【摘 要】
：
深度学习作为人工智能的一种方法，近几年才应用于胶质母细胞瘤(glioblastoma,GBM)的研究。大体上，该方法在GBM的应用主要分临床、病理及自身效果比较这三个方面。进一步细分，深度学习在GBM的临床应用又分为患者的预后判断、病变的诊断与鉴别诊断以及肿瘤的放疗三个方向；在GBM的病理应用分为分子及基因表达状态的判断、病理组织的识别。在深度学习方法上，用的最多的是卷积神经网络，其他的研究尚包括不同深度学习模型间的效果比较，源自不同MRI序列的深度模型建立等。本文就深度学习在GBM的应用展开综述。
【机 构】
：
首都医科大学附属北京天坛医院放射科，北京 100070首都医科大学附属北京天坛医院放射科，北京 100070
论文部分内容阅读
深度学习作为人工智能的一种方法，近几年才应用于胶质母细胞瘤(glioblastoma, GBM)的研究。大体上，该方法在GBM的应用主要分临床、病理及自身效果比较这三个方面。进一步细分，深度学习在GBM的临床应用又分为患者的预后判断、病变的诊断与鉴别诊断以及肿瘤的放疗三个方向；在GBM的病理应用分为分子及基因表达状态的判断、病理组织的识别。在深度学习方法上，用的最多的是卷积神经网络，其他的研究尚包括不同深度学习模型间的效果比较，源自不同MRI序列的深度模型建立等。本文就深度学习在GBM的应用展开综述。
其他文献
第107届北美放射学会(RadiologicalSocietyofNorthAmerica，RSNA)年会人工智能亮点聚焦于：(1)新技术新算法：联邦学习破解数据孤岛难题，迁移学习应用于多中心数据；(2)真实年龄新概念：“影像-生理年龄”；(3)AI赋能影像，从实验室走向临床应用，包括早期诊断、风险评估、预后预测、临床决策辅助、自动化智能测量等；(4)AI应用的挑战：数据“黑盒”、模型适用性，数据管理及法律责任等。结合近年文献，本文对2021RSNA年会AI研究进行概述。
第107届北美放射学会(RadiologicalSocietyofNorthAmerica，RSNA)年会儿科影像学的研究亮点聚焦于：(1)安全高效：在保证图像质量的前提下，降低辐射剂量、缩短检查时间；(2)MRI新技术：基于fMRI的儿童神经网络应用，儿童肺部MRI，儿童心血管系统4DFlowMRI和磁共振弹性成像技术的临床实现，以及超高场MRI在儿童疾病诊疗中的应用；(3)儿童的影像诊断标准建立，基于多中心成果融合和大数据信息互通；(4)儿童先天性、罕见性疾病的影像征象识别和鉴别诊断经验分享。本文将按
肝纤维化是各种慢性肝病向肝硬化发展的重要中间环节。故对肝纤维化无创的、准确的评估能够为及时干预及治疗后评价提供重要的信息。影像组学分析能够提取多种医学图像特征以对疾病进行诊断及评估。随着磁共振成像技术及计算机科学的发展，磁共振影像组学分析在肝纤维化的诊断及分期中显示出了其突出的价值及应用前景。其中，基于常规磁共振、增强磁共振以及其他功能或定量磁共振图像的影像组学分析已经取得了良好的分期性能。但同时也面临一些重要的问题及挑战，包括影像组学分析方法内在的局限性以及肝脏形态和病理状态对分期性能的影响。因此，作者
成瘾是一种影响决策、情绪平衡、行为控制的疾病，不仅会在使用精神活性产品的情况下产生，而且在行为依赖的情况下也会出现，统称为物质相关和成瘾性障碍。物质相关和成瘾性障碍对个人、家庭、社区和社会带来了巨大的健康和经济负担，长期成瘾造成大脑功能的变化是成瘾过程发展和维持的关键，如何客观评估这种改变成为了研究的一大热点。酒精使用障碍、尼古丁使用障碍、大麻使用障碍以及其他非物质成瘾会导致维持成瘾的多个脑回路出现功能障碍，功能磁共振成像可用于客观评估患者的脑功能改变，对临床医生治疗方案的选择和评估预后是有利的。本文旨在
