Name: predicting treatment response to image-guided therapies using machine learning: an example for trans-arterial treatment of hepatocellular carcinoma
Uploaded: 2018-10-10T15:00:00
Description: Watch this Scientific Journal Video about Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma at JoVE.co

א. א קיבל תמיכה במימון המשרד של תלמיד מחקר, בית הספר לרפואה של אוניברסיטת ייל.
L.J.S. מקבל מענקים של המכון הלאומי לבריאות (NIH/NCI R01CA206180), Leopoldina בתר, קרן Guenther וו רולף למדעים רדיולוגי (אאכן, גרמניה).
ג'יי מקבל מענקים של המכון הלאומי לבריאות (NIH/NCI R01CA206180), פיליפס בריאות, קרן גרמניה-ישראל למחקר מדעי ופיתוח (ירושלים, ישראל, Neuherberg, גרמניה); מלגות מטעם קרן רולף Guenther וו של מדעים רדיולוגי Charite ברלין המכון של בריאות מדען התוכנית הקלינית (ברלין, גרמניה).
הדוקטור שלו, מ. ל מקבלים מענקים במכון הלאומי לבריאות (NIH/NCI R01CA206180) ובריאות פיליפס (הכי טוב, הולנד).
ג מקבל מענקים מן המכון הלאומי לבריאות (NIH/NCI R01CA206180), פיליפס בריאות, BTG (לונדון, אנגליה), בוסטון סיינטיפיק (מרלבורו, מסצ'וסטס), Guerbet שירותי בריאות (Villepinte, צרפת)

1. תחנת עבודה ההתקנה עבור למידה חישובית
<ol><li>להשתמש במערכת בפריטים הבאים: Intel Core 2 Duo או CPU גבוה יותר ב- 2.0 ג'יגה-הרץ 4 ג'יגה-בתים או יותר של זיכרון מערכת תואם POSIX מערכת ההפעלה (לינוקס או Mac OS) או Microsoft Windows 7 הרשאות משתמש עבור הרצת תוכנות ושמירה של הקבצים</li>
	<li>התקן את הכלים הבאים: אנקונדה Pytho...

<ol>
	<li>Benson, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NCCN+clinical+practice+guidelines+in+oncology:+hepatobiliary+cancers.">NCCN clinical practice guidelines in oncology: hepatobiliary cancers.</a> J National Comprehensive Cancer Network. 7 (4), 350-391 (2009).</li><li>Siegel, R., Miller, K., Jemal, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+statistics,+2016.">Cancer statistics, 2016.</a> CA Cancer J Clin. 66 (1), 7-30 (2016).</li><li>Bruix, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+management+of+hepatocellular+carcinoma.+Conclusions+of+the+Barcelona-2000+European+Association+for+the+Study+of+the+Liver+conference.">Clinical management of hepatocellular carcinoma. Conclusions of the Barcelona-2000 European Association for the Study of the Liver conference.</a> Journal of Hepatology. 35 (3), 421-430 (2001).</li><li>Eisenhauer, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+response+evaluation+criteria+in+solid+tumours:+revised+RECIST+guideline+(version+1.1).">New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1).</a> European Journal of Cancer. 45 (2), 228-247 (2009).</li><li>Gillmore, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EASL+and+mRECIST+responses+are+independent+prognostic+factors+for+survival+in+hepatocellular+cancer+patients+treated+with+transarterial+embolization.">EASL and mRECIST responses are independent prognostic factors for survival in hepatocellular cancer patients treated with transarterial embolization.</a> Journal of Hepatology. 55 (6), 1309-1316 (2011).</li><li>Lin, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+and+volumetric+European+Association+for+the+Study+of+the+Liver+and+Response+Evaluation+Criteria+in+Solid+Tumors+measurements:+feasibility+of+a+semiautomated+software+method+to+assess+tumor+response+after+transcatheter+arterial+chemoembolization.">Quantitative and volumetric European Association for the Study of the Liver and Response Evaluation Criteria in Solid Tumors measurements: feasibility of a semiautomated software method to assess tumor response after transcatheter arterial chemoembolization.</a> Journal of Vascular and Interventional Radiology. 23 (12), 1629-1637 (2012).</li><li>Tacher, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+Existing+Response+Criteria+in+Patients+with+Hepatocellular+Carcinoma+Treated+with+Transarterial+Chemoembolization+Using+a+3D+Quantitative+Approach.">Comparison of Existing Response Criteria in Patients with Hepatocellular Carcinoma Treated with Transarterial Chemoembolization Using a 3D Quantitative Approach.</a> Radiology. 278 (1), 275-284 (2016).</li><li>Pedregosa, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scikit-learn:+Machine+Learning+in+Python.">Scikit-learn: Machine Learning in Python.</a> Journal of Machine Learning Research. 12, 2825-2830 (2011).</li><li>Bishop, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition and machine learning. , 738 (2006).</li><li>Alpaydin, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Introduction to machine learning. Third edition. , 613 (2014).</li><li>Kim, S., Cho, K., Oh, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+of+machine+learning+models+for+diagnosis+of+glaucoma.">Development of machine learning models for diagnosis of glaucoma.</a> PLoS One. 12 (5), (2017).</li><li>Son, Y., Kim, H., Kim, E., Choi, S., Lee, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Application+of+support+vector+machine+for+prediction+of+medication+adherence+in+heart+failure+patients.">Application of support vector machine for prediction of medication adherence in heart failure patients.</a> Healthcare Informatics Research. 16 (4), 253-259 (2010).</li><li>Wang, S., Summers, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Machine+learning+and+radiology.">Machine learning and radiology.</a> Medical Image Analysis. 16 (5), 933-951 (2012).</li><li>Abajian, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+Treatment+Response+to+Intra-arterial+Therapies+for+Hepatocellular+Carcinoma+with+the+Use+of+Supervised+Machine+Learning-An+Artificial+Intelligence+Concept.">Predicting Treatment Response to Intra-arterial Therapies for Hepatocellular Carcinoma with the Use of Supervised Machine Learning-An Artificial Intelligence Concept.</a> Journal of Vascular and Interventional Radiology. , (2018).</li></ol>

בחולים עם קרצינומה hepatocellular שאינם מועמדים כריתה כירורגית מוצעים טיפולים התוך עורקי. כמה שיטות קיימות כדי לקבוע אם החולה יגיב קדם-טיפול. טכניקות הערכה שלאחר הטיפול מסתמכים על שינויים גודל הגידול או גידול ניגודיות ספיגת. אלה נקראים קריטריונים התגובה, עם הישות המדויקות ביותר האגודה האי?...

בחולים עם קרצינומה hepatocellular שאינם כירורגיים מועמדים מוצעים טיפולים התוך עורקי1,2,3. אין שום מדד יחיד אשר קובע אם החולה יגיב טיפול אינטרה-עורקים לפני הטיפול נעשה. מטרת מחקר זה היתה להפגין שיטה אשר מנבאת את התגובה לטיפול על-ידי החלת שיטות של למידה חישובית. מודלים כאלה לספק הדרכה למטפלים ומטופלים בבואך לבחור אם להמשיך בטיפול.
הפרוטוקול מצריכה תהליך לשחזור עבור הדרכת ועדכון מודל החל מנתונים עיקריים החולה (הערות קליני, דמוגרפיה, נתוני מעבדה, הדמיה). הנתונים בתחילה מנותח לתכונות מסוימות, עם כל מטופל המיוצג על-ידי קבוצת תכונות בינארי, תווית היעד תוצאה בינארית. התווית התוצאה נקבעת באמצעות קריטריון הוקמה תגובה מבוססת-הדמיה של hepatocellular טיפול4,5,6,7. תכונות והתוויות היעד מועברים לתוכנה למידה מכונת לומד את המיפוי בין תכונות ותוצאות תחת ספציפי של למידה מודל (רגרסיה לוגיסטית או יער אקראי)8,9,10. טכניקות דומות הוחלו רדיולוגיה ובאזורים אחרים לחקר הסרטן עבור אבחון וטיפול חיזוי11,12,13.
השיטה מסתגל טכניקות של מדעי המחשב לשדה לרדיולוגיה התערבותית. המשמעות המסורתית הלימודים רדיולוגיה התערבותית, הרפואה באופן כללי, מסתמכים על מונו - או oligo-תכונה ניתוחים. לדוגמה, המודל עבור מחלת כבד סופנית משלבת חמישה מדדים קליניים כדי להעריך את היקף מחלת כבד. היתרון של השיטה המוצעת היא היכולת להוסיף תכונות בנדיבות; עשרים וחמש תכונות נחשבים בניתוח דוגמה. ניתן להוסיף תכונות נוספות לפי הצורך.
הטכניקה שיוחלו על התערבויות אחרות רדיוגרפי בו מראש, שלאחר ההתערבות נתונים הדמיה זמינים. לדוגמה, יכול להיות החזוי תוצאות בעקבות טיפולים percutaneous באופן דומה. המגבלה העיקרית של המחקר הוא הצורך לתכונות בדיוקסיה ידנית להכללה במודל. מיצוי נתונים curation וכוללים גוזלת זמן עבור המטפל, עשוי לעכב קליניים אימוץ כזה מכונת למידה מודלים.

