BriefGPT - AI 论文速递
·
利用多参数 MRI 与优化的合成相关扩散成像提高乳腺癌病理完全缓解预测
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法，通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络，精确量化肿瘤变化并保持肿瘤体积不变。该方法在临床数据集验证中表现出更好的注册性能和肿瘤体积保持，并在病理完全缓解预测中取得高准确性。该方法有望用于避免不必要的手术，对随访肿瘤分割和响应预测非常有价值。
🎯
关键要点
-
提出了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法。
-
该方法通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络实现。
-
精确量化肿瘤变化并保持肿瘤体积不变。
-
在314名接受NAC治疗的患者的1630个MRI扫描的临床数据集中验证了该方法的注册性能和肿瘤体积保持。
-
基于该方法的局部-全球结合生物标志物在病理完全缓解预测中取得高准确性。
-
该方法有望避免不必要的手术，对随访肿瘤分割和响应预测非常有价值。
-
相关代码可在GitHub上获得。
➡️
