...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computers >Learning a Classication-based Glioma Growth Model Using MRI Data
【24h】

Learning a Classication-based Glioma Growth Model Using MRI Data

机译：使用MRI数据学习基于分类的胶质瘤生长模型

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

—Gliomas are malignant brain tumors that grow by invading adjacent tissue. We propose and evaluate a 3D classification-based growth model, CDM, that predicts how a glioma will grow at a voxel-level, on the basis of features specific to the patient, properties of the tumor, and attributes of that voxel. We use Supervised Learning algorithms to learn this general model, by observing the growth patterns of gliomas from other patients. Our empirical results on clinical data demonstrate that our learned CDM model can, in most cases, predict glioma growth more effectively than two standard models: uniform radial growth across all tissue types, and another that assumes faster diffusion in white matter. We thoroughly study CDM results numerically and analytically in light of the training data we used, and we also discuss the current limitations of the model. We finally conclude the paper with a discussion of promising future research directions.
机译：-Gliomas是通过侵入邻近组织而生长的恶性脑肿瘤。我们提出并评估了基于3D分类的生长模型CDM，其预测胶质瘤如何在体素水平上，基于特异性患者的特征，肿瘤的性质和该体素的属性。我们使用监督学习算法来学习该一般模型，通过观察来自其他患者的胶质瘤的生长模式。我们对临床数据的实证结果表明，我们的学到了我们的学到的CDM模型可以在大多数情况下预测比两个标准模型更有效地预测胶质瘤生长：所有组织类型的均匀径向生长，另一个呈现均匀的径向增长，另一个呈均匀的径向增长，另一个组织类型均呈现更快的扩散。考虑到我们使用的培训数据，我们彻底研究了CDM结果，并分析了，我们还讨论了模型的当前限制。我们终于讨论了对未来的研究方向的讨论。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号