<table border="0" cellpadding="0" cellspacing="0" style="width:851px;" width="850">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="105">
			<td height="105" style="height:105px;width:216px;">Computer workstation</td>
			<td style="width:123px;">N/A</td>
			<td style="width:169px;">N/A</td>
			<td style="width:343px;">Intel Core 2 Duo or higher CPU at 2.0 GHz; 4 GB or more system memory; POSIX-compliant operating system (Linux or Mac OS) or Microsoft Windows 7; User permissions for executing programs and saving files</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;width:216px;">Anaconda Python 3</td>
			<td style="width:123px;">Anaconda, Inc.</td>
			<td style="width:169px;">Version 3.6</td>
			<td style="width:343px;">Python 3 system and libraries packaged for scientists and researchers</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;width:216px;">DICOM to NIfTI</td>
			<td style="width:123px;">NeuroImaging Tools &#38; Resources Collaboratory</td>
			<td style="width:169px;">Version 1.0 (4/4/2018 release)</td>
			<td style="width:343px;">Standalone program for converting DICOM imaging files to NIfTI format</td>
		</tr>
		<tr height="33">
			<td height="33" style="height:33px;width:216px;">Sublime Text Editor</td>
			<td style="width:123px;">Sublime HQ Pty Ltd</td>
			<td style="width:169px;">Version 3 (Build 3143)</td>
			<td style="width:343px;">Text-editor for writing Python code</td>
		</tr>
		<tr height="45">
			<td height="45" style="height:45px;width:216px;">Required Python Libraries</td>
			<td style="width:123px;">N/A</td>
			<td style="width:169px;">Version 3.2.25 (nltk) 
			Version 0.19.1 (scikit-learn)</td>
			<td style="width:343px;">Natural Language Toolkit (nltk) 
			Scikit-learn</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;width:216px;">ITK-SNAP</td>
			<td style="width:123px;">N/A</td>
			<td style="width:169px;">Version 3.6.0</td>
			<td style="width:343px;">Optional toolkit for performing segmentation of organ systems in medical images.</td>
		</tr>
	</tbody>
</table>

predicting treatment response to image-guided therapies using machine learning: an example for trans-arterial treatment of hepatocellular carcinoma

טיפולים התוך עורקי הם סטנדרטי של טיפול בחולים עם קרצינומה hepatocellular, אשר לא ניתן לעבור כריתה כירורגית. מטרת מחקר זה היתה לפתח שיטה לחיזוי התגובה לטיפול התוך עורקי לפני התערבות.
השיטה מספקת מסגרת כללית לניבוי תוצאות לפני טיפול התוך עורקי. זה כרוך באגירת קליני, דמוגרפיים ונתוני ההדמיה על-פני קבוצה של חולים אלה נתונים ושימוש לאמן מודל למידה מכונה. המודל מיומן מוחל על חולים חדשים כדי לנבא את הסבירות לתגובה לטיפול התוך עורקי.
השיטה מצריכה רכישת ופרישה של נתונים קליניים, דמוגרפי, הדמיה N בחולים שעברו כבר טיפולים הטרנס-עורקים. נתונים אלה הינם מנותח אל תכונות דיסקרטית (גיל, מין, שחמת, דרגת הגידול שיפור, וכו '), binarized לתוך ערכי true/false (למשל, גיל מעל 60, המגדר הגברי, שיפור הגידול מעבר קביעת הסף, וכו '). תכונות נמוך-סטיה ותכונות עם עמותות univariate נמוך עם התוצאה יוסרו. כל מטופל שטופלו נקראת על פי אם הם הגיבו או לא הגיב לטיפול. כל מטופל הכשרה ובכך מיוצג על ידי קבוצה של תכונות בינארי ותווית התוצאה. מכונת למידה מודלים מאומנים באמצעות N - 1 חולים עם בדיקות על המטופל שמאל-אאוט. תהליך זה חוזר על עצמו עבור כל המטופלים N . חישוב הממוצע הדגמים N כדי להגיע למודל הסופי.
הטכניקה ניתנת להרחבה, ומאפשרת ההכללה של תכונות נוספות בעתיד. זה גם תהליך להכליל כי ניתן להחיל את שאלות המחקר הקליני מחוץ רדיולוגיה התערבותית. המגבלה העיקרית היא צורך נובעות תכונות באופן ידני כל מטופל. צורה מודרנית הפופולרי של מכונת למידה שנקרא עמוק למידה לא סובל מגבלה זו, אך דורשות datasets גדול יותר.

