• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of computational biology and drug design >Improving CT prediction of treatment response in patients with metastatic colorectal carcinoma using statistical learning.
【24h】

Improving CT prediction of treatment response in patients with metastatic colorectal carcinoma using statistical learning.

机译：通过统计学习改善转移性结直肠癌患者治疗反应的CT预测。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To establish radiologic imaging as a valid biomarker for assessing the response of cancer to different treatments. We study patients with metastatic colorectal carcinoma to learn whether Statistical Learning Theory (SLT) improves the performance of radiologists using Computer Tomography (CT) in predicting patient treatment response to therapy compared with traditional Response Evaluation Criteria in Solid Tumours (RECIST) standard. Preliminary research demonstrated that SLT algorithms can address questions and criticisms associated with both RECIST and World Health Organization (WHO) scoring methods. We add tumour heterogeneity, shape, etc., obtained from CT or MRI scans the feature vector for processing.
机译：建立放射成像作为评估癌症对不同治疗反应的有效生物标志物。我们研究转移性结直肠癌患者，以了解统计学习理论（SLT）与传统实体瘤反应评估标准（RECIST）标准相比，是否使用计算机断层扫描（CT）来提高放射线医师在预测患者对治疗的反应方面的表现。初步研究表明，SLT算法可以解决与RECIST和世界卫生组织（WHO）评分方法相关的问题和批评。我们添加了从CT或MRI扫描得到的特征向量进行处理的肿瘤异质性，形状等。

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