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. 학생 연구의 사무실, Yale의과 대학에서 자금 지원을 받았다.
L.J.S.는 건강의 국가 학회 (NIH/NCI R01CA206180), Leopoldina 박사 친목, 그리고 방사선 과학 (아 헨, 독일)의 롤프 W. Guenther 재단에서 보조금을 받습니다.
제 과학 연구 및 개발 (예루살렘, 이스라엘, Neuherberg, 독일);에서 건강의 국가 학회 (NIH/NCI R01CA206180), 필립스 헬스케어, 그리고 독일-이스라엘 재단 보조금을 받습니다. 그리고 방사선 과학과 Charite 베를린 연구소의 건강 임상 과학자 프로그램 (베를린, 독일)의 롤프 W. Guenther 재단에서 장학금.
J.S.D.와 메이저 리그에서 건강의 국가 학회 (NIH/NCI R01CA206180) 및 (최고, 네덜란드) 필립스 의료 보조금을 받을 수 있습니다.
J.F.G.는 건강의 국가 학회 (NIH/NCI R01CA206180), 필립스 헬스케어, BTG (런던, 영국), 보스턴 과학 (말보로, 매사 추세 츠), 및 Guerbet 의료 (빌팽, 프랑스)에서 보조금을 받습니다.

1입니다. 기계 학습에 대 한 워크스테이션 설치
<ol><li>시스템을 사용 하 여 다음: 인텔 코어 2 듀오 또는 높은 CPU 2.0 g h z에서 4GB 또는 더 많은 시스템 메모리 POSIX 호환 운영 체제 (리눅스 또는 맥 OS) 또는 마이크로소프트 윈도 즈 7 프로그램을 실행 하 고 파일 저장에 대 한 사용자 권한</li>
	<li>다음 도구를 설치: 아나콘다 Python3: https://www.anaconda.com/download DICOM NIfTI 변환기 (dcm2niix)-https://...

<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>

수술 절제에 대 한 후보는 간세포 암 종 환자는 간 동맥 치료 제공 됩니다. 환자 중응답 합니다 확인 하려면 존재 하는 몇 가지 방법-치료. 치료 후 평가 기법 종양 크기 또는 종양 대비 통풍 관의 변화에 의존. 이러한 응답 기준 가장 정확한 되 고 간 (qEASL) 기준의 연구에 대 한 양적 유럽 협회 라고 합니다. qEASL 모두 체적 변화와 향상 다음 응답의 가능성을 예측 하는 치료에 의존 합니다. QEASL...

외과 후보자는 간세포 암 종 환자는 간 동맥 치료1,2,3제공 됩니다. 치료 관리 하기 전에 환자가 간 동맥 치료에 응답 합니다 여부를 결정 하는 없는 단일 통계가입니다. 이 연구의 목적은 기계 학습에서 메서드를 적용 하 여 치료 반응을 예측 하는 방법을 설명 했다. 이러한 모델 치료 진행 여부를 선택할 때 실무자와 환자에 게 지침을 제공 합니다.
프로토콜 훈련과 주 환자 데이터 (임상 노트, 인구 통계, 실험실 데이터 및 이미징)에서 시작 하는 모델 업데이트에 대 한 재현 과정을 수반 한다. 이진 기능 집합 및 이진 결과 대상 레이블을 나타내는 각 환자와 데이터는 특정 기능에 대 한 구문 분석 됩니다 처음. 결과 레이블 설립된 영상 기반 응답 기준 간세포 치료4,5,,67에 대 한 사용 하 여 결정 됩니다. 기능 및 대상 레이블 기계 학습 소프트웨어를 배우는 기능 및 특정 학습 모델 (로지스틱 회귀 또는 무작위 숲)8,,910아래 결과 간의 매핑을 전달 됩니다. 비슷한 기술은 방사선학과 암 진단 및 치료 예측11,,1213에 대 한 연구의 다른 영역에 적용 되었습니다.
메서드를 사용 하면 중재 방사선과 분야 컴퓨터 과학에서 기술을 적응. 중재 방사선학 그리고 의학에서 전통적인 의미 연구는 일반적으로 모노 또는 올리고 기능 분석에 의존. 예를 들어 말기 간 질병에 대 한 모델 간 질환의 정도 평가 하기 위해 5 임상 통계를 포함 합니다. 제안된 된 방법의 장점은 자유롭게; 기능을 추가 하는 기능입니다. 20-5 기능 예제 분석에서 고려 됩니다. 추가 기능을 추가할 수 있습니다 원하는대로.
기술 사전 및 사후 개입 이미징 데이터를 사용할 수 있는 다른 방사선 중재에 적용 될 수 있습니다. 예를 들어 결과 경 피 적인 치료를 다음과 비슷한 방식으로 예언 될 수 있습니다. 연구의 주요 한계는 필요는 수동 보좌 기능을 모델에 포함. 데이터 큐레이터 및 기능 추출 실천에 대 한 시간이 많이 걸리는 이며 이러한 기계 학습 모델의 임상 도입을 방해 수 있습니다.