השיטה המוצעת הוחל על-36 מטופלים שעברו טיפולים הטרנס-עורקים קרצינומה hepatocellular יסודי. עשרים וחמש תכונות זוהו, binarized באמצעות צעדים 1-5. חמש תכונות מרוצה השונות והן univariate האגודה מסננים (ראה שלבים 5.1 ו- 5.2), שימשו מודל אימון. כל מטופל סומן כמו המגיב או הלא-למגיב תחת הקריטריונים תגובה...

Watch this Scientific Journal Video about Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma at JoVE.co

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

חיזוי טיפול בתגובה תמונה מונחה טיפולים באמצעות למידה חישובית: דוגמא לטיפול קרצינומה Hepatocellular הטרנס-עורקים

טיפולים התוך עורקי הם סטנדרטי של טיפול בחולים עם קרצינומה hepatocellular, אשר לא ניתן לעבור כריתה כירורגית. שיטה לחיזוי התגובה לטיפולים אלה מוצע. הטכניקה משתמשת במידע קליני, דמוגרפי, הדמיה מראש פרוצדורלי לאמן מכונת למידה מודלים מסוגל לחזות את התגובה לפני הטיפול.

Intra-arterial therapies are the standard of care for patients with hepatocellular carcinoma who cannot undergo surgical resection. The objective of this ...

שיטה זו יכולה לעזור לחזות תגובה לטיפולים תוך עורקיים. יישומי למידת מכונה באונקולוגיה התערבותית ישנו את האופן שבו אנו מטפלים בסרטן הכבד ומחלות אחרות עם טיפולים מונחי תמונה. לשיטה זו יש פוטנציאל לשפר את האופן שבו מתקבלות שתי החלטות חשובות.בדרך כלל, אנשים חדשים בשיטה זו יתקשו בגלל הצורך ליצור את התכונות ולבצע למידת מכונה וקוד. הדגמה חזותית של שיטה זו היא קריטית מכיוון שלבי יצירת התכונות כרוכים בחילוץ תכונות אלה באמצעות מסיכות הדמיה. ערכת נתונים מבואר היטב ומייצג קלינית יש צורך לאמן את המודל.יהיה צורך בנתונים סבלניים נוספים ובקבוצה גדולה כדי לשפר עוד יותר את האלגוריתם של למידת מכונה. לאחר שתחליט אילו תכונות קליניות לכלול במודל, השתמש בערכת כלי שפה טבעית מתאימה כדי לנתח את הערות המרפאה בטקסט רגיל למשפטים כדי לאפשר חיפוש אחר תנאי עניין. לאחר מכן אחסן את התכונות של כל מטופל בקובץ עם תכונה אחת בכל שורה.עבור תכונות שאינן בינאריות, השג את הערך החציוני של כל תכונה בכל המטופלים והפוך כל תכונה לערך אמת או כערך כוזב בהתבסס על הערך החציוני. כדי לחשב תכונה ממוצעת של שיפור בכבד מתמונה רפואית. לאחר בידוד הווקסלים המכילים את הכבד, הזן את הפקודה הממוצעת לשיפור הכבד.כדי לקבוע את תכונת נפח הכבד, הזן את הפקודות כמצוין. לאחר מכן חשב ערכים חציוניים עבור כל תכונת דימות והפוך את התכונות למחסנים כפי שהוכח. עבור צבירה וצמצום של התכונות, הסר תחילה את התכונות בעלות השונות הנמוכה מהתחשבות וקרא את התכונות במטריצה הבינארית.לאחר מכן, השתמש במודל סף השונות כדי לחשב את התכונות המופיעות ב- 20% לפחות הן של המגיבים והן של המגיבים שאינם מגיבים, בדומה למודל המוצג בטבלה. הסר את כל התכונות עם שיוך univariate נמוך עם התוצאה ולסנן רק את התכונות שעוברות את ההקרנה המקורית גרסה נמוכה שמירה על n תכונות שבו n הוא מספר החולים. לאחר מכן קרא במטריצה הבינארית עבור כל תכונה, בדומה למהויר בטבלה.לאחר שהתכונות עברו סינון וסינון, הגיע הזמן לאמן את הדגם. אימון מודל הוא תהליך פשוט שמתאים את התכונות לתוצאה תחת מחקר והוא יכול לשמש כדי להפוך תחזיות על חולים חדשים. בניתוח מייצג זה של 36 חולים שעברו טיפולים עורקיים טרנס עבור קרצינומה hepatocellular, 25 תכונות זוהו binarized כפי שהוכח עם 5 תכונות לספק הן את הגרסאות ואת מסנני האגודה univariate.כל מטופל תויג כמגיב או כגיב תחת האגודה האירופית הכמותית לחקר הקריטריונים לתגובת הכבד. כפי שמודגם, הן הרגרסיה הלוגיסטית והן מודל היער האקראי חזו תגובה טיפולית כימומבוליזציה חוצת עורקים בדיוק כולל של 78% בעקבות שיטה זו, ניתן לבצע תחזיות על חולים חדשים על ידי יישום מודל האימון. טכניקה זו של למידת מכונה יכולה להיות מיושמת באופן אוניברסלי על כל טיפול הכרוך בהדמיה טרום-פרוצדורלית, בין-פרוצדורלית ופוסט-פרוצדורלית.

