SAUT, Olivier; COLIN, Thierry; COLLIN, Annabelle; KRITTER, Thibaut; PIANET, Vivien; POIGNARD, Clair; TATON, Benjamin

Métadonnées

Licence d’utilisation du document

SAUT, Olivier
Institut de Mathématiques de Bordeaux [IMB]
Centre National de la Recherche Scientifique [CNRS]
Modélisation Mathématique pour l'Oncologie [MONC]

COLIN, Thierry
Institut de Mathématiques de Bordeaux [IMB]

COLLIN, Annabelle
Institut Polytechnique de Bordeaux [Bordeaux INP]
Modélisation Mathématique pour l'Oncologie [MONC]

Langue

Chapitre d'ouvrage

Ce document a été publié dans

Computational Systems Biology Approaches in Cancer Research, Computational Systems Biology Approaches in Cancer Research. 2019-09

CRC Press

Résumé en anglais

As cancer evolution is challenging to evaluate, there is dire need of novel approaches offering clinicians a better insight on the disease. For instance, having an estimation of the growth of slowly evolving tumors that have to be monitored or of the risk of relapse after treatment may be invaluable for clinicians. In this article, two approaches (statistical learning and mechanistic modelling) are presented that aim at addressing these clinical questions. As we wish to use data available in the clinical routine for solid tumors, medical images will be a major source of insight on the disease.< Réduire

Métadonnées

Partager cette publication !

Licence d’utilisation du document

Evaluating growth and risk of relapse of intracranial tumors

Langue

Ce document a été publié dans

Résumé en anglais

URI

Origine

Unités de recherche