L'apprentissage profond multimodal améliore la prédiction du risque de récidive dans les gliomes de bas grade pédiatriques

Sciences de l'information, Intelligence artificielle, Médecine, Neurologie, Imagerie médicale, Oncologie,
gliomes de bas grade pédiatriques   apprentissage profond   prédiction de récidive postopératoire   modèle multimodal   imagerie par résonance magnétique   stratification des risques   analyse de survie  

L’application de l’apprentissage profond dans la prédiction de la récidive postopératoire des gliomes de bas grade pédiatriques Contexte Les gliomes de bas grade pédiatriques (Pediatric Low-Grade Gliomas, PLGGs) sont l’un des types de tumeurs cérébrales les plus courants chez les enfants, représentant 30 à 50 % de toutes les tumeurs du système nerv...