基于影像组学的前列腺肿瘤风险评估与手术导航研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61871004
  • 项目类别：
    面上项目
  • 资助金额：
    67.0万
  • 负责人：
    卢剑
  • 依托单位：
    北京大学
  • 学科分类：
    F0125.医学信息检测与处理
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

Prostate cancer is the most common malignant tumor in male. Based on multimode magnetic and ultrasound images of prostate cancer, this study intends to carry out high-throughput feature analysis of reinforcement learning, data mining the histologic features of tumor characteristics using strong features of deep convolutional neural network within the framework of radiomics. After analyzing the correlation between the feature cluster and the clinical value, we can extract the practical structural information based on clinical fact verification, and improve the diagnosis and prognosis of prostate cancer. Meanwhile, we design and build a 3D convolution neural network structure which is in line with high-dimensional NMR images. We carry out the research of tumor location and precise segmentation algorithm based on medical risk minimization, accurately calculate the tumor characteristics, and achieve accurate and efficient segmentation of prostate cancer. According to the needs of doctor, we reconstruct the 3D anatomical model of prostate cancer gain and select the key characteristics of multi parameter MRI image, combining with clinical pathological information. It’s useful to help surgeons understand the precise anatomic relationship between the prostate and surrounding structures, and provide surgical navigation and assesment of surgery in the quantitative analysis. The research on dynamic visualization of prostate cancer can meet the urgent need of individualized precision medical treatment in new era.
前列腺癌是男性生殖系统最常见的恶性肿瘤。本研究拟基于前列腺肿瘤核磁和超声等多模影像，在影像组学技术框架内，利用深度卷积神经网络的强特征提取特点，开展高通量特征强化分析学习，挖掘肿瘤信息组学特征，将特征聚类分析后与临床价值关联，从而提取出基于临床验证具有实用价值的组学信息，为前列腺癌的诊治和预后评估提供帮助。同时，设计构建符合高维核磁影像的3D卷积神经网络结构，开展医疗风险最小化的肿瘤定位与精准分割算法研究，准确计算肿瘤特征，实现精确、高效的前列腺肿瘤分割。并根据医疗需求，针对采集的多参数MRI 图像选择关键影像组学特征，结合临床病理信息重建3D前列腺肿瘤解剖模型，来帮助外科医师观察前列腺与周围结构的精细解剖关系，开展跨平台的动态前列腺肿瘤可视化研究，提供外科手术导航及手术效果模拟量化分析，满足新时代肿瘤个体化精准医疗的迫切需要。

结项摘要

前列腺癌是男性生殖系统最常见的恶性肿瘤，其发病率和死亡率在欧美国家仅次于肺癌，位居男性癌症死亡的第2位。关于精化前列腺肿瘤诊治模式亟需探索。本项目主要研究内容是：基于多模态前列腺肿瘤影像，通过医疗风险约束的光流模型实现精准配准与分割，然后利用深度卷积神经网络的强特征提取特点，学习分析前列腺图像的高通量特征，获得更符合临床需求的影像组学信息。然后引入深度学习算法，搭建基于Web的前列腺肿瘤手术3D可视化模型，来辅助术前、术中认知导航。经过四年的研究，本项目获得的重要结果有：1.搭建了基于卷积神经网络的前列腺肿瘤核磁影像分割和配准模型；2.提出了基于临床验证的高通量肿瘤特征学习方法；3.开发了一个基于Web的医学影像三维可视化软件：4.提出了基于自监督对比学习的三维医学图像分割方法：5.构建一系列人工智能模型来预测前列腺肿瘤相关风险：6.申请了一种基于虚拟条件生成对抗网络的图像生成方法及系统等。本项目发表期刊论文和会议论文共20篇，并且我们的项目成果成功申请到了3项医工交叉的课题项目，实现了成果转化，并以此进行了更加深入的研究。本项目还申请并获得专利和软件著作权5项，培养研究生人才8名，举办或学术会议4次，参加学术报告7次，进行国内国际学术会议交流2次。

