Longitudinal NSCLC Treatment Progression via Multimodal Generative Models
多模态生成模型用于非小细胞肺癌治疗进展的纵向预测
机构 * Unit of Artificial Intelligence and Computer Systems, Department of Engineering, Università Campus Bio-Medico di Roma, Italy（人工智能与计算机系统单位，工程系，罗马大学生物医学学院） ； Multi-Specialist Clinical Institute for Orthopaedic Trauma Care (COT), Messina, Italy（骨科创伤护理多学科临床研究所（COT），意大利Messina） ； Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering, Umeå University, Sweden（诊断与介入系，放射物理，生物医学工程，乌梅大学，瑞典） ； Operative Research Unit of Radiation Oncology, Fondazione Policlinico Universitario Campus Bio-Medico, Rome, Italy（放射肿瘤手术研究单位，大学生物医学学院基金会，罗马，意大利） ； Research Unit of Radiation Oncology, Department of Medicine and Surgery, Università Campus Bio-Medico di Roma, Italy（放射肿瘤研究单位，医学与外科系，罗马大学生物医学学院，意大利） ； Department of Biomedical Engineering, University of Basel, Allschwil, Switzerland（生物医学工程系，巴塞尔大学，瑞士Allschwil） ； Department of Naval, Electrical, Electronics and Telecommunications Engineering, University of Genoa, Italy（海军、电气、电子与电信工程系，热那亚大学，意大利）
专题命中 医疗多模态 ：CT(abstract)；分类 cs.CV
AI总结 本研究提出虚拟治疗框架，利用多模态生成模型预测NSCLC治疗进展，验证扩散模型在生成稳定肿瘤演变轨迹方面的优势。
