Deep Learning for Automated Quantification of Radiographic Tumor Phenotypes

Informacje na temat projektu

CANCER-RADIOMICS

Identyfikator umowy o grant: 866504

DOI

10.3030/866504

Projekt został zamknięty

Data podpisania przez KE 3 Lipca 2020

Data rozpoczęcia 1 Sierpnia 2020

Data zakończenia 31 Lipca 2026

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity

€ 2 000 000,00

Wkład UE

€ 2 000 000,00

Koordynowany przez

UNIVERSITEIT MAASTRICHT
Netherlands

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Peer reviewed articles (10)

Deep-learning system to improve the quality and efficiency of volumetric heart segmentation for breast cancer.

Autorzy: Roman Zeleznik, Jakob Weiss, Jana Taron, Christian Guthier, Danielle S Bitterman, Cindy Hancox, Benjamin H Kann, Daniel W Kim, Rinaa S Punglia, Jeremy Bredfeldt, Borek Foldyna, Parastou Eslami, Michael T Lu, Udo Hoffmann, Raymond Mak, Hugo JWL Aerts
Opublikowane w: NPJ digital medicine, 2021, ISSN 2398-6352
Wydawca: Nature Publishing Group
DOI: 10.1038/s41746-021-00416-5

Clinical validation of deep learning algorithms for radiotherapy targeting of non-small-cell lung cancer: an observational study

Autorzy: Ahmed Hosny, Danielle S Bitterman, Christian V Guthier, Jack M Qian, Hannah Roberts, Subha Perni, Anurag Saraf, Luke C Peng, Itai Pashtan, Zezhong Ye, Benjamin H Kann, David E Kozono, David Christiani, Paul J Catalano, Hugo J W L Aerts, Raymond H Mak
Opublikowane w: The Lancet Digital Health, Numer Volume 4, Numer 9, September 2022, 2022, Strona(/y) Pages e657-e666, ISSN 2589-7500
Wydawca: Elsevier
DOI: 10.1016/s2589-7500(22)00129-7

Thymic radiation is associated with worse outcomes in patients with NSCLC

Autorzy: V. Prudente, S. Bernatz, S. Pai, K.M. Atkins, F. Pecci, E. Garbo, K. Bressem, C.V. Guthier, A. Warrington, M. Tonneau, C. Ciausu, S. Yu, L. Thompson, E. Mannarino, A.K. Attermann, L. Nürnberg, C.E. Kehayias, C. Abbosh, C. Swanton, M. Jamal-Hanjani, B. Ricciuti, N.J. Birkbak, R.H. Mak, H.J.W.L. Aerts
Opublikowane w: Annals of Oncology, Numer 37, 2026, Strona(/y) 1345-1357, ISSN 0923-7534
Wydawca: Oxford University Press
DOI: 10.1016/j.annonc.2026.07.001

Validation of a Deep Learning-Based Model to Predict Lung Cancer Risk Using Chest Radiographs and Electronic Medical Record Data

Autorzy: Vineet K Raghu, Anika S Walia, Aniket N Zinzuwadia, Reece J Goiffon, Jo-Anne O Shepard, Hugo J W L Aerts, Inga T Lennes, Michael T Lu
Opublikowane w: Jama network open, Numer Volume 5, Numer number 12, 2022, Strona(/y) 13, ISSN 2574-3805
Wydawca: American Medical Association
DOI: 10.1001/jamanetworkopen.2022.48793

Artificial intelligence for clinical oncology

Autorzy: Benjamin H Kann, Ahmed Hosny, Hugo JWL Aerts
Opublikowane w: Cancer Cell, 2021, ISSN 1878-3686
Wydawca: Elsevier
DOI: 10.1016/j.ccell.2021.04.002

Thymic health consequences in adults

Autorzy: Simon Bernatz, Vasco Prudente, Suraj Pai, Asbjørn K. Attermann, Yumeng Cao, Jiachen Chen, Asya Lyass, Borek Foldyna, Leonard Nürnberg, Keno Bressem, Christopher Abbosh, Charles Swanton, Mariam Jamal-Hanjani, Michael T. Lu, Joanne M. Murabito, Kathryn L. Lunetta, Nicolai J. Birkbak, Hugo J. W. L. Aerts
Opublikowane w: Nature, Numer 652, 2026, Strona(/y) 986-994, ISSN 0028-0836
Wydawca: Nature Publishing Group
DOI: 10.1038/s41586-026-10242-y

Deep learning classification of lung cancer histology using CT images

Autorzy: Tafadzwa L Chaunzwa, Ahmed Hosny, Yiwen Xu, Andrea Shafer, Nancy Diao, Michael Lanuti, David C Christiani, Raymond H Mak, Hugo JWL Aerts
Opublikowane w: Nature Scientific Reports, 2021, ISSN 2045-2322
Wydawca: Nature Publishing Group
DOI: 10.1038/s41598-021-84630-x

Deep convolutional neural networks to predict cardiovascular risk from computed tomography

Autorzy: Roman Zeleznik, Borek Foldyna, Parastou Eslami, Jakob Weiss, Ivanov Alexander, Jana Taron, Chintan Parmar, Raza M Alvi, Dahlia Banerji, Mio Uno, Yasuka Kikuchi, Julia Karady, Lili Zhang, Jan-Erik Scholtz, Thomas Mayrhofer, Asya Lyass, Taylor F Mahoney, Joseph M Massaro, Ramachandran S Vasan, Pamela S Douglas, Udo Hoffmann, Michael T Lu, Hugo JWL Aerts
Opublikowane w: Nature communications, Numer Volume 12, Numer 1, 2021, Strona(/y) 1-9, ISSN 2041-1723
Wydawca: Nature Publishing Group
DOI: 10.1038/s41467-021-20966-2

Deep Learning-based Detection of Intravenous Contrast Enhancement on CT Scans

Autorzy: Zezhong Ye, Jack M Qian, Ahmed Hosny, Roman Zeleznik, Deborah Plana, Jirapat Likitlersuang, Zhongyi Zhang, Raymond H Mak, Hugo J W L Aerts, Benjamin H Kann
Opublikowane w: Radiology: Artificial Intelligence, Numer Volume 4 Numer number 3, 2022, Strona(/y) 7, ISSN 2638-6100
Wydawca: Radiology
DOI: 10.1148/ryai.210285

Thymic health and immunotherapy outcomes in patients with cancer

Autorzy: Simon Bernatz, Vasco Prudente, Suraj Pai, Asbjørn K. Attermann, Alessandro Di Federico, Andrew Rowan, Selvaraju Veeriah, Lars Dyrskjøt, Leonard Nürnberg, Joao V. Alessi, Patrick A. Ott, Elad Sharon, Allan Hackshaw, Nicholas McGranahan, Christopher Abbosh, Raymond H. Mak, Danielle Bitterman, Mark Awad, Biagio Ricciuti, Charles Swanton, Mariam Jamal-Hanjani, Nicolai J. Birkbak, Hugo J. W. L. Aert
Opublikowane w: Nature, Numer 652, 2026, Strona(/y) 995-1003, ISSN 0028-0836
Wydawca: Nature Publishing Group
DOI: 10.1038/s41586-026-10243-x