从临床影像数据中稳健计算提取非增强高细胞肿瘤区域
机器学习
2026-01-27 v1
摘要
准确识别非增强高细胞（NEH）肿瘤区域是神经肿瘤影像学中一个未满足的需求，对患者管理和治疗计划具有重要意义。我们提出了一个稳健的计算框架，该框架利用多种网络架构，从常规MRI数据生成NEH区域的概率图，以应对固有的变异性和缺乏清晰的成像边界。我们的方法针对独立的临床标志物——相对脑血容量（rCBV）和增强肿瘤复发位置（ETRL）进行了验证，证明了方法的稳健性和生物学相关性。该框架能够实现NEH肿瘤分区的可靠、无创映射，支持将其作为影像生物标志物整合到临床工作流程中，并推进脑肿瘤患者的精准肿瘤学。
引用
@article{arxiv.2601.17802,
title = {Robust Computational Extraction of Non-Enhancing Hypercellular Tumor Regions from Clinical Imaging Data},
author = {A. Brawanski and Th. Schaffer and F. Raab and K. -M. Schebesch and M. Schrey and Chr. Doenitz and A. M. Tomé and E. W. Lang},
journal= {arXiv preprint arXiv:2601.17802},
year = {2026}
}