本研究开发了一种基于深度学习的自动化系统，利用18F-FDG PET对乳腺肿瘤进行分割和生物标志物提取，以评估新辅助化疗后的肿瘤演变，结果与手动分割高度相关。

本研究开发了一种新图像标记方法，通过分析1373个放射组学特征，利用SVM分类器预测新辅助化疗反应。该方法采用无监督关键点检测和条件金字塔式注册网络，精确量化乳腺肿瘤变化，验证了其在肿瘤体积保持和病理完全缓解预测中的有效性，对临床医生和计算机系统具有重要价值。

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，具有更好的注册性能和肿瘤体积保持，对病理完全缓解预测准确。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有重要价值。