传统多模态磁共振分析通常是基于单模态数据，对其结果进行简单的比较或相关性分析，但各模态之间的先验交互信息未被充分利用。而链接独立成分分析(linkedindependentcomponentanalysis，LICA)是一种多模态数据融合方法，能够通用灵活地利用独立成分分析对多模态数据进行融合分析，允许每个模态组具有不同的单位、信噪比等，而且能够自动确定组内各模态的最佳权重，从而可以更充分地利用各模态之间的交互信息，在脑疾病研究中得到了广泛应用。本文就该方法在神经精神疾病的病理机制、临床诊断及分类识别等方
蒽环类药物(anthracycline，ATC)是常见的化疗药物，具有突出的心脏毒性。蒽环类药物所致心脏毒性(anthracycline-inducedcardiotoxicity，AIC)是影响癌症患者生存质量的重要因素。准确检测及正确评估AIC能够为临床诊疗提供重要信息，降低癌症患者出现心血管并发症的风险。心脏磁共振(cardiacmagneticresonance，CMR)具有无创、可重复性好、空间分辨率高、多序列成像等优势，在AIC的基线评估及跟踪随访中起到了重要作用。近年来，包括特征追踪(fea
重度抑郁症(majordepressivedisorder，MDD)是由多种因素导致的精神疾病，可引起情绪低落及认知功能受损等症状，抗抑郁治疗前后存在大脑功能和结构的不同改变。MRI有助于进一步确定MDD相关症状的神经病理生理机制。研究发现未治疗MDD患者前额叶、扣带回、楔前叶及海马等脑区的神经活动减低，默认模式网络(defaultmodenetwork，DMN)、中央执行网络(centralexecutivenetwork，CEN)及显著性网络(saliencenetwork，SN)功能连接增强，灰质体
脊髓损伤后认知损害的发生率较高，但因不易察觉而可能被忽略，且脊髓损伤后认知损害与多种因素相关，大脑结构功能的改变可能实际参与了认知损害过程，但具体机制尚不清楚。近年来学者采用神经影像学方法对脊髓损伤后脑结构功能改变进行研究，以期阐明脊髓损伤后认知损害机制。本文对脊髓损伤患者认知损害发病率及临床特征、评估方法、影响因素及神经影像学改变进行综述，旨在为脊髓损伤患者认知损害的预防及干预提供参考。
心脏磁共振成像中的纵向弛豫时间定量(T1mapping)技术是一种直观的无创性评价心肌组织特性的影像检查方法，可以提供多种定量参数用于心肌病的诊断、鉴别诊断以及预后评价。T1mapping技术由准备脉冲和读出序列两部分组成，在其近20年的技术发展过程中，研究者对这两部分进行了持续不断的优化。本文分别对三种准备脉冲(反转恢复准备脉冲、饱和恢复准备脉冲以及两者组合的准备脉冲)和两种读出序列(平衡稳态自由进动序列和快速小角度激发序列)各自的优化发展进程以及临床应用进行综述，并以三种不同准备脉冲T1mapping
MRI影像组学从MRI图像中提取大量高维特征，结合机器学习对数据进行分析，可以无创获取肿瘤整体异质性信息，已探索性应用于预测乳腺癌新辅助化疗(neoadjuvantchemotherapy，NAC)的疗效和预后并展现出良好效能。虽然目前因缺乏足够的标准化定义及生物学验证限制了其临床应用，但仍具有广阔的发展前景。本文将对MRI影像组学在乳腺癌NAC疗效和预后中的应用进展、面临的问题及应用前景进行综述。