[go: up one dir, main page]

CN114219787B - 一种初诊多发性骨髓瘤预后分期系统 - Google Patents

一种初诊多发性骨髓瘤预后分期系统 Download PDF

Info

Publication number
CN114219787B
CN114219787B CN202111548630.9A CN202111548630A CN114219787B CN 114219787 B CN114219787 B CN 114219787B CN 202111548630 A CN202111548630 A CN 202111548630A CN 114219787 B CN114219787 B CN 114219787B
Authority
CN
China
Prior art keywords
stage
multiple myeloma
pet
module
imaging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111548630.9A
Other languages
English (en)
Other versions
CN114219787A (zh
Inventor
代文莉
齐红艳
万宝玉
王朋
严凯
邓鹏裔
蒋长斌
冯亚琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202111548630.9A priority Critical patent/CN114219787B/zh
Publication of CN114219787A publication Critical patent/CN114219787A/zh
Application granted granted Critical
Publication of CN114219787B publication Critical patent/CN114219787B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)

Abstract

本发明公开了一种初诊多发性骨髓瘤预后分期系统，包括图像获取模块、病灶区域获取模块、计算模块和分期模块。所述图像获取模块用于获取患者全身PET/CT图像，并提交给病灶区域获取模块；所述病灶区域获取模块用于获取标记有骨病灶区域，并提交给计算模块；所述计算模块，根据所述标记所有单个病灶区域的PET/CT图像，统计病灶区域的影像学分期特征参数，并提交给分期模块；所述分期模块，其影像学分期特征参数包括EMD、aMTV和/或mSUVmax，并将EMD、aMTV和mSUVmax三项均为阴性记为I期，1项阳性记为II期，2项或3项阳性记为III期，采用本发明的分期系统，操作简便、分期更准确。