<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

간 동맥 치료법은 외과 절제술을 받을 수 없는 간세포 암 환자에 대 한 치료의 표준 이다. 이 연구의 목적은 개입 이전 내부 동맥 치료에 응답을 예측 하는 방법을 개발 했다.
메서드를 내부 동맥 치료 사전 결과 예측을 위한 일반 프레임 워크를 제공 합니다. 그것은 환자의 코 호트에서 임상, 인구 통계 및 이미징 데이터를 풀링 및 기계 학습 모델의 학습에 이러한 데이터를 사용 하 여 포함. 학습 된 모델은 내부 동맥 치료에 응답을의 그들의 가능성을 예측 하기 위해 새로운 환자에 적용 됩니다.
메서드 인수 및 N 이미 트랜스 동맥 치료 받은 환자에서 임상, 인구 통계 및 이미지 데이터의 구문 분석을 수반 한다. 이러한 데이터 (연령, 성별, 간 경 변, 종양 증진, 등의) 개별 기능으로 구문 분석 되며 true/false 값 (예: 60, 남성 성, 종양 향상 설정된 임계값, 등이상의 나이)에 binarized. 낮은-분산 기능 및 결과 낮은 일변량 연결 기능 제거 됩니다. 각 치료 환자 여부 그들은 반응 또는 치료에 반응 하지 않았다 표시 됩니다. 각 훈련 환자 따라서 바이너리 기능과 결과 레이블 집합으로 표시 됩니다. 기계 학습 모델 사용 하 여 N -1 환자 왼쪽 아웃 환자에 대 한 테스트와 훈련을 합니다. 이 프로세스는 각 N 환자에 대해 반복 됩니다. N 모델 최종 모델에 도달 하기 위해 평균 된다.
기술을 확장 하 고 나중에 추가 기능 포함을 수 있습니다. 그것은 또한 외부 중재 방사선과 임상 연구 질문에 적용 될 수 있습니다 받아들이기는 과정입니다. 주요 제한은 수동으로 각 환자에서 기능을 파생 하는 필요입니다. 깊은 라는 기계 학습의 인기 있는 현대적인 형태가이 제한에서 고통을 하지 않습니다 학습 하지만 큰 데이터 집합을 요구 한다.

제안된 된 방법 간세포 암에 대 한 트랜스-동맥 치료 했다 받은 36 환자에 적용 되었습니다. 20-5 기능 확인 하 고 1-5 단계를 사용 하 여 binarized. 5 기능 분산 및 변량 협회 필터 (5.1 및 5.2 단계 참조)을 만족 하 고 모델 학습에 사용 했다. 각 환자는 응답자 또는 qEASL 응답 조건에서 비 응답으로 분류 됐다. 동안 대상 레이블 벡터 36 x 1 기능 매트릭스는 이렇게 36 x 5 배열 이었다.</...

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

기계 학습을 사용 하 여 이미지 기반 요법 치료 반응 예측: 간세포 암 종의 트랜스 동맥 치료 예

간 동맥 치료법은 외과 절제술을 받을 수 없는 간세포 암 환자에 대 한 치료의 표준 이다. 이러한 치료에 대 한 응답을 예측 하는 방법을 제안 했다. 기술은 기계 학습 모델 처리 이전 응답을 예측할 수 있는 훈련 사전 절차 임상, 통계, 및 이미징 정보를 사용 합니다.

