Trefwoorden: tomografie, dike darmkanker, neoplasma metastase, lever ablatie, machine learning

"Machine learning for imaging in colorectal liver metastases"

Medische beeldvorming levert waardevolle informatie op voor de diagnose en de planning van de behandeling van kankerpatiënten. Bij de primaire diagnose wordt beeldvorming routinematig gebruikt voor diagnose, stadiëring en behandelplanning, en uit deze beelden worden basisgegevens gehaald voor prognose of om de respons op de behandeling te beoordelen. Op deze beelden wordt echter veel meer informatie vastgelegd, die niet zichtbaar is voor een radioloog. Radiomics is een verzameling analytische methoden om beelden om te zetten in hoogdimensionale gegevens via een reeks kwantitatieve fenotypische descriptoren die "kenmerken" worden genoemd. Radiomic-kenmerken bieden kwantitatieve metingen van tumoren, waaronder informatie over textuur, intensiteit, heterogeniteit en morfologie, die een uitgebreide analyse van het tumorfenotype mogelijk maken. Deze kenmerken kunnen ook worden gebruikt om diagnostische of prognostische modellen te ontwikkelen die kunnen dienen als hulpmiddel voor gepersonaliseerde diagnose en klinische beslissingsondersteunende systemen. In dit proefschrift worden verschillende radiomics analyses voorgesteld op basis van medische beelden op patiëntencohorten van colorectale kanker met levermetastasen.

Klik hier voor de live stream. 

Voertaal: Engels