Un marco de aprendizaje profundo para la detección pediátrica de TLE utilizando imágenes 18F-FDG-PET

Propósito: La clave para el control exitoso de la epilepsia consiste en localizar el foco epileptógeno antes del tratamiento. La 18F-FDG PET ha sido considerada como una poderosa tecnología de neuroimagen utilizada por los médicos para evaluar a los pacientes con epilepsia. Sin embargo, la calidad de las imágenes, los ángulos de visión y las experiencias pueden degradar fácilmente la consistencia en el diagnóstico de epilepsia. En este trabajo, los investigadores desarrollan un marco que combina técnicas de análisis radiómico y aprendizaje profundo con un método de diagnóstico asistido por computadora (CAD) para detectar focos epilépticos en pacientes pediátricos con epilepsia del lóbulo temporal (ELT) mediante imágenes PET.

Métodos: En primer lugar, se extraen y modelan diez características radiómicas de PET relacionadas con la epilepsia pediátrica del tronco temporal. Luego, se entrena una red neuronal llamada red siamesa para cuantificar la asimetría y ubicar automáticamente el foco epiléptico para el diagnóstico. El rendimiento del marco propuesto se probó y comparó tanto con la herramienta de software clínico de última generación como con médicos humanos con diferentes niveles. de experiencias para validar la precisión y consistencia.