深層学習を用いた小児低悪性度神経膠腫の術後再発予測 背景紹介 小児低悪性度神経膠腫（Pediatric Low-Grade Gliomas, PLGGs）は、小児において最も一般的な脳腫瘍の一つであり、すべての小児中枢神経系腫瘍の30％から50％を占めています。PLGGsの予後は比較的良好ですが、術後再発リスクは従来の臨床的、画像学的、および遺伝子学的要因では正確に予測することが困難です。術後再発の異質性により、特に補助療法や画像モニタリングに関する術後管理の意思決定が複雑になっています。そのため、術後再発リスクを正確に予測するツールを開発することは、患者管理の最適化と予後の改善にとって非常に重要です。 近年、深層学習（Deep Learning, DL）は、特に腫瘍のセグメンテーションや予...

小児低グレード膠芽腫の分割のためのマルチタスク学習の改善 背景紹介 小児脳腫瘍の分割は、腫瘍容量分析および人工知能アルゴリズムの主要なタスクである。しかし、このプロセスは時間がかかり、神経放射線学の専門家の知識が必要です。多くの研究が成人の脳腫瘍分割の最適化に集中していますが、人工知能主導の小児腫瘍分割に関する研究はまれです。さらに、小児と成人の脳腫瘍のMRI信号特徴は異なるため、小児脳腫瘍のための特別な分割アルゴリズムが必要です。したがって、本論文は、脳腫瘍の遺伝子変化分類器を主要ネットワークに補助タスクとして追加し、マルチタスク学習（Deep Multitask Learning, DMTL）を通じて分割結果の精度を向上させることを提案します。 論文出典 この研究は以下の研究者によって行...