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

이 방법은 동맥 내 치료에 대한 반응을 예측하는 데 도움이 될 수 있습니다. 중재 종양학의 기계 학습 응용 프로그램은 우리가 이미지 유도 치료와 간암 및 기타 질병을 치료하는 방식을 바꿀 것입니다. 이 방법은 두 가지 중요한 결정이 내려지는 방식을 개선할 수 있습니다.일반적으로 이 메서드를 새로 사용하는 개인은 기능을 생성하고 기계 학습 및 코드를 수행해야 하기 때문에 어려움을 겪게 됩니다. 이 방법의 시각적 데모는 기능 생성 단계가 이미징 마스크를 사용하여 이러한 기능을 추출하는 것을 수반하기 때문에 중요합니다. 모델을 학습하려면 잘 인음이 추가되고 임상적으로 대표적인 데이터 집합이 필요합니다.이러한 기계 학습 알고리즘을 더욱 개선하기 위해서는 더 많은 환자 데이터와 대규모 코호트가 필요할 것입니다. 모델에 포함 할 임상 기능을 결정한 후 적절한 자연어 도구 키트를 사용하여 일반 텍스트 클리닉 노트를 문장으로 구문 분석하여 관심 있는 용어를 검색할 수 있습니다. 그런 다음 각 환자의 기능을 한 줄당 하나의 피쳐가 있는 파일에 저장합니다.비 바이너리 피쳐의 경우 모든 환자에 걸쳐 각 피쳐의 중앙값값을 얻고 각 피쳐를 중앙값에 따라 true 또는 false 값으로 비나이즈합니다. 의료 이미지에서 평균 간 향상 기능을 계산합니다. 간을 포함하는 복셀을 격리 한 후 평균 간 향상 명령을 입력합니다.간 부피 피쳐를 확인하려면 표시된 대로 명령을 입력합니다. 그런 다음 각 이미징 피쳐에 대한 중간 값을 계산하고 설명된 대로 피처를 비나이즈합니다. 피처의 집계 및 감소를 위해 먼저 낮은 분산 기능을 고려에서 제거하고 이진 행렬의 피처를 읽습니다.다음으로 분산 임계값 모델을 사용하여 테이블에 나와 있는 것과 유사한 응답자와 비응답자 모두의 20% 이상에 나타나는 피쳐를 계산합니다. 결과와 낮은 univariate 연결기능을 제거하고 n이 환자의 수인 n 기능을 유지 n 기능을 유지 원래 낮은 변이체 스크리닝을 통과하는 기능만 필터링합니다. 그런 다음 테이블에 표시된 것과 유사한 각 피쳐에 대한 이진 행렬을 읽습니다.피처가 비나화되고 필터링된 후에는 모델을 학습할 시간입니다. 모델 교육은 연구 결과에 기능에 맞는 간단한 프로세스이며 새로운 환자에 대한 예측을 하는 데 사용할 수 있습니다. 간세포 암에 대한 트랜스 동맥 치료를 받은 36명의 환자를 대상으로 한 대표적인 분석에서, 25개의 특징은 변이체와 단변성 협회 필터를 모두 만족시키는 5개의 특징으로 입증된 바와 같이 확인되고 비나드화되었다.각 환자는 간 반응 기준의 연구를 위한 정량적인 유럽 협회의 밑에 응답자 또는 비 응답자로 표시되었습니다. 도시된 바와 같이, 물류 회귀 및 무작위 산림 모델 모두 전체 정확도 78%의 전체 정확도로 트랜스 동맥 화학색색전화 치료 반응을 예측하고, 훈련 모델을 적용하여 새로운 환자에 대한 예측을 할 수 있다. 이 기계 학습 기술은 절차 전, 절차 간 및 절차 후 이미징을 포함하는 모든 치료에 보편적으로 적용 될 수 있습니다.

Research

JoVE Journal

Medicine

The Measurement and Treatment of Suppression in Amblyopia

약시의 억제의 측정 및 치료

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

연구

의학

The Goeckerman Regimen for the Treatment of Moderate to Severe Psoriasis

심한 건선에 중간의 치료를위한 Goeckerman 처방

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

기본 종양 및 / 또는 전임상에 대한 관련 전이 및 치료제의 임상 개발의 전 생체 치료 응답

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; 비켜에서</em간세포 암의 효율적인 이종 이식 모델로&gt; 병아리 융모 막 (CAM) 분석

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

효능 평가<em&gt; H. 파이로리</em동소 이식 쥐 모델에서 방광암의 치료를위한 치료 도구로&gt; 단백질 HP-NAP

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;환자와 같은&quot;동소 이식 동계 마우스 모델 간세포 암의 전이

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

치료 저항성 주요 우울 장애에 대한 치료로 dmPFC-RTMS를 자기 공명 영상 유도

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

종양 개발의 평가를 위해 마이크로 컴퓨터 단층 촬영을 사용하고 후속 치료에 대한 반응의를 폐암의 마우스 모델에서

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