We present a 3D fully-automatic method for the calibration of partial differential equation (PDE) models of glioblastoma (GBM) growth with mass effect, the deformation of brain tissue due to the tumor. We quantify the mass effect, tumor proliferation, tumor migration, and the localized tumor initial condition from a single multiparameteric Magnetic Resonance Imaging (mpMRI) patient scan. The PDE is a reaction-advection-diffusion partial differential equation coupled with linear elasticity equations to capture mass effect. The single-scan calibration model is notoriously difficult because the precancerous (healthy) brain anatomy is unknown. To solve this inherently ill-posed and ill-conditioned optimization problem, we introduce a novel inversion scheme that uses multiple brain atlases as proxies for the healthy precancer patient brain resulting in robust and reliable parameter estimation. We apply our method on both synthetic and clinical datasets representative of the heterogeneous spatial landscape typically observed in glioblastomas to demonstrate the validity and performance of our methods. In the synthetic data, we report calibration errors (due to the ill-posedness and our solution scheme) in the 10\%-20\% range. In the clinical data, we report good quantitative agreement with the observed tumor and qualitative agreement with the mass effect (for which we do not have a ground truth). Our method uses a minimal set of parameters and provides both global and local quantitative measures of tumor infiltration and mass effect.

中文翻译：

---

具有质量效应的生物物理脑肿瘤生长模型的多图谱校准

我们提出了一种 3D 全自动方法，用于校准具有质量效应的胶质母细胞瘤 (GBM) 生长的偏微分方程 (PDE) 模型，即肿瘤引起的脑组织变形。我们从单个多参数磁共振成像 (mpMRI) 患者扫描中量化质量效应、肿瘤增殖、肿瘤迁移和局部肿瘤初始条件。PDE 是一个反应-平流-扩散偏微分方程，结合线性弹性方程来捕捉质量效应。单次扫描校准模型是出了名的困难，因为癌前（健康）大脑解剖结构是未知的。为了解决这个固有的病态和病态优化问题，我们引入了一种新的反演方案，该方案使用多个脑图谱作为健康的癌前患者大脑的代理，从而实现稳健可靠的参数估计。我们将我们的方法应用于代表通常在胶质母细胞瘤中观察到的异质空间景观的合成和临床数据集，以证明我们方法的有效性和性能。在合成数据中，我们报告了 10\%-20\% 范围内的校准错误（由于不适定性和我们的解决方案）。在临床数据中，我们报告了与观察到的肿瘤的定量一致性和质量效应的质量一致性（对此我们没有基本事实）。我们的方法使用最少的参数集，并提供肿瘤浸润和质量效应的全局和局部定量测量。我们将我们的方法应用于代表通常在胶质母细胞瘤中观察到的异质空间景观的合成和临床数据集，以证明我们方法的有效性和性能。在合成数据中，我们报告了 10\%-20\% 范围内的校准错误（由于不适定性和我们的解决方案）。在临床数据中，我们报告了与观察到的肿瘤的定量一致性和质量效应的质量一致性（对此我们没有基本事实）。我们的方法使用最少的参数集，并提供肿瘤浸润和质量效应的全局和局部定量测量。我们将我们的方法应用于代表通常在胶质母细胞瘤中观察到的异质空间景观的合成和临床数据集，以证明我们方法的有效性和性能。在合成数据中，我们报告了 10\%-20\% 范围内的校准错误（由于不适定性和我们的解决方案）。在临床数据中，我们报告了与观察到的肿瘤的定量一致性和质量效应的质量一致性（对此我们没有基本事实）。我们的方法使用最少的参数集，并提供肿瘤浸润和质量效应的全局和局部定量测量。我们报告了与观察到的肿瘤良好的定量一致性和与质量效应的定性一致性（对此我们没有基本事实）。我们的方法使用最少的参数集，并提供肿瘤浸润和质量效应的全局和局部定量测量。我们报告了与观察到的肿瘤良好的定量一致性和与质量效应的定性一致性（对此我们没有基本事实）。我们的方法使用最少的参数集，并提供肿瘤浸润和质量效应的全局和局部定量测量。