الأبحاث المرتبطة بالكلمة المفتاحية: غليوما
-
تأثير الأورام السحائية والورم الدبقي على ديناميات الدماغ بالكامل
Impact of meningioma and glioma on whole-brain dynamics2026 | المؤلف: Albert Juncà وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)تستكشف هذه الدراسة آثار أورام الدماغ، وخاصة الأورام السحائية والأورام الدبقية، على الديناميات العصبية من خلال استخدام إطار الإشعال الداخلي لتحليل بيانات التصوير بالرنين المغناطيسي الوظيفي في حالة الراحة من 34 مشاركًا. تقيس الأبحاث ديناميات الدماغ من خلال مقاييس الإشعال الداخلي والميتابولية، كاشفةً أن مرضى الأورام الدبقية يظهرون انخفاضات كبيرة في كلا المقياسين مقارنةً بالضوابط…
-
برامج وأصول ووظائف تعديل المناعة للخلايا النخاعية في الورم الدبقي
Programs, origins and immunomodulatory functions of myeloid cells in glioma2025 | المؤلف: Tyler E. Miller وآخرون | المجلة: Nature | المجال: علم المناعة (Immunology)تبحث هذه الدراسة في الأدوار المناعية للخلايا النخاعية في الأورام الدبقية، وهي أورام دماغية عدوانية تتميز ببيئة ميكروية مثبطة للمناعة. باستخدام مزيج من تسلسل RNA أحادي الخلية، وتحليل وصول الكروماتين، والترانسكريبتوميات المكانية، ونماذج الأورام الدبقية العضوية، تحدد الدراسة أربعة برامج تعبير مناعية متميزة: اثنان فريدان للأورام الدماغية الأولية (برامج الالتهاب الميكروغليالي وبرامج الكنس) واثنان مشتركان…
-
نموذج هجين قابل للتفسير يعتمد على تقنيات التعلم الآلي المتقدمة ونماذج التعلم العميق لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي
A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images2025 | المؤلف: Md. Nahiduzzaman وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تتناول هذه البحث التحدي الحاسم في تصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي، مقترحة إطار عمل جديد يدمج شبكة عصبية تلافيفية خفيفة الوزن وقابلة للفصل (PDSCNN) مع آلة التعلم المتطرفة الانحدارية الهجينة (RRELM). تؤكد الدراسة على أهمية الكشف المبكر والتصنيف الدقيق للعلاج الفعال، باستخدام تعديل تكييف هيستوجرام محدود التباين (CLAHE) لتعزيز وضوح ميزات الورم في…
-
تحليل أورام الدماغ باستخدام التصوير بالرنين المغناطيسي المدمج مع التعلم العميق: استخراج الميزات، والتقسيم، وتوقع البقاء باستخدام الشبكات المكررة والشبكات الحجمية
Deep learning-integrated MRI brain tumor analysis: feature extraction, segmentation, and Survival Prediction using Replicator and volumetric networks2025 | المؤلف: Deependra Rastogi وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تقدم هذه الورقة البحثية نهج تعلم عميق لتجزئة الأورام الدبقية، وهي أكثر الأورام الخبيثة شيوعًا في الدماغ، وتوقع معدلات بقاء المرضى باستخدام صور الرنين المغناطيسي. تعتمد المنهجية على بنية شبكة عصبية تلافيفية ثلاثية الأبعاد (2D) تتضمن قاعدة الأغلبية لتعزيز دقة تجزئة الأورام وتقليل تحيز النموذج. بالإضافة إلى ذلك، يتم استخراج الميزات الإشعاعية من مناطق الأورام…
-
الخلايا التائية CAR المستهدفة لبروتين B7-H3 داخل البطينات الدماغية لعلاج الورم الدبقي الجسري المنتشر في الجسر: تجربة المرحلة الأولى
Intracerebroventricular B7-H3-targeting CAR T cells for diffuse intrinsic pontine glioma: a phase 1 trial2025 | المؤلف: Nicholas A. Vitanza وآخرون | المجلة: Nature Medicine | المجال: علم الأورام (Oncology)في هذا القسم، يصف المؤلفون الطرق المستخدمة لتطوير خلايا CAR T الخاصة بـ B7-H3، والتي تُعرف باسم SCRI-CARB7H3(s). تم تصميم هذه خلايا CAR T باستخدام بناء من الجيل الثاني يتضمن 4-1BB:zetaCAR مرتبطًا بتسلسل تخطي الريبوسوم T2A، مما يسهل التعبير المشترك عن بروتينات متعددة. بالإضافة إلى ذلك، تم تضمين متغير لمستقبل عامل النمو الظهاري (EGFRt) كعلامة…
-
نموذج هجين لشبكة عصبية عميقة لتصنيف صور أورام الدماغ متعددة الفئات
A hybrid deep CNN model for brain tumor image multi-classification2024 | المؤلف: Saravanan Srinivasan وآخرون | المجلة: BMC Medical Imaging | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث نهجًا جديدًا لتشخيص وتصنيف أورام الدماغ من خلال نظام تصنيف متعدد الطبقات قائم على التعلم العميق ومؤتمت بالكامل يستخدم الشبكات العصبية التلافيفية (CNNs). تُنتقد الطرق التقليدية، التي تعتمد على التقييمات النسيجية لعينات الخزعة، لكونها غازية، وتستغرق وقتًا طويلاً، وعرضة للأخطاء البشرية. لمعالجة هذه التحديات، طور المؤلفون ثلاثة نماذج CNN متميزة مصممة لمهام…