Research

JoVE Journal

Medicine

The Measurement and Treatment of Suppression in Amblyopia

המדידה והטיפול בדיכוי בעין עצלה

Amblyopia, a developmental disorder of the visual cortex, is one of the leading causes of visual dysfunction in the working age population. Current ...

The Goeckerman Regimen for the Treatment of Moderate to Severe Psoriasis

משטר Goeckerman לטיפול בינוני עד פסוריאזיס חמור

Psoriasis is a  chronic, immune-mediated inflammatory skin disease affecting approximately 2-3%  of the population. The Goeckerman regimen consists of ...

Ex Vivo Treatment Response of Primary Tumors and/or Associated Metastases for Preclinical and Clinical Development of Therapeutics

Ex Vivo Treatment Response of Primary Tumors and/or Associated Metastases for Preclinical and Clinical Development of Therapeutics

Ex Vivo טיפול תגובה של גידולים ראשוניים ו / או הקשורים גרורות לפרה קלינית וקליני של Therapeutics

The molecular analysis of established cancer cell lines has been the mainstay of cancer research for the past several decades. Cell culture provides both ...

The In Ovo Chick Chorioallantoic Membrane (CAM) Assay as an Efficient Xenograft Model of Hepatocellular Carcinoma

The In Ovo Chick Chorioallantoic Membrane CAM Assay as an Efficient Xenograft Model of Hepatocellular Carcinoma

<em&gt; באוב</emAssay&gt; אפרוח chorioallantoic ממברנה (CAM) כמודל xenograft יעיל של Hepatocellular Carcinoma

The chick chorioallantoic membrane (CAM) begins to develop by day 7 after fertilization and matures by day 12. The CAM is naturally immunodeficient and ...

Evaluation of the Efficacy of the H. pylori Protein HP-NAP as a Therapeutic Tool for Treatment of Bladder Cancer in an Orthotopic Murine Model

Evaluation of the Efficacy of the H. pylori Protein HP-NAP as a Therapeutic Tool for Treatment of Bladder Cancer in an Orthotopic Murine Model

הערכת היעילות של<em&gt; H. פילורי</em&gt; חלבון HP-NAP ככלי טיפולי לטיפול בסרטן שלפוחית ​​השתן בדגם Murine Orthotopic

Bladder cancer is one of the most common malignancies of the urogenital tract. Intravesical injection of Bacillus Calmette-Gu&#233;rin (BCG) is the gold ...

A "Patient-Like" Orthotopic Syngeneic Mouse Model of Hepatocellular Carcinoma Metastasis

&quot;מטופל כמו&quot; Orthotopic syngeneic עכבר הדגם של Hepatocellular Carcinoma גרורה

The majority of cancer-related deaths are caused by the metastasis of the cancer rather than the primary tumor itself. Yet, the underlying mechanisms of ...

MRI-guided dmPFC-rTMS as a Treatment for Treatment-resistant Major Depressive Disorder

MRI מודרך dmPFC-rTMS כטיפול להפרעת דיכאון עמיד לטיפול

Here we outline the protocol for magnetic resonance imaging (MRI) guided repetitive transcranial magnetic stimulation (rTMS) to the dorsal medial ...

Using Micro-computed Tomography for the Assessment of Tumor Development and Follow-up of Response to Treatment in a Mouse Model of Lung Cancer

באמצעות טומוגרפיה מיקרו שחושבת הערכת התפתחות גידול ומעקב של תגובה לטיפול במודל עכברי של סרטן הריאות

Lung cancer is the most lethal cancer in the world. Intensive research is ongoing worldwide to identify new therapies for lung cancer. Several mouse ...