Description

一种初诊多发性骨髓瘤预后分期系统
技术领域
本发明属于骨髓瘤预后技术领域，更具体地，涉及一种初诊多发性骨髓瘤预后分期系统。
背景技术
多发性骨髓瘤(multiple myeloma，MM)是一种克隆浆细胞异常增殖的恶性疾病，在很多国家是血液系统第2位常见恶性肿瘤，多发于老年，目前仍无法治愈。MM常见的症状包括骨髓瘤相关器官功能损伤的表现，即“CRAB”症状，包括血钙增高(calciumelevation)、肾功能损害(renalinsufficiency)、贫血(anemia)，骨病(bonedisease)、以及继发淀粉样变性等相关表现。多发性骨髓瘤在生物学及临床上都具有明显的异质性，《中国多发性骨髓瘤诊治指南(2020年修订)》建议进行预后分期。
目前，初次诊断的多发性骨髓瘤(Newly diagnosed multiple myeloma，NDMM)的分期通常按照传统的Durie-Salmon(DS)分期系统和修订的国际分期系统(RevisedInternational Staging System，R-ISS)进行。这些分期系统主要是以相关实验室检查结果为主，也结合了X片等一些影像学检查。临床实践表明，上述分期系统仍有诸多不足，难以准确预测预后。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种初诊多发性骨髓瘤预后分期系统，其目的在于初诊时利用影像学参数进行多发性骨髓瘤的预后分期，更简单地、更准确地评价初诊多发性骨髓瘤的预后，由此解决其它分期系统预测预后欠准确的技术问题。
为实现上述目的，本发明提供了一种初诊多发性骨髓瘤预后分期系统，其包括图像获取模块、病灶区域获取模块、计算模块、和分期模块；
所述图像获取模块，用于获取待分期的全身PET/CT图像，并将所述PET/CT图像提交给所述病灶区域获取模块；
所述病灶区域获取模块，用于采用预设的标准化摄取值阈值标记PET/CT图像中所有单个骨病灶区域，获取标记所有单个有骨病灶区域的PET/CT图像，并将所述标记所有单个病灶区域的PET/CT图像提交给计算模块；
所述计算模块，根据所述标记所有单个病灶区域的PET/CT图像，统计病灶区域的影像学分期特征参数，并将所述影像学分期特征参数提交给分期模块；
所述分期模块，根据包括所述影像学分期特征参数在内的分期特征参数，将患者预后按照影像学分期特征参数所表示的肿瘤体积越大，患者后期存活风险可能越大的原则进行多发性骨髓瘤预后分期。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述病灶区域获取模块采用的预设的标准化摄取值阈值为2.5。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述单个骨病灶区域为PET/CT图像中标准化摄取值大于或等于标准化摄取值阈值的独立连通区域。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述影像学分期特征参数，包括肿瘤代谢体积aMTV和/或最大病灶的最大标准化摄取值mSUVmax。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述肿瘤代谢体积aMTV，为全身所有病灶区域的代谢体积之和，其中病灶区域的代谢体积为标记所有单个病灶区域的PET/CT图像中所有所述单个骨病灶区域的像素体积之和。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述最大标准化摄取值为所有单个病灶区域中肿瘤代谢体积最大的单个病灶区域中其各像素的标准化摄取值的最大值。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述分期特征参数优选还包括用于多发性骨髓瘤预后的生化指标和/或形态指标。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述形态指标包括髓外浸润。
优选地，所述初诊多发性骨髓瘤预后分期系统，其所述分期模块将所述影像学分期特征参数进行二值化用于初诊多发性骨髓瘤预后分期，将所述影像学分期特征参数进行二值化具体为：所述影像学分期特征参数所表示的肿瘤体积超过预设阈值时作为阳性，否则作为阴性。
优选地，所述初诊多发性骨髓瘤预后分期系统，其肿瘤代谢体积的预设阈值为90.97，即肿瘤代谢体积≥90.97cm3视为阳性，反之则为阴性；最大标准化摄取值的预设阈值优选为5.8，即最大标准化摄取值≥5.8视为阳性，反之则为阴性。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，由于利用PET/CT图像统计获得的影像学参数进行多发性骨髓瘤患者的初诊分期，操作更简单、快捷，回顾性分析显示其准确性较高，能在初诊时提供有效的预后评价，供治疗方案选择参考之用。
