Automatikus szegmentációs MRI agyi glioma

A gliomák a leggyakoribb primer agydaganatok, és kórszövettani megjelenésük alapján az Egészségügyi Világszervezet (WHO) rendszere alapján alacsony fokú gliomára (LGG) (I. és II. fokozat) és magas fokú gliomára (III. fokozatú anaplasztikus glióma és fokozat) osztályozhatók. IV glioblasztóma.

A gliómák, különösen a magas fokú, szabálytalan növekedési mintákat mutatnak, amelyek beszivárognak a környező agyba, és így szabálytalan határokat mutatnak, amelyek a hagyományos mágneses rezonancia felvételeken (MRI) nem egyértelműek. Az MR-képeket a radiológusok vizuálisan ellenőrