脑转移瘤检测率
摘要 — 早期发现脑转移瘤 (BM) 可能对癌症患者的预后产生积极影响。我们之前开发了一个框架，用于在 T1 加权对比增强 3D 磁共振图像 (T1c) 中检测小 BM（直径小于 15 毫米），以协助医疗专家完成这项时间敏感且高风险的任务。该框架利用专用的卷积神经网络 (CNN)，该网络使用标记的 T1c 数据进行训练，其中基本事实 BM 分割由放射科医生提供。本研究旨在通过一种基于嘈杂学生的自训练策略来推进该框架，以利用大量未标记的 T1c 数据（即没有 BM 分割或检测的数据）。因此，该工作 (1) 描述了学生和老师 CNN 架构，(2) 介绍了数据和模型噪声机制，以及 (3) 引入了一种新颖的伪标记策略，考虑到框架学习到的 BM 检测灵敏度。最后，它描述了一种利用这些组件的半监督学习策略。我们使用 217 个标记和 1247 个未标记的 T1c 检查通过 2 倍交叉验证进行了验证。仅使用标记检查的框架在 90% 的 BM 检测灵敏度下产生了 9.23 个假阳性；而使用引入的学习策略的框架在相同灵敏度水平下导致错误检测减少约 9%（即 8.44）。此外，虽然使用 75% 和 50% 标记数据集的实验导致算法性能下降（分别为 12.19 和 13.89 个假阳性），但使用嘈杂的学生训练策略的影响不太明显（分别为 10.79 和 12.37 个假阳性）。
基于特征的放射组学在预测脑转移瘤立体定向放射治疗后反应和放射损伤中的作用：意大利放射治疗和临床肿瘤学协会 (yAIRO) 青年小组的评论
简介：立体定向放射治疗 (SRT) 后肿瘤复发和放射损伤的鉴别诊断具有挑战性。成像技术和基于特征的放射组学的进步有助于区分放射性坏死和进展。方法：我们对当前文献进行了系统回顾，关键参考文献来自 PubMed 查询。数据提取由 3 名研究人员进行，分歧通过作者之间的讨论解决。结果：我们确定了 15 个回顾性系列、一项前瞻性试验、一项评论和一篇编辑论文。放射组学涉及与坏死区域、对比增强区域率或转移周围水肿量度有关的广泛成像特征。特征主要通过多步提取/减少/选择过程和最终验证和比较来定义。结论：基于特征的放射组学具有最佳潜力，可以准确预测 BM SRT 后的反应和放射性坏死并促进鉴别诊断。我们热切期待进一步的验证研究以确认放射组学的可靠性。
先验预测脑转移后局部失败...
这项研究研究了预处理定量MRI和临床特征以及机器学习技术的有效性，以预测用低算力立体定向放射治疗（SRT）治疗的脑转移患者的局部衰竭。使用来自100名患者（141个病变）的数据开发了预测模型，并在独立的测试集上进行了20例患者（30个病变）的数据进行评估。定量MRI放射素特征是从处理对比度增强的T1W和T2-Flair图像得出的。使用多相功能降低和选择程序来构建最佳定量MRI生物标志物来预测治疗结果。使用类似的程序评估了治疗结果预测中标准临床特征的性能。生存分析，以比较基于预处理预测确定的两个患者队列（局部对照/失败）的长期结局，以及SRT后的最后患者随访中的标准临床标准。开发的定量MRI生物标志物由四个特征组成，具有两个特征，量化了水肿区域的异质性，一个特征表征了肿瘤内异质性，以及描述肿瘤形态的一个特征。在独立的测试集上，具有放射线和临床特征集的预测模型分别为0.87和0.62。将放射线特征纳入临床预测模型中，将模型的AUC提高了16％。使用基于放射线学的预测模型和使用RANO-BM标准在治疗前确定的两个患者队列的存活中观察到了统计学上的显着差异。这项研究的结果表明，在预测相对较大的脑转移中，在接受SRT的相对较大的脑转移中进行定量MRI放射素特征具有良好的潜力，并且是朝着脑转移的精确肿瘤学范式迈出的一步。
人工神经网络得出的脑氧代谢率用于 MRI 中区分胶质母细胞瘤和脑转移瘤的可行性研究
摘要：在某些情况下，胶质母细胞瘤在常规 MRI 上可能与脑转移瘤相似，但两者的治疗方法却有很大不同。这项前瞻性可行性研究旨在通过首次将定量磁化率映射和定量血氧水平依赖性 (QSM + qBOLD) 模型应用于这些实体来区分它们。我们前瞻性地纳入了 15 名未经治疗的胶质母细胞瘤患者（n = 7，中位年龄：68 岁，范围：54-84 岁）或脑转移瘤患者（n = 8，中位年龄 66 岁，范围：50-78 岁），这些患者在术前接受了包括多梯度回波和动脉自旋标记序列在内的 MRI 检查。使用人工神经网络计算了增强肿瘤 (CET) 和肿瘤周围非增强 T2 高信号区域 (NET2) 中的氧提取分数 (OEF)、脑血流量 (CBF) 和脑氧代谢率 (CMRO 2)。我们证明，胶质母细胞瘤的 CET 中的 OEF 明显低于 (p = 0.03) 转移瘤，仅对于转移瘤患者，CET 中的所有特征都明显高于 (p = 0.01) NET2，转移瘤患者的 CBF (p = 0.04) 和 CMRO 2 (p = 0.01) 的 CET/NET2 比率明显高于胶质母细胞瘤患者。支持向量机分类器的判别能力在两种特征组合下最高，受试者工作特征曲线下面积为 0.94，诊断准确率为 93%。QSM + qBOLD 可以对胶质母细胞瘤和脑转移瘤进行稳健区分，同时深入了解肿瘤氧合情况。
使用深度学习的非小细胞肺癌中脑转移的完全自动化MR检测和分割
背景：非小细胞肺癌（NSCLC）是扩散到大脑的最常见肿瘤实体，多达50％的患者发展出脑转移（BMS）。在MRI上检测BMS是具有挑战性的，其固有的诊断风险固有的风险。目的：在临床常规MRI上训练和评估NSCLC中BMS的全自动检测和3D分割的深度学习模型（DLM）。研究类型：回顾性。人口：预处理MRI 315 BMS的98例NSCLC患者分为培训（66例患者，248 BMS）和独立测试（17例患者，67 BMS）和对照（15例患者，0 BMS）同伙。场强/序列：t 1-/t 2加权，T 1加权对比度增强（T 1 CE；梯度回波和自旋回波序列），以及来自各个供应商和研究中心的1.0、1.5和3.0 t的天赋。评估：使用5倍交叉验证对训练队列进行了3D卷积神经网络（DEEPMEDIC），并在独立的测试和控制集中进行了评估。通过神经外科医生和t 1 CE的放射科医生对BMS的三维体素分割，用作参考标准。统计检验：每次扫描的敏感性（回忆）和假阳性（FP）发现，骰子相似性系数（DSC）比较手动分割之间的空间重叠，Pearson的相关性（R）的相关性（R）以评估量化量级的量级测量和WIRCO之间的关系，并评估量级的量级量表，并进行了量级测量。 BMS。p值<0.05在统计学上被认为是显着的。与参考标准相比，自动化结果：在测试集中，DLM检测到67 BMS中的57个（平均体积：0.99 4.24 cm 3），导致灵敏度为85.1％，而每次扫描的FP发现为1.5。错过的BMS比检测到的BMS（0.96 2.4 cm 3）的体积明显小（0.05 0.04 cm 3）。
对乳腺癌和分子亚型的脑转移空间分布的定量表征
心脏内脑机构界面（BCIS）可以通过允许用户控制带有记录在大脑中的信号的效应器或辅助设备来恢复受重大瘫痪的人的功能。近年来，运动皮层中的心脏内植入物已用于灵长类动物和人类参与者的BCI控制（Ajiboye等人。2017; Bouton等。2016; Collinger等。2013; Hochberg等。2006; Santhanam等。 2006; Velliste等。 2008; Wodlinger等。 2014）。 最近，通过在体感皮质中刺激电极来添加体感觉反馈（Armenta Salas等人。 2018; Fifer等。 2020; Flesher等。 2016; Flesher等。 2019; Flesher等。 2021;休斯等人。 2020;休斯等人。 2020）。 鉴于心脏内BCI需要手术植入，因此必须在临床上可行多年才能稳定。 在人类和灵长类动物中都研究了这个问题，表明可以从汽车皮层中的电极可靠地记录信号，但设备没有失败，尽管有相当大的受试者间可变性，并且信号随着时间的流逝通常会降低（Bullard等人（Bullard等人） 2020; Chestek等。 2011;唐尼等。 2018;休斯等人。 2020;詹姆斯等人。 2013; Simeral等。 2011; Suner等。 2005）。2006; Santhanam等。2006; Velliste等。 2008; Wodlinger等。 2014）。 最近，通过在体感皮质中刺激电极来添加体感觉反馈（Armenta Salas等人。 2018; Fifer等。 2020; Flesher等。 2016; Flesher等。 2019; Flesher等。 2021;休斯等人。 2020;休斯等人。 2020）。 鉴于心脏内BCI需要手术植入，因此必须在临床上可行多年才能稳定。 在人类和灵长类动物中都研究了这个问题，表明可以从汽车皮层中的电极可靠地记录信号，但设备没有失败，尽管有相当大的受试者间可变性，并且信号随着时间的流逝通常会降低（Bullard等人（Bullard等人） 2020; Chestek等。 2011;唐尼等。 2018;休斯等人。 2020;詹姆斯等人。 2013; Simeral等。 2011; Suner等。 2005）。2006; Velliste等。2008; Wodlinger等。 2014）。 最近，通过在体感皮质中刺激电极来添加体感觉反馈（Armenta Salas等人。 2018; Fifer等。 2020; Flesher等。 2016; Flesher等。 2019; Flesher等。 2021;休斯等人。 2020;休斯等人。 2020）。 鉴于心脏内BCI需要手术植入，因此必须在临床上可行多年才能稳定。 在人类和灵长类动物中都研究了这个问题，表明可以从汽车皮层中的电极可靠地记录信号，但设备没有失败，尽管有相当大的受试者间可变性，并且信号随着时间的流逝通常会降低（Bullard等人（Bullard等人） 2020; Chestek等。 2011;唐尼等。 2018;休斯等人。 2020;詹姆斯等人。 2013; Simeral等。 2011; Suner等。 2005）。2008; Wodlinger等。2014）。最近，通过在体感皮质中刺激电极来添加体感觉反馈（Armenta Salas等人。2018; Fifer等。2020; Flesher等。2016; Flesher等。2019; Flesher等。2021;休斯等人。2020;休斯等人。2020）。鉴于心脏内BCI需要手术植入，因此必须在临床上可行多年才能稳定。在人类和灵长类动物中都研究了这个问题，表明可以从汽车皮层中的电极可靠地记录信号，但设备没有失败，尽管有相当大的受试者间可变性，并且信号随着时间的流逝通常会降低（Bullard等人（Bullard等人）2020; Chestek等。2011;唐尼等。2018;休斯等人。2020;詹姆斯等人。2013; Simeral等。2011; Suner等。2005）。2005）。