优选方案，选择半定量参数中的mSUVmax、aMTV和EMD作为分期参数来评估NDMM患者的预后，无需患者其他相关实验室检查结果，。其中mSUVmax是最大MTV病灶的SUVmax，而MTV能显示肿瘤负荷，肿瘤负荷最大病灶的SUVmax更具代表性；aMTV为全身所有病灶的肿瘤代谢体积，该参数不包括其它并发肿瘤，是根据标准化摄取值阈值而确定。经验证本发明提供的分期系统，其I、II、III期患者的3年OS率分别为：100.0％(14/14)、50.0％(4/8)、25.0％(4/16)，分期和3年OS率有明显的相关性，P＝0.000。可见本发明提供的分期系统更具有针对性、准确性更高，能够取得对初诊多发性骨髓瘤准确分期的有益效果。
附图说明
图1是实施例1患者PET/CT影像图及分期结果。
图2是实施例2患者PET/CT影像图及分期结果。
图3是实施例3患者PET/CT影像图及分期结果。
图4是实施例4患者PET/CT影像图及分期结果。
图5是实施例5患者PET/CT影像图及分期结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
多发性骨髓瘤为全身性肿瘤，目前，2020版中国多发性骨髓瘤诊治指南推荐的多发性骨髓瘤诊疗常用影像学检查方法主要包括X射线、CT、MRI和PET/CT。其中，PET/CT和MRI可先于骨质结构变化，在早期发现骨髓的浸润和骨骼代谢的变化，这对于多发性骨髓瘤骨病的早期诊断具有重要意义。MRI是检测骨髓受累的“金标准”，但其全身检查耗时长，多发性骨髓瘤发生时多为60岁以上，老年患者常难以完成MRI检查。并且全身CT与MRI不能量化骨髓瘤全身受累情况，不适用于预后。PET/CT可提供有价值的多种半定量参数,故本发明选择PET/CT的扫描结果作为评估预后的依据。
18F-FDG是一种与葡萄糖结构相似的放射性核素标记化合物，其可进入细胞并滞留在细胞内。当葡萄糖代谢处于平衡状态时，18F-FDG在细胞内的滞留量与细胞消耗的葡萄糖量大体一致，通过18F示踪可反映机体器官、组织和细胞的葡萄糖分布和摄取水平。MM的骨骼和髓外病灶具有高代谢的特点，在18F-FDG PET/CT显像中显示为高摄取，故18F-FDGPET/CT可显示病灶糖代谢负荷量。由此可见，18F-FDG PET/CT显像不仅能够直观地显示出多发性骨髓瘤病灶的代谢情况，而且通过一次检查即可评价全身脏器和骨骼有无浸润，从而多方位、全方面、快速地显示病灶的部位和数量，因此，其对于多发性骨髓瘤的诊断及肿瘤负荷的显示具有独特的优势。
本发明结合PET/CT的多模态全身显像技术，经过处理后可得到多种半定量参数，用于初诊多发性骨髓瘤的预后，显著提高了分期系统的准确性，全身量化成像指标能有效的提示多发性骨髓瘤的发展阶段。本发明结合标准化摄取值SUV、以SUV为基础可衍生出其他多种半定量参数、肿瘤代谢体积作为分期系统采用的特征指标，较为准确的量化了多发性骨髓瘤的全身总的肿瘤负荷，能更全面地反应全身肿瘤的增殖能力、代谢体积和代谢活性。
本发明提供的初诊多发性骨髓瘤预后分期系统，包括图像获取模块、病灶区域获取模块、计算模块和分期模块；
所述图像获取模块，用于获取待分期的全身PET/CT图像，并将所述PET/CT图像提交给所述病灶区域获取模块；
所述病灶区域获取模块，用于采用预设的标准化摄取值阈值标记PET/CT图像中所有单个骨病灶区域，获取标记所有单个有骨病灶区域的PET/CT图像，并将所述标记所有单个病灶区域的PET/CT图像提交给计算模块；所述预设的标准化摄取值阈值为2.5，所述单个骨病灶区域为PET/CT图像中标准化摄取值大于或等于标准化摄取值阈值的独立连通区域。
所述计算模块，根据所述标记所有单个病灶区域的PET/CT图像，统计病灶区域的影像学分期特征参数，并将所述影像学分期特征参数提交给分期模块；所述影像学分期特征参数，优选包括肿瘤代谢体积aMTV和/或最大病灶的最大标准化摄取值mSUVmax；
所述肿瘤代谢体积aMTV，为全身所有病灶区域的代谢体积之和，其中病灶区域的代谢体积为标记所有单个病灶区域的PET/CT图像中所有所述单个骨病灶区域的像素体积之和。标准化摄取值阈值为2.5时，能较为准确的将多发性骨髓瘤和其他良性肿瘤或者囊肿分开，为多发性骨髓瘤的初诊分期提供准确的依据。
所述最大标准化摄取值mSUVmax，为所有单个病灶区域中肿瘤代谢体积最大的单个病灶区域中其各像素的标准化摄取值的最大值。
其中标准化摄取值(standardized uptake value，SUV)是指组织细胞摄取18F-FDG示踪剂定量指标；不同病变组织细胞代谢能力不同，对18F-FDG吸收量也不同，恶性程度高、代谢旺盛的细胞，摄取量就更高。由于病变组织对18F-FDG的不均匀摄取，以SUV为基础可衍生出最大标准化摄取值(maximum standardized uptake value，SUVmax)，它是指病变组织细胞对18F-FDG的最大吸收量；肿瘤代谢体积(metabolic tumor volume，MTV)是图像上SUV处于给定某给定范围的全部体素的体积，是一种基于肿瘤体积大小的参数。由于多发性骨髓瘤是多灶性的，肿瘤代谢体积最大的病灶最能反应肿瘤负荷情况，因此我们纳入肿瘤代谢体积最大病灶的最大标准化摄取值(maximum standard uptake value in lesionswiththe biggest MTV，mSUVmax)作为半定量参数，所选取的参数mSUVmax较SUVmax能更准确地反应肿瘤负荷最大处的病灶18F-FDG最大吸收量。全身所有病灶的肿瘤代谢体积(total lesion glycolysis of all lesions,aMTV)为患者所有骨病灶MTV的总和，它能显示全身的肿瘤负荷。
所述分期模块，根据包括所述影像学分期特征参数在内的分期特征参数，将患者预后按照影像学分期特征参数所表示的肿瘤体积越大，患者后期存活风险可能越大的原则进行多发性骨髓瘤预后分期；所述分期特征参数优选还包括用于多发性骨髓瘤预后的生化指标和/或形态指标，所述形态指标优选包括髓外浸润(extramedullary disease，EMD)。所述EMD，是通过影像判断，并将存在EMD视为阳性，反之则为阴性。
肿瘤代谢体积aMTV和最大病灶的最大标准化摄取值mSUVmax值越大说明肿瘤体积越大，患者后期存活风险可能越大。优选，将所述影像学分期特征参数进行二值化用于初诊多发性骨髓瘤预后分期；将所述影像学分期特征参数进行二值化具体为：所述影像学分期特征参数所表示的肿瘤体积超过预设阈值时作为阳性，否则作为阴性；具体的：
肿瘤代谢体积aMTV的预设阈值优选为90.97，即aMTV≥90.97cm3视为阳性，反之则为阴性；最大病灶的最大标准化摄取值mSUVmax的预设阈值优选为5.8，即mSUVmax≥5.8视为阳性，反之则为阴性。其中EMD、aMTV和mSUVmax三项均为阴性记为I期，1项阳性记为II期，2项或3项阳性记为III期。
以下为实施例：
实施例1：
患者为58岁女性，病灶数目为12个，如图1a黑色箭头所示为2个FDG代谢增高较明显病灶，余10个病灶代谢轻度增高。此例患者aMTV为10.03cm3，小于90.97cm3；mSUVmax为4.09，小于5.8；不存在EMD，即三项阴性，根据本发明提供的分期系统NS分期归为I期，而根据ISS分期系统归为II期。患者经过规范治疗，随访截止到2021.04患者仍然存活，OS为53个月。
实施例2：
患者为42岁女性，病灶数目为7个，如图2a黑色箭头所示为2个FDG代谢增高较明显病灶，余5个病灶代谢轻度增高。此例患者aMTV为17.9cm3，小于90.97cm3；mSUVmax为8.59，大于5.8；不存在EMD，即1项阳性，根据本发明提供的分期系统NS分期归为II期，而根据ISS分期系统归为I期。患者经过规范治疗后26个月去世，OS为26个月。
实施例3：
患者为64岁男性，如图4所示，aMTV＜90.97cm3、mSUVmax≥5.8、不存在EMD，根据本发明提供的分期系统NS分期为II期，患者经过规范治疗，随访截止到2021.04患者仍然存活，OS为34个月。
实施例4：
患者为43岁男性，病灶数目弥漫，累及中轴骨及四肢骨近端，如图3a黑色箭头所示为2个FDG代谢异常增高的病灶，此例患者aMTV为336.19cm3，大于90.97cm3；mSUVmax为10.89，大于5.8；不存在EMD，即两项阳性，根据本发明提供的分期系统NS分期归为III期，而根据ISS分期系统归为I期。患者经过规范治疗后10个月去世，OS为10个月。
实施例5：
患者为52岁男性，如图5所示，aMTV≥90.97cm3、mSUVmax≥5.8、不存在EMD，根据本发明提供的分期系统NS分期为III期，患者经过规范治疗后6个月去世，OS为6个月。
从上述实施例可以看出，根据本发明提供的分期系统，分期与患者的OS呈负相关，患者NS分期越高，OS越短，预后越差，而以往的ISS分期系统于患者的OS无明显相关性，且本发明提供的分期系统仅需三个18F-FDG PET/CT半定量参数即可，无需实验室其他检查结果，说明本发明提供的分期系统作为NDMM患者的预后分期准确性高、操作简单。
另外，我们回顾性研究分析了宜昌市中心人民医院38例NDMM患者，根据本发明提供的分期系统，I、II、III期患者的3年OS率分别为：100.0％(14/14)、50.0％(4/8)、25.0％(4/16)，分期和3年OS率有明显的相关性，P＝0.000。如果按照现有的ISS分期系统I、II、III期患者的3年OS率分别为66.7％(4/6)、60.0％(9/15)、52.9％(9/17)，分期和3年OS率无明显相关性，P＝0.145。进一步说明本发明提供的分期系统作为NDMM患者的预后分期更准确。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种初诊多发性骨髓瘤预后分期系统，其特征在于，包括图像获取模块、病灶区域获取模块、计算模块、和分期模块；
所述图像获取模块，用于获取待分期的全身PET/CT图像，并将所述PET/CT图像提交给所述病灶区域获取模块；
所述病灶区域获取模块，用于采用预设的标准化摄取值阈值标记PET/CT图像中所有单个骨病灶区域，获取标记所有单个有骨病灶区域的PET/CT图像，并将所述标记所有单个病灶区域的PET/CT图像提交给计算模块；
所述计算模块，根据所述标记所有单个病灶区域的PET/CT图像，统计病灶区域的影像学分期特征参数，并将所述影像学分期特征参数提交给分期模块；
所述分期模块，根据包括所述影像学分期特征参数在内的分期特征参数，将患者预后按照影像学分期特征参数所表示的肿瘤体积越大，患者后期存活风险可能越大的原则进行多发性骨髓瘤预后分期。
2.如权利要求1所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述病灶区域获取模块采用的预设的标准化摄取值阈值为 2.5。
3.如权利要求1所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述单个骨病灶区域为PET/CT图像中标准化摄取值大于或等于标准化摄取值阈值的独立连通区域。
4.如权利要求1所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述影像学分期特征参数，包括肿瘤代谢体积和/或最大病灶的最大标准化摄取值。
5.如权利要求4所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述肿瘤代谢体积，为全身所有病灶区域的代谢体积之和，其中病灶区域的代谢体积为标记所有单个病灶区域的PET/CT图像中所有所述单个骨病灶区域的像素体积之和。
6.如权利要求4所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述最大标准化摄取值为所有单个病灶区域中肿瘤代谢体积最大的单个病灶区域中其各像素的标准化摄取值的最大值。
7.如权利要求1所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述分期特征参数还包括用于多发性骨髓瘤预后的生化指标和/或形态指标。
8.如权利要求7所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述形态指标包括髓外浸润。
9.如权利要求1所述的初诊多发性骨髓瘤预后分期系统，其特征在于，所述分期模块将所述影像学分期特征参数进行二值化用于初诊多发性骨髓瘤预后分期，将所述影像学分期特征参数进行二值化具体为：所述影像学分期特征参数所表示的肿瘤体积超过预设阈值时作为阳性，否则作为阴性。
10.如权利要求9所述的初诊多发性骨髓瘤预后分期系统，其特征在于，肿瘤代谢体积的预设阈值为90.97，即肿瘤代谢体积≥90.97cm3视为阳性，反之则为阴性；最大标准化摄取值的预设阈值为5.8，即最大标准化摄取值≥5.8视为阳性，反之则为阴性。
CN202111548630.9A 2021-12-17 2021-12-17 一种初诊多发性骨髓瘤预后分期系统 Active CN114219787B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111548630.9A CN114219787B (zh) 2021-12-17 2021-12-17 一种初诊多发性骨髓瘤预后分期系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111548630.9A CN114219787B (zh) 2021-12-17 2021-12-17 一种初诊多发性骨髓瘤预后分期系统

Publications (2)

Publication Number Publication Date
CN114219787A CN114219787A (zh) 2022-03-22
CN114219787B true CN114219787B (zh) 2024-08-06

Family

ID=80703383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111548630.9A Active CN114219787B (zh) 2021-12-17 2021-12-17 一种初诊多发性骨髓瘤预后分期系统

Country Status (1)

Country Link
CN (1) CN114219787B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109844865B (zh) 2016-10-27 2021-03-30 普罗热尼奇制药公司 用于医学图像分析的网络、决策支持系统和相关图形用户界面(gui)应用
AU2020206584B2 (en) 2019-01-07 2024-11-07 Exini Diagnostics Ab Systems and methods for platform agnostic whole body image segmentation
US11721428B2 (en) 2020-07-06 2023-08-08 Exini Diagnostics Ab Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions
US20240285248A1 (en) * 2023-02-13 2024-08-29 Progenics Pharmaceuticals, Inc. Systems and methods for predicting biochemical progression free survival in prostate cancer patients

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018169121A1 (ko) * 2017-03-16 2018-09-20 사회복지법인 삼성생명공익재단 인공신경망을 이용한 활액막 육종의 예후 예측 방법, 장치 및 프로그램

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11939390B2 (en) * 2019-01-28 2024-03-26 Sanofi-Aventis U.S. Llc Methods of treating multiple myeloma

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018169121A1 (ko) * 2017-03-16 2018-09-20 사회복지법인 삼성생명공익재단 인공신경망을 이용한 활액막 육종의 예후 예측 방법, 장치 및 프로그램

Also Published As

Publication number Publication date
CN114219787A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN114219787B (zh) 一种初诊多发性骨髓瘤预后分期系统
Zeeshan et al. Diagnostic accuracy of digital mammography in the detection of breast cancer
EP3048977B1 (en) Patient-specific analysis of positron emission tomography data
Kim et al. Predictive value of [18F] FDG PET for pathological response of breast cancer to neo-adjuvant chemotherapy
EP2962280B1 (en) Automatic measurement of lesions on medical images
Yamaoka et al. Mesorectal fat area as a useful predictor of the difficulty of robotic-assisted laparoscopic total mesorectal excision for rectal cancer
Nilsson et al. Thyroid incidentaloma detected by fluorodeoxyglucose positron emission tomography/computed tomography: practical management algorithm
Iannicelli et al. Value of diffusion-weighted MRI and apparent diffusion coefficient measurements for predicting the response of locally advanced rectal cancer to neoadjuvant chemoradiotherapy
Huellner PET/MR in head and neck cancer–an update
US8929625B2 (en) Method and device for side-effect prognosis and monitoring
Kim et al. T2-weighted signal intensity-selected volumetry for prediction of pathological complete response after preoperative chemoradiotherapy in locally advanced rectal cancer
US20220246308A1 (en) Integrated precision medicine by combining quantitative imaging techniques with quantitative genomics for improved decision making
Yang et al. Evaluation of liver function using liver parenchyma, spleen and portal vein signal intensities during the hepatobiliary phase in Gd-EOB-D TPA-enhanced MRI
Chi et al. Diagnostic value of the enhancement intensity and enhancement pattern of CESM to benign and malignant breast lesions
Meyer et al. Discrimination between malignant and benign thyroid tumors by diffusion-weighted imaging–A systematic review and meta analysis
Park et al. Clinical utility of F-18 sodium fluoride PET/CT for estimating disease activity in patients with rheumatoid arthritis
Yang et al. NNU-net-based pancreas segmentation and volume measurement on CT imaging in patients with pancreatic cancer
CN114820856B (zh) 一种基于18f-fdg pet/ct代谢参数的肿瘤预测系统
Lin et al. The prevalence and clinical significance of 18F–2‐fluoro‐2‐deoxy‐D‐glucose (FDG) uptake in the thyroid gland on PET or PET‐CT in patients with lymphoma
CN117954099A (zh) 一种乳腺癌风险预测方法、装置、设备和存储介质
Yang et al. PET Index of bone glucose metabolism (PIBGM) classification of PET/CT data for fever of Unknown Origin Diagnosis
Ikeda et al. Femoral marrow MRI is a non-invasive, non-irradiated and useful tool for detecting bone marrow involvement in non-Hodgkin lymphoma
KR20200123698A (ko) 유방암의 예후를 예측하기 위해 세망내피계에서 포도당 또는 그의 유사체를 검출하는 방법
Yao et al. Effects of Fever on 18 F-FDG Distribution In Vivo: a Preliminary Study
Ming et al. Evaluation of radiomics in improving the diagnostic efficacy of whole body 99m Tc-MDP bone scintigraphy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant