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

A.A. छात्र अनुसंधान, येल स्कूल ऑफ मेडिसिन के कार्यालय से धन समर्थन प्राप्त किया ।
L.J.S. स्वास्थ्य के राष्ट्रीय संस्थानों से अनुदान प्राप्त करता है (NIH/NCI R01CA206180), Leopoldina Postdoctoral फैलोशिप, और रॉल्फ Guenther (रेडियोलॉजिकल, जर्मनी) विज्ञान फाउंडेशन ।
J.C. स्वास्थ्य के राष्ट्रीय संस्थानों से अनुदान प्राप्त करता है (NIH/NCI R01CA206180), फिलिप्स हेल्थकेयर, और वैज्ञानिक अनुसंधान और विकास के लिए जर्मन-इजरायल फाउंडेशन (यरूशलेम, इजराइल और Neuherberg, जर्मनी); और रेडियोलॉजिकल विज्ञान के रॉल्फ डब्ल्यू Guenther फाउंडेशन और चैरिटेबल बर्लिन स्वास्थ्य नैदानिक वैज्ञानिक कार्यक्रम (बर्लिन, जर्मनी) संस्थान से छात्रवृत्ति ।
J.S.D. और एमएल स्वास्थ्य के राष्ट्रीय संस्थानों (NIH/NCI R01CA206180) और फिलिप्स हेल्थकेयर (सर्वश्रेष्ठ, नीदरलैंड) से अनुदान प्राप्त करते हैं ।
J.F.G. स्वास्थ्य के राष्ट्रीय संस्थानों से अनुदान प्राप्त करता है (NIH/NCI R01CA206180), फिलिप्स हेल्थकेयर, BTG (लंदन, यूनाइटेड किंगडम), बोस्टन वैज्ञानिक (मार्लबोरो, मैसाचुसेट्स), और Guerbet हेल्थकेयर (Villepinte, फ्रांस)

1. मशीन लर्निंग के लिए कार्यस्थान सेटअप
<ol><li>निंन के साथ एक सिस्टम का उपयोग करें: इंटेल कोर 2 डुओ या उच्च २.० GHz पर सीपीयू 4 GB या अधिक सिस्टम स्मृति POSIX-आज्ञाकारी ऑपरेटिंग सिस्टम (लिनक्स या मैक ओएस) या माइक्र?...

<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>

hepatocellular कार्सिनोमा के साथ रोगियों जो सर्जिकल लकीर के लिए उंमीदवार नहीं है अंतर धमनी चिकित्सा की पेशकश कर रहे हैं । कुछ तरीकों को निर्धारित अगर एक मरीज को पूर्वउपचार जवाब होगा मौजूद हैं । बाद उपचार मूल...

