弥散张量成像的深度学习功能可改善胶质瘤分层并识别具有不同分子通路活动的风险群体

文章预览

       2021年10月，来自郑州大学第一附属医院、中山大学癌症中心的团队在 eBioMedicine  发表了题为 Deep learning features from diffusion tensor imaging improve glioma stratification and identify risk groups with distinct molecular pathway activities  的研究。该研究发现 DTI 衍生的深度学习在预测胶质瘤患者总生存期方面提供超越传统临床参数和 IDH 突变状态的增量预后价值， 从 DTI 指标中学习的预后深度特征与参与突触传递、钙转运、谷氨酸分泌/AMPA 受体结合激活的生物途径相关， 神经元投射发育/轴突导向和神经胶质瘤通路。 文章摘要 背景：  开发和验证来自弥散张量成像 （DTI） 的深度学习特征 （DLS） 用于预测浸润性胶质瘤患者的总生存期，并研究开发 DLS 背后的生物学途径。 方法：  DLS 是基于深度学习队列 （n = 688） 开发的。在具有配对 DTI 和 RNA-seq 数据 （n=78） 的放 ………………………………