[Artificial intelligence, radiomics and pathomics to predict response and survival of patients treated with radiations].

Sun, R ; Lerousseau, M ; et al.

In: Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique, Jg. 25 (2021-10-01), Heft 6-7, S. 630-637

academicJournal

Wie komme ich dran?

Artificial intelligence approaches in medicine are more and more used and are extremely promising due to the growing number of data produced and the variety of data they allow to exploit. Thus, the computational analysis of medical images in particular, radiological (radiomics), or anatomopathological (pathomics), has shown many very interesting results for the prediction of the prognosis and the response of cancer patients. Radiotherapy is a discipline that particularly benefits from these new approaches based on computer science and imaging. This review will present the main principles of an artificial intelligence approach and in particular machine learning, the principles of a radiomic and pathomic approach and the potential of their use for the prediction of the prognosis of patients treated with radiotherapy.

Titel:	[Artificial intelligence, radiomics and pathomics to predict response and survival of patients treated with radiations].
Autor/in / Beteiligte Person:	Sun, R ; Lerousseau, M ; Henry, T ; Carré, A ; Leroy, A ; Estienne, T ; Niyoteka, S ; Bockel, S ; Rouyar, A ; Alvarez Andres, É ; Benzazon, N ; Battistella, E ; Classe, M ; Robert, C ; Scoazec, JY ; Deutsch, É
Zeitschrift:	Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique, Jg. 25 (2021-10-01), Heft 6-7, S. 630-637
Veröffentlichung:	Paris : Elsevier, c1997-, 2021
Medientyp:	academicJournal
ISSN:	1769-6658 (electronic)
DOI:	10.1016/j.canrad.2021.06.027
Schlagwort:	Artificial Intelligence Biomarkers, Tumor Diagnosis, Computer-Assisted methods Humans Neoplasms mortality Neoplasms radiotherapy Prognosis Radiation Oncology Treatment Outcome Machine Learning Neoplasms diagnostic imaging Neoplasms pathology
Sonstiges:	Nachgewiesen in: MEDLINE Sprachen: French Transliterated Title: Intelligence artificielle en radiothérapie : radiomique, pathomique, et prédiction de la survie et de la réponse aux traitements. Publication Type: Journal Article; Review Language: French [Cancer Radiother] 2021 Oct; Vol. 25 (6-7), pp. 630-637. <i>Date of Electronic Publication: </i>2021 Jul 17. MeSH Terms: Machine Learning* ; Neoplasms / diagnostic imaging ; Neoplasms / pathology ; Artificial Intelligence ; Biomarkers, Tumor ; Diagnosis, Computer-Assisted / methods ; Humans ; Neoplasms / mortality ; Neoplasms / radiotherapy ; Prognosis ; Radiation Oncology ; Treatment Outcome Contributed Indexing: Keywords: Artificial intelligence; Dosiomics; Dosiomique; Intelligence artificielle; Pathomics; Pathomique; Radiomics; Radiomique; Radiotherapy; Radiothérapie Substance Nomenclature: 0 (Biomarkers, Tumor) Entry Date(s): Date Created: 20210721 Date Completed: 20210930 Latest Revision: 20210930 Update Code: 20231215

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.