hepatocellular कार्सिनोमा के साथ रोगियों जो शल्य उंमीदवारों नहीं है अंतर धमनी उपचार1,2,3की पेशकश कर रहे हैं । वहां कोई एक मीट्रिक है कि निर्धारित करता है कि एक मरीज को इलाज से पहले एक अंतर धमनी चिकित्सा का जवाब होगा प्रशासित है । इस अध्ययन का उद्देश्य एक तरीका है कि मशीन सीखने से तरीकों को लागू करने से उपचार प्रतिक्रिया भविष्यवाणी का प्रदर्शन किया गया । इस तरह के मॉडल चिकित्सकों और रोगियों को मार्गदर्शन जब चुनने के लिए कि एक इलाज के साथ आगे बढ़ना है प्रदान करते हैं ।
प्रोटोकॉल प्रशिक्षण और प्राथमिक रोगी डेटा (नैदानिक नोट्स, जनसांख्यिकी, प्रयोगशाला डेटा, और इमेजिंग) से शुरू एक मॉडल को अद्यतन करने के लिए एक reproducible प्रक्रिया पर जोर देता है । डेटा प्रारंभिक रूप से विशिष्ट सुविधाओं के लिए पार्स किया जाता है, प्रत्येक रोगी के साथ बाइनरी सुविधाओं का एक सेट और एक बाइनरी परिणाम लक्ष्य लेबल का प्रतिनिधित्व करते हैं । परिणाम लेबल hepatocellular थेरेपी4,5,6,7के लिए एक स्थापित इमेजिंग आधारित प्रतिक्रिया मापदंड का उपयोग कर निर्धारित किया जाता है । सुविधाओं और लक्ष्य लेबल मशीन सीखने सॉफ्टवेयर है कि एक विशिष्ट अधिगम मॉडल (रसद प्रतिगमन या यादृच्छिक वन)8,9,10के तहत सुविधाओं और परिणामों के बीच मानचित्रण सीखता को पारित कर रहे हैं । इसी तरह की तकनीक के निदान और उपचार भविष्यवाणी11,12,13के लिए रेडियोलॉजी और कैंसर अनुसंधान के अंय क्षेत्रों में लागू किया गया है ।
विधि कंप्यूटर विज्ञान से हस्तक्षेप रेडियोलॉजी के क्षेत्र में तकनीक के अनुकूल है । पारंपरिक महत्व के हस्तक्षेप रेडियोलॉजी में अध्ययन, और सामांय में दवा, मोनो या oligo-सुविधा के विश्लेषण पर भरोसा करते हैं । उदाहरण के लिए, अंत चरण जिगर की बीमारी के लिए मॉडल जिगर की बीमारी की हद का आकलन करने के लिए पांच नैदानिक मैट्रिक्स को शामिल किया गया. प्रस्तावित विधि का लाभ उदार रूप से सुविधाओं को जोड़ने की क्षमता है; पच्चीस सुविधाओं का उदाहरण विश्लेषण में माना जाता है. अतिरिक्त सुविधाओं के रूप में वांछित जोड़ा जा सकता है ।
तकनीक अंय रेडियोग्राफिक हस्तक्षेप जहां पूर्व और बाद में हस्तक्षेप इमेजिंग डेटा उपलब्ध है के लिए लागू किया जा सकता है । उदाहरण के लिए, percutaneous उपचार के बाद परिणाम एक समान तरीके से भविष्यवाणी की जा सकती है । अध्ययन के मुख्य सीमा मॉडल में शामिल करने के लिए मैनुअल उपपादरी सुविधाओं की जरूरत है । डेटा उपचारात्मक और सुविधा निष्कर्षण व्यवसायी के लिए समय लेने वाली है और इस तरह की मशीन सीखने मॉडल के नैदानिक गोद लेने में बाधा हो सकती है ।

<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

इंट्रा धमनी चिकित्सा hepatocellular कार्सिनोमा जो शल्य चिकित्सा लकीर से गुजरना नहीं कर सकते के साथ रोगियों के लिए देखभाल के मानक हैं । इस अध्ययन का उद्देश्य एक पद्धति विकसित करने के लिए हस्तक्षेप करने से पहले अंतर धमनी उपचार के जवाब की भविष्यवाणी करने के लिए किया गया था ।
विधि परिणाम की भविष्यवाणी के लिए एक सामांय रूपरेखा प्रदान करता है पहले अंतर धमनी चिकित्सा के लिए । यह रोगियों के एक पलटन भर में नैदानिक, जनसांख्यिकीय और इमेजिंग डेटा पूलिंग शामिल है और इन आंकड़ों का उपयोग कर एक मॉडल सीखने की मशीन को प्रशिक्षित करने के लिए । प्रशिक्षित मॉडल नए रोगियों के लिए लागू किया जाता है ताकि अंतर धमनी चिकित्सा के जवाब की उनकी संभावना की भविष्यवाणी करने के लिए ।
विधि N रोगियों जो पहले से ही ट्रांस धमनी चिकित्सा आया है से नैदानिक, जनसांख्यिकीय और इमेजिंग डेटा के अधिग्रहण और पार्सिंग पर जोर देता है । इन आंकड़ों असतत सुविधाओं में पार्स कर रहे है (उंर, लिंग, सिरोसिस, ट्यूमर वृद्धि की डिग्री, आदि) और सही/झूठी मूल्यों (जैसे, ६० से अधिक आयु, पुरुष लिंग, एक सेट सीमा से परे ट्यूमर वृद्धि, आदि) में बायनेरिज़ । कम विचरण सुविधाओं और परिणाम के साथ कम univariate संघों के साथ सुविधाओं को हटा रहे हैं । प्रत्येक इलाज रोगी के अनुसार लेबल किया गया है कि क्या वे जवाब या इलाज के लिए जवाब नहीं दिया । प्रत्येक प्रशिक्षण रोगी इस प्रकार बाइनरी सुविधाओं और एक परिणाम लेबल का एक सेट द्वारा प्रतिनिधित्व किया है । मशीन लर्निंग मॉडल के साथ एन -1 रोगियों का उपयोग कर प्रशिक्षित कर रहे है छोड़ दिया रोगी पर परीक्षण । यह प्रक्रिया N रोगियों में से प्रत्येक के लिए दोहराया है । N मॉडल के लिए एक अंतिम मॉडल पर पहुंचने औसत रहे हैं ।
तकनीक एक्सटेंसिबल है और भविष्य में अतिरिक्त सुविधाओं को शामिल करने के लिए सक्षम बनाता है । यह भी एक सामांय प्रक्रिया है कि चिकित्सीय अनुसंधान के लिए लागू किया जा सकता है हस्तक्षेप रेडियोलॉजी के बाहर प्रश्न । मुख्य सीमा प्रत्येक रोगी से मैंयुअल रूप से सुविधाओं को प्राप्त करने की आवश्यकता है । मशीन लर्निंग नामक एक लोकप्रिय आधुनिक रूप गहरी सीखने इस सीमा से ग्रस्त नहीं है, लेकिन बड़े डेटासेट की आवश्यकता है ।

