OBJECTIVES: Osteosarcoma is a highly heterogeneous malignant tumor with varied responses to neoadjuvant chemotherapy (NAC). This study developed heterogeneity radiomics (H-radiomics) based on habitat imaging to predict the treatment response of osteosarcoma patients after NAC.
METHODS: This study retrospectively included MRI scans (T1-weighted and T2-weighted) of osteosarcoma patients who underwent NAC and surgery at two centers between April 2015 and September 2024. Conventional radiomics (C-radiomics) features and habitat imaging-based H-radiomics features were extracted, with 2236 features
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: This study aims to develop and validate cranial CT-based radiomics models for predicting early antipsychotic response in first-episode schizophrenia (SCZ).
METHODS: We retrospectively enrolled 530 antipsychotic-naïve first-episode SCZ patients and split them 7:3 into training and independent test sets. Early response was defined as ≥25% Brief Psychiatric Rating Scale (BPRS) reduction at week four. CT images were resampled, registered to MNI space, and parcellated using the Harvard-Oxford atlas. Radiomic features (RFs) were extracted and selected via a multi-stage pipeline (ANOVA,
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Differentiating progressive supranuclear palsy (PSP) from Parkinson's disease (PD) can be clinically challenging. In the neuroimaging field, radiomics has emerged as a promising approach to capture subtle microstructural and textural image alterations, improving differential diagnoses.
OBJECTIVE: To assess the diagnostic value of brainstem radiomic features from T1-weighted magnetic resonance imaging (MRI) in distinguishing PSP from PD patients.
METHODS: This study included 433 participants from two independent cohorts: an Italian training cohort (84 PSP and 177 PD) and an intern
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: This study aimed to compare computed tomography (CT) radiomic features of abscesses and cellulitis associated with odontogenic infections in the head and neck region.
MATERIALS AND METHODS: Fifty-eight patients who presented with pain and swelling due to odontogenic infections and underwent head and neck CT between July 2020 and August 2024 were retrospectively analyzed. A final diagnosis of abscess or cellulitis was established based on comprehensive clinical, radiological, and surgical findings. Using MaZda version 4.6.2.0, 279 texture features were extracted from three manually pl
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Cardiovascular magnetic resonance (CMR) is the reference non-invasive imaging modality for evaluating cardiomyopathies, providing comprehensive assessment of cardiac morphology, function, and tissue characterization. Radiomics has recently emerged as an advanced image analysis technique that extracts quantitative imaging biomarkers from routine CMR images, potentially enhancing disease characterization beyond conventional visual assessment. This systematic review summarizes current evidence on the role of CMR-based radiomics in the diagnosis, phenotypic characterization and risk st
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Micropapillary (MPP) and solid (SOL) components are high-grade histological patterns in lung adenocarcinoma (LUAD) and are associated with aggressive tumor biology and recurrence. Reliable preoperative identification using routine imaging remains challenging. This study aimed to develop and internally validate a computed tomography (CT)-based deep learning (DL) radiomics model for non-invasive prediction of MPP/SOL components in LUAD.
METHODS: We retrospectively enrolled 486 patients with surgically confirmed LUAD who underwent preoperative CT. Handcrafted intratumoral radiomics f
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The identification of quantitative non-invasive imaging biomarkers, including radiomics, may complement molecular characterization and thereby improve clinical management of neuro-oncological patients. We aimed to identify imaging predictors with improved performance over clinical parameters to stratify patients with brain metastases into high and low-risk groups for overall survival (OS). 422 patients recruited by two neuro-oncological centers were included with first diagnosis of brain metastases from different primary tumors. From each patient, 15 clinical parameters and a total of 321 radi
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Non-midline, pediatric high-grade gliomas (HGG) represent one of the leading causes of cancer-related deaths in children with underlying molecular genetics and driver mutations that are distinct from adult HGGs. Image-based biomarkers that assist pediatric HGG risk-stratification could potentiate treatment strategies. Towards this, we investigated radiomics approaches for non-midline pediatric HGG prognosis.
METHODS: We identified 77 children (mean age: 140 months; 43 males) with non-midline-origin, hemispheric pediatric HGG tumors across five pediatric institutions. We extracted 180
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Pancreatic cancer is one of the most aggressive and lethal malignancies of the digestive system and is characterized by an extremely low five-year survival rate. The perineural invasion (PNI) status in patients with pancreatic cancer is positively correlated with adverse prognoses, including overall survival and recurrence-free survival. Emerging radiomic methods can reveal subtle variations in tumor structure by analyzing preoperative contrast-enhanced computed tomography (CECT) imaging data. Therefore, we propose the development of a preoperative CECT-based radiomic model to pred
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Increasing numbers of cytologically indeterminate thyroid nodules (ITNs) present challenges for preoperative diagnosis, often leading to unnecessary diagnostic surgical procedures for nodules that prove benign. Research in ultrasound radiomics and genomic testing leverages high-throughput data and image or sequence algorithms to establish assisted models or testing panels for ITN diagnosis. Many radiomics models now demonstrate diagnostic accuracy above 80% and sensitivity over 90%, surpassing the performance of less experienced radiologists and, in some cases, matching the accurac
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Effective diagnostic tools for prompt identification of high-risk locally advanced cervical cancer (LACC) patients are needed to facilitate early, individualized treatment. The aim of this work was to assess temporal changes in tumor radiomics (delta radiomics) from T2-weighted imaging (T2WI) during concurrent chemoradiotherapy (CCRT) in LACC patients, and their association with progression-free survival (PFS). Furthermore, to develop, validate, and compare delta- and pretreatment radiomic signatures for prognostic modeling.
