深部学習モデルを用いた脳腫瘍MRIスキャンからのMGMTプロモーターメチル化の予測は可能か?【JST・京大機械翻訳】

Saeed Numan; Hardan Shahad; Abutalip Kudaibergen; Yaqub Mohammad

プレプリント

J-GLOBAL ID：202202200574556302 整理番号：22P0275246

深部学習モデルを用いた脳腫瘍MRIスキャンからのMGMTプロモーターメチル化の予測は可能か?【JST・京大機械翻訳】

Is it Possible to Predict MGMT Promoter Methylation from Brain Tumor MRI Scans using Deep Learning Models?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月16日プレプリントサーバーでの情報更新日： 2022年02月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グリア芽細胞腫は,より高齢の成人で発症する傾向があり,ほとんど常に致死的な一般的な脳悪性腫瘍である。MGMTプロモーターとして知られる腫瘍における特定の遺伝配列がメチル化されるならば,ほとんどの癌タイプに対する標準治療である化学療法の有効性は改善可能である。しかしながら,MGMTプロモーターの状態を同定するために,従来のアプローチは,時間と努力を要する遺伝子分析のための生検を行うことである。最近の文献の組は,MGMTプロモータ状態と腫瘍のMRIスキャンの間の接続を提案し,従って,この目的のための深層学習モデルの使用を示唆した。したがって,本研究では,2Dおよび3D CNNモデルおよびビジョン変圧器を含む深層学習解を採用する可能性を研究するために,最も広範囲なデータセットであるBraTS 2021の1つを使用した。モデルの性能の徹底的な分析を行うと,MRIスキャンとMGMTプロモーターの状態の間に接続がないと結論した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

神経系の腫よう , 腫ようの化学・生化学・病理学

, , , , , , ,

前のページに戻る