Skip to main content
main-content

04.05.2020 | Review Article | Ausgabe 10/2020

Strahlentherapie und Onkologie 10/2020

Radiomics and deep learning in lung cancer

Zeitschrift:
Strahlentherapie und Onkologie > Ausgabe 10/2020
Autoren:
Michele Avanzo, Joseph Stancanello, Giovanni Pirrone, Giovanna Sartor

Abstract

Lung malignancies have been extensively characterized through radiomics and deep learning. By providing a three-dimensional characterization of the lesion, models based on radiomic features from computed tomography (CT) and positron-emission tomography (PET) have been developed to detect nodules, distinguish malignant from benign lesions, characterize their histology, stage, and genotype. Deep learning models have been applied to automatically segment organs at risk in lung cancer radiotherapy, stratify patients according to the risk for local and distant recurrence, and identify patients candidate for molecular targeted therapy and immunotherapy. Moreover, radiomics has also been applied successfully to predict side effects such as radiation- and immunotherapy-induced pneumonitis and differentiate lung injury from recurrence. Radiomics could also untap the potential for further use of the cone beam CT acquired for treatment image guidance, four-dimensional CT, and dose-volume data from radiotherapy treatment plans. Radiomics is expected to increasingly affect the clinical practice of treatment of lung tumors, optimizing the end-to-end diagnosis–treatment–follow-up chain. The main goal of this article is to provide an update on the current status of lung cancer radiomics.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

★ PREMIUM-INHALT
e.Med Interdisziplinär

Für Ihren Erfolg in Klinik und Praxis - Die beste Hilfe in Ihrem Arbeitsalltag als Mediziner

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de.

Weitere Produktempfehlungen anzeigen
Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 10/2020

Strahlentherapie und Onkologie 10/2020 Zur Ausgabe
  1. Sie können e.Med Radiologie 14 Tage kostenlos testen (keine Print-Zeitschrift enthalten). Der Test läuft automatisch und formlos aus. Es kann nur einmal getestet werden.

  2. Sie können e.Med Onkologie 14 Tage kostenlos testen (keine Print-Zeitschrift enthalten). Der Test läuft automatisch und formlos aus. Es kann nur einmal getestet werden.

  3. Ich möchte die nächsten 3 Hefte kostenlos testen.

    Wenn mir die Zeitschrift gefällt, beziehe ich nach Erhalt der Probeausgaben Strahlentherapie und Onkologie 12x pro Jahr für insgesamt 617 € im Inland (Abonnementpreis 552,80 € plus Versandkosten 64,20 €) bzw. 645,80 € im Ausland (Abonnementpreis 552,80 € plus Versandkosten 93 €).
    Dies entspricht einem Gesamtmonatspreis von 51,42 € im Inland bzw. 53,82 € im Ausland.

    Sollte ich von dieser Zeitschrift nicht überzeugt sein, informiere ich den Leserservice bis spätestens 14 Tage nach Erhalt des 3. Probeheftes.

    Alle genannten Preise verstehen sich inklusive dt. gesetzl. MwSt. In EU-Ländern gilt die jeweilige gesetzliche Mehrwertsteuer. Dadurch kann es ggf. zu Preisabweichungen bei Bestellungen aus dem Ausland kommen.

    Die Abrechnung erfolgt einmal jährlich zu Beginn des Bezugszeitraumes per Rechnung.

    Die Mindestlaufzeit dieses Abonnements beträgt ein Jahr. Das Abonnement verlängert sich automatisch jährlich um jeweils ein weiteres Jahr, wenn es nicht bis spätestens 30 Tage vor Ablauf der Vertragslaufzeit gekündigt wird. Die Kündigung muss in Textform an den Leserservice erfolgen. Es gilt das gesetzliche Mängelhaftungsrecht.
     

    Leserservice
    Springer Nature Customer Service Center
    Tiergartenstr. 15
    69121 Heidelberg
    Tel. 06221 345-4303/Fax: 06221 345-4229
    E-Mail: leserservice@springernature.com
     

Neu im Fachgebiet Onkologie

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Onkologie und bleiben Sie gut informiert – ganz bequem per eMail.

Bildnachweise