प्रस्तावित विधि ३६ रोगियों जो ट्रांस hepatocellular कार्सिनोमा के लिए धमनी चिकित्सा आया था करने के लिए लागू किया गया था । पच्चीस सुविधाओं की पहचान की गई थी और 1-5 चरणों का उपयोग कर बायनेरिज़ । पाँच सुव...

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

छवि-निर्देशित चिकित्सा मशीन सीखने का उपयोग करने के लिए उपचार प्रतिक्रिया की भविष्यवाणी: Hepatocellular कार्सिनोमा के ट्रांस धमनी उपचार के लिए एक उदाहरण

इंट्रा धमनी चिकित्सा hepatocellular कार्सिनोमा जो शल्य चिकित्सा लकीर से गुजरना नहीं कर सकते के साथ रोगियों के लिए देखभाल के मानक हैं । इन उपचारों के जवाब की भविष्यवाणी के लिए एक विधि प्रस्तावित है । तकनीक का उपयोग करता है पूर्व प्रक्रियात्मक नैदानिक, जनसांख्यिकीय, और इमेजिंग जानकारी मशीन सीखने के लिए उपचार से पहले प्रतिक्रिया की भविष्यवाणी करने में सक्षम मॉडल ट्रेन ।

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

यह विधि इंट्रा धमनी उपचारों के जवाब की भविष्यवाणी करने में मदद कर सकती है। इंटरवेंशनल ऑन्कोलॉजी में मशीन लर्निंग अनुप्रयोगों जिस तरह से हम छवि निर्देशित उपचार के साथ जिगर के कैंसर और अन्य रोगों का इलाज बदल जाएगा। इस विधि में दो महत्वपूर्ण निर्णय लेने के तरीके में सुधार करने की क्षमता है ।आम तौर पर, इस विधि के लिए नए व्यक्ति सुविधाओं को उत्पन्न करने और मशीन लर्निंग और कोड करने की आवश्यकता के कारण संघर्ष करेंगे। इस विधि का दृश्य प्रदर्शन महत्वपूर्ण है क्योंकि फीचर जनरेशन चरणों में इमेजिंग मास्क का उपयोग करके उन सुविधाओं को निकालना आवश्यक है। मॉडल को प्रशिक्षित करने के लिए एक अच्छी तरह से एनोटेटेड और चिकित्सकीय प्रतिनिधि डेटासेट आवश्यक है।इस तरह के एक मशीन लर्निंग एल्गोरिदम को और बेहतर बनाने के लिए अधिक रोगी डेटा और बड़े साथियों की जरूरत होगी। मॉडल में कौन सी नैदानिक सुविधाओं को शामिल करने का निर्णय लेने के बाद, सादे-टेक्स्ट क्लिनिक नोट्स को वाक्यों में पार्स करने के लिए एक उपयुक्त प्राकृतिक भाषा टूल किट का उपयोग करें ताकि ब्याज की शर्तों की खोज की अनुमति दी जा सके। फिर प्रत्येक रोगी की सुविधाओं को प्रति लाइन एक सुविधा के साथ एक फ़ाइल में स्टोर करें।गैर-बाइनरी सुविधाओं के लिए, सभी रोगियों में प्रत्येक सुविधा का औसत मूल्य प्राप्त करें, और औसत मूल्य के आधार पर प्रत्येक सुविधा को एक सच्चे या झूठे मूल्य के रूप में बाइनरी करें। एक चिकित्सा छवि से एक मतलब जिगर बढ़ाने की सुविधा की गणना करने के लिए। लिवर युक्त स्वरों को अलग करने के बाद, मतलब यकृत वृद्धि आदेश में प्रवेश करें।यकृत की मात्रा सुविधा निर्धारित करने के लिए, संकेत के रूप में आदेश दर्ज करें। फिर प्रत्येक इमेजिंग सुविधा के लिए औसत मूल्यों की गणना करें और प्रदर्शन के अनुसार सुविधाओं को बाइनरी करें। सुविधाओं के एकत्रीकरण और कमी के लिए, पहले कम विचरण सुविधाओं को विचार से हटा दें और बाइनरी मैट्रिक्स में सुविधाओं को पढ़ें।इसके बाद, तालिका में सचित्र दोनों उत्तरदाताओं और गैर-उत्तरदाताओं के कम से कम 20% में प्रदर्शित होने वाली सुविधाओं की गणना करने के लिए विचरण सीमा मॉडल का उपयोग करें। परिणाम के साथ कम एकवीयसंग्रह के साथ किसी भी सुविधाओं को हटा दें और केवल उन सुविधाओं को फ़िल्टर करें जो मूल कम संस्करण स्क्रीनिंग एन सुविधाओं को बनाए रखते हैं जहां एन रोगियों की संख्या है। फिर प्रत्येक सुविधा के लिए बाइनरी मैट्रिक्स में पढ़ें, जैसा कि तालिका में सचित्र है।सुविधाओं को बिनारीज़ और फ़िल्टर किए जाने के बाद, मॉडल को प्रशिक्षित करने का समय आ गया है। मॉडल प्रशिक्षण एक सीधी प्रक्रिया है कि अध्ययन के तहत परिणाम के लिए सुविधाओं फिट बैठता है और नए रोगियों के बारे में भविष्यवाणी करने के लिए इस्तेमाल किया जा सकता है । हेपेटोसेलुलर कार्सिनोमा के लिए ट्रांस धमनी चिकित्सा से गुजरने वाले 36 रोगियों के इस प्रतिनिधि विश्लेषण में, 25 सुविधाओं की पहचान की गई और 5 सुविधाओं के साथ प्रदर्शित किया गया।प्रत्येक रोगी या तो एक उत्तरदाता या गैर के रूप में लेबल किया गया था जिगर प्रतिक्रिया मापदंड के अध्ययन के लिए मात्रात्मक यूरोपीय एसोसिएशन के तहत उत्तरदाता । जैसा कि सचित्र है, दोनों लॉजिस्टिक प्रतिगमन और यादृच्छिक वन मॉडल ने इस विधि के बाद 78% की समग्र सटीकता के साथ ट्रांस धमनी कीमोम्बोलाइजेशन उपचार प्रतिक्रिया की भविष्यवाणी की, प्रशिक्षण मॉडल लागू करके नए रोगियों पर भविष्यवाणी करना संभव है। इस मशीन लर्निंग तकनीक को सार्वभौमिक रूप से किसी भी चिकित्सा पर लागू किया जा सकता है जिसमें पूर्व-प्रक्रियात्मक, अंतर-प्रक्रियात्मक और प्रक्रियात्मक इमेजिंग शामिल है।

Research

JoVE Journal

Medicine

The Measurement and Treatment of Suppression in Amblyopia

दमन के मापन और Amblyopia उपचार

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

गंभीर सोरायसिस के लिए मध्यम से उपचार के लिए Goeckerman परहेज

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

प्राथमिक ट्यूमर और / या पूर्व नैदानिक ​​के लिए एसोसिएटेड Metastases और चिकित्सा के नैदानिक ​​विकास के पूर्व vivo उपचार की प्रतिक्रिया

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; ओवो में</emHepatocellular कार्सिनोमा के एक कुशल Xenograft मॉडल के रूप में&gt; चिकी chorioallantoic झिल्ली (सीएएम) परख

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

की प्रभावकारिता का मूल्यांकन<em&gt; एच। पाइलोरी</emएक Orthotopic के murine मॉडल में मूत्राशय के कैंसर के इलाज के लिए एक चिकित्सीय उपकरण के रूप&gt; प्रोटीन हिमाचल प्रदेश झपकी

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

एक &quot;रोगी की तरह&quot; Orthotopic syngeneic माउस मॉडल हेपैटोसेलुलर के कार्सिनोमा मेटास्टेसिस

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

उपचार प्रतिरोधी मेजर अवसाद विकार के लिए एक इलाज के रूप dmPFC-rTMS एमआरआई निर्देशित

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

ट्यूमर के विकास के आकलन के लिए माइक्रो-गणना टोमोग्राफी का प्रयोग और फेफड़ों के कैंसर का एक माउस मॉडल में अनुवर्ती उपचार के लिए प्रतिक्रिया की

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