项目成果

期刊论文数量（14）
专著数量（0）
科研奖励数量（1）
会议论文数量（6）
专利数量（3）
Deep Learning with Quantitative Features of Magnetic Resonance Images to Predict Biochemical Recurrence of Radical Prostatectomy: A Multi-Center Study.
利用磁共振图像定量特征的深度学习预测根治性前列腺切除术的生化复发：一项多中心研究
  • DOI：
    10.3390/cancers13123098
  • 发表时间：
    2021-06-21
  • 期刊：
    Cancers
  • 影响因子：
    5.2
  • 作者：
    Yan Y;Shao L;Liu Z;He W;Yang G;Liu J;Xia H;Zhang Y;Chen H;Liu C;Lu M;Ma L;Sun K;Zhou X;Ye X;Wang L;Tian J;Lu J
  • 通讯作者：
    Lu J
A novel nomogram provides improved accuracy for predicting biochemical recurrence after radical prostatectomy.
一种新型列线图提高了预测根治性前列腺切除术后生化复发的准确性
  • DOI：
    10.1097/cm9.0000000000001607
  • 发表时间：
    2021-06-16
  • 期刊：
    Chinese medical journal
  • 影响因子：
    6.1
  • 作者：
    Xia HZ;Bi H;Yan Y;Yang B;Ma RZ;He W;Zhu XH;Zhang ZY;Zhang YT;Ma LL;Hou XF;Wirth GJ;Lu J
  • 通讯作者：
    Lu J
Patient-Level Prediction of Multi-Classification Task at Prostate MRI Based on End-to-End Framework Learning From Diagnostic Logic of Radiologists
基于放射科医生诊断逻辑的端到端框架学习的前列腺 MRI 多分类任务的患者级别预测
  • DOI：
    10.1109/tbme.2021.3082176
  • 发表时间：
    2021-12-01
  • 期刊：
    IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING
  • 影响因子：
    4.6
  • 作者：
    Shao, Lizhi;Liu, Zhenyu;Tian, Jie
  • 通讯作者：
    Tian, Jie
Treatment patterns of prostate cancer with bone metastasis in Beijing: A real-world study using data from an administrative claims database
北京前列腺癌骨转移的治疗模式：使用行政理赔数据库数据进行的真实世界研究
  • DOI：
    10.1002/pds.4874
  • 发表时间：
    2019-08-08
  • 期刊：
    PHARMACOEPIDEMIOLOGY AND DRUG SAFETY
  • 影响因子：
    2.6
  • 作者：
    Cheng, Yinchu;Zhuo, Lin;Zhan, Siyan
  • 通讯作者：
    Zhan, Siyan
Preoperative Metabolic Syndrome and HDL-C Level Predict the Prognosis of Patients Following Radical Cystectomy: A Propensity Score Matching Study.
术前代谢综合征和 HDL-C 水平可预测根治性膀胱切除术后患者的预后：倾向评分匹配研究
  • DOI：
    10.3389/fonc.2022.833305
  • 发表时间：
    2022
  • 期刊：
    Frontiers in oncology
  • 影响因子：
    4.7
  • 作者：
  • 通讯作者：

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

模式分工型混合生成式对抗网络
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    现代计算机(专业版)
  • 影响因子：
    --
  • 作者：
    侍海峰;侍海峰;何良华;何良华;卢剑;卢剑
  • 通讯作者：
    卢剑
元认知:态度与说服研究的新视角
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    心理科学进展
  • 影响因子：
    --
  • 作者：
    卢剑;肖子伦;冯廷勇
  • 通讯作者：
    冯廷勇
高效液相色谱-串联质谱测定猪肉中万古霉素、去甲万古霉素和替考拉宁
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    食品科学
  • 影响因子：
    --
  • 作者：
    卢剑;范素芳;李强;夏静;李挥;张岩
  • 通讯作者：
    张岩
利用卷积神经网络识别交通指数时间序列模式
  • DOI：
    10.13203/j.whugis20200035
  • 发表时间：
    2020
  • 期刊：
    武汉大学学报. 信息科学版
  • 影响因子：
    --
  • 作者：
    卢剑;张学东;张健钦;郭小刚;张悦颖
  • 通讯作者：
    张悦颖
基于云计算的城市交通大数据分析平台
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    地理空间信息
  • 影响因子：
    --
  • 作者：
    赵明;张健钦;卢剑
  • 通讯作者：
    卢剑

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

卢剑的其他基金

前列腺癌医学影像智能分析技术研究
  • 批准号：
    62331001
  • 批准年份：
    2023
  • 资助金额：
    239 万元
  • 项目类别：
    重点项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码