MRT-basierte Gehirn-Elastographie zeigt Physik des Glioblastom-Wachstums
Die Fließeigenschaften eines Glioblastoms geben Aufschluss über sein Infiltrationspotential.
Die Fließeigenschaften eines Glioblastoms geben Aufschluss über sein Infiltrationspotential.
Die Histogramm-Analyse einer dynamischen, kontrastverstärkten MRT von Brusttumoren lässt Rückschlüsse auf vorhandene Lymphknotenmetastasen zu. Weitere Studien sollen zeigen, ob die Methode auch zwischen verschiedenen Stadien der Lymphknotenmetastasierung unterscheiden kann.
Ein System, das Ultraschall- und MRT-Bilder gleichzeitig erfassen kann, haben Fraunhofer-Forscher entwickelt.
Die automatische Segmentierung von Meningeomen mittels Deep-Learning und die manuelle Segmentierung sind in Punkto Genauigkeit vergleichbar. Ein solcher Ansatz könnte die RadiologInnen bei dieser Tätigkeit spürbar entlasten.
Intrakranielle Metastasen eines malignen Melanoms lassen sich mittels Deep Learning mit hoher Genauigkeit automatisch erkennen.
Die Kombination semiquantitativer Parameter aus der Bildgebung mit 11C-Methionin PET/CT und dynamischer, kontrastverstärkter MR-Perfusionsbildgebung unterscheidet sehr gut zwischen Rezidiven und therapiebedingten Strahlenschäden bei Patienten mit hochgradigen Gliomen.
Ergebnisse der German Lung Cancer Screening Intervention-Studie mit 4000 Rauchern zeigen das Potenzial eines systematischen Lungenkrebs-Screenings für Hochrisikogruppen.
Automatisierte Bildanalyse hilft Hirntumoren automatisch zu erkennen und den kontrastmittel-anreichernden Tumoranteil und das peritumorale Ödem volumetrisch zu vermessen.
7-Tesla-MRT zeigt, dass der Proteingehalt der Tumoren mit dem Therapieansprechen und dem Überleben korreliert.
Funktionelle Bildgebungsmethoden gewinnen in der Tumorbildgebung an Bedeutung.