Zobrazeno 1 - 10
of 544
pro vyhledávání: '"Mathematical oncology"'
Autor:
Tahmineh Azizi
Publikováno v:
AppliedMath, Vol 4, Iss 3, Pp 1065-1079 (2024)
Cancer, a complex disease characterized by uncontrolled cell growth and metastasis, remains a formidable challenge to global health. Mathematical modeling has emerged as a critical tool to elucidate the underlying biological mechanisms driving tumor
Externí odkaz:
https://doaj.org/article/99c093ebbdd14b0883a758da9cfac3b5
Autor:
Hugo J. M. Miniere, Ernesto A. B. F. Lima, Guillermo Lorenzo, David A. Hormuth II, Sophia Ty, Amy Brock, Thomas E. Yankeelov
Publikováno v:
Cancer Biology & Therapy, Vol 25, Iss 1 (2024)
Tumor heterogeneity contributes significantly to chemoresistance, a leading cause of treatment failure. To better personalize therapies, it is essential to develop tools capable of identifying and predicting intra- and inter-tumor heterogeneities. Bi
Externí odkaz:
https://doaj.org/article/0e280a58802b47fcb80eb711f4c69ab3
Publikováno v:
In Journal of Theoretical Biology 21 February 2025 599
Publikováno v:
Frontiers in Oncology, Vol 14 (2024)
Mitomycin-C (MMC) chemotherapy is a well-established anti-cancer treatment for non-muscle-invasive bladder cancer (NMIBC). However, despite comprehensive biological research, the complete mechanism of action and an ideal regimen of MMC have not been
Externí odkaz:
https://doaj.org/article/1501ca445c834c37a35b724d7ee9a1b3
Publikováno v:
Mathematical Biosciences and Engineering, Vol 20, Iss 10, Pp 17986-18017 (2023)
The use of mathematical models to make predictions about tumor growth and response to treatment has become increasingly prevalent in the clinical setting. The level of complexity within these models ranges broadly, and the calibration of more complex
Externí odkaz:
https://doaj.org/article/199c43dff50e464490068ca330bc31ef
Autor:
Anirban Chaudhuri, Graham Pash, David A. Hormuth, Guillermo Lorenzo, Michael Kapteyn, Chengyue Wu, Ernesto A. B. F. Lima, Thomas E. Yankeelov, Karen Willcox
Publikováno v:
Frontiers in Artificial Intelligence, Vol 6 (2023)
We develop a methodology to create data-driven predictive digital twins for optimal risk-aware clinical decision-making. We illustrate the methodology as an enabler for an anticipatory personalized treatment that accounts for uncertainties in the und
Externí odkaz:
https://doaj.org/article/0033dc2ccbbf4cf4b2bfb36a88972137
Autor:
George Bebis, Mamoru Kato, Mohammad Kohandel, Kathleen Wilkie, Dinler A. Antunes, Ken Chen, Jinzhuang Dou
Publikováno v:
Frontiers in Oncology, Vol 13 (2023)
Externí odkaz:
https://doaj.org/article/4b20215af54943748379ec7d61eb63be
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.