METHODS: A total of 110 LACC patients undergoing CCRT wi
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Predicting the pathological response of esophageal cancer (EC) to neoadjuvant therapy (NAT) is of significant clinical importance.
AIM: To evaluate the pathological response of NAT in EC patients using multiple machine learning algorithms based on magnetic resonance imaging (MRI) radiomics.
METHODS: This retrospective study included 132 patients with pathologically confirmed EC, were randomly divided into a training cohort (n = 92) and a validation cohort (n = 40) in a 7:3 ratio. All patients underwent a preoperative MRI scan from the neck to the abdomen. High-throughput and quan
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The aim of this study was to establish a nomogram based on clinical, radiomics, and deep transfer learning (DTL) features to predict meningioma grade. Three hundred forty meningiomas from one hospital composed the training set, and 102 meningiomas from another hospital composed the test set. The enhanced T1 WI images were used for analysis. The clinical, radiomics and DTL features were selected to construct the model. Radiomics and DTL scores were calculated. The deep transfer learning radiomics (DTLR) nomogram was developed on the basis of selected clinical features, radiomics scores and DTL
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This study investigates the correlation between chest computed tomography (CT) radiomics features and breast density classification, and aiming to develop an automated radiomics model for breast density assessment using chest CT images. The diagnostic performance was evaluated to establish a CT-based alternative for breast density classification in clinical practice. A retrospective analysis was conducted on patients who underwent both mammography and chest CT scans. The breast density classification results based on mammography images were used to guide the development of CT-based breast dens
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Although most odontogenic lesions in the jaw are benign, treatment varies widely depending on the nature of the lesion. This study was performed to assess the ability of a machine learning (ML) model using computed tomography (CT) and magnetic resonance imaging (MRI) radiomic features to classify odontogenic cysts and tumours. CT and MRI data from patients with odontogenic lesions including dentigerous cysts, odontogenic keratocysts, and ameloblastomas were analysed. Manual segmentation of the CT image and the apparent diffusion coefficient (ADC) map from diffusion-weighted MRI was performed t
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Adult-type diffuse gliomas are highly infiltrative primary brain tumors in which, after a combination of surgery and chemoradiation therapy, tumor recurrence is inevitable. Artificial Intelligence (AI) models have been found capable to predict local and distant tumor recurrence at baseline, with the potential to guide surgical margins and enable focal dose escalation in radiotherapy. This study systematically reviews the literature on the performance of AI models in predicting local or distant tumor recurrence in glioma patients using preoperative MRI data.
METHODS: A systematic l
СтатьяСистематический обзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To investigate the value of multimodal MRI radiomics model in predicting Neoadjuvant chemotherapy (NAC) response in Nasopharyngeal carcinoma (NPC) and assess the performance differences between machine learning and deep learning models.
METHODS: 370 NPC patients were retrospectively enrolled, with 126 patients receiving additional Dynamic contrast-enhanced Magnetic Resonance Imaging (DCE-MRI). Radiomics features were extracted from T1WI, PDWI, CE-T1WI and DCE-MRI sequences. Feature selection was performed through Mutual Information Criterion (MIC), Least Absolute Shrinkage and Sele
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Early identification of the primary tumor types in brain metastases (BMs) is crucial for developing effective treatment strategies. This study aimed to evaluate the potential of multiparametric MRI (mpMRI)-based habitat radiomics analysis in differentiating the pathological types of BMs.
MATERIALS AND METHODS: Pre-treatment MR images from 328 BMs patients at a single center were retrospectively collected and randomly divided into a training set (229 cases) and a test set (99 cases). Tumor regions were manually segmented on contrast-enhanced T1-weighted images (CE-T1WI), and the K-
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Duchenne muscular dystrophy (DMD) is a rare and severe genetic neuromuscular disease, characterized by rapid progression and high mortality, highlighting the need for accurate ambulatory function assessment tools. Ultrasound imaging methods have been widely used for quantitative analysis. Radiomics, which converts medical images into data, combined with machine learning (ML), offers a promising solution. This study is aimed at utilizing radiomics to analyze different stages of data generated during B-mode image processing to evaluate the ambulatory function of DMD patients. The study included
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Positron emission tomography (PET) imaging technology is widely used for diagnosing Alzheimer's disease (AD) in people with dementia. Although various computational methods have been proposed for diagnosis of AD using PET images, prediction of disease diagnosis by leveraging longitudinal PET imaging data has not been widely studied. In this paper, we propose novel implementations of deep learning models graph neural network (GNN) and transformer encoder (TE), to leverage longitudinal sequences of PET images in addition to cognitive scores for prediction of AD diagnosis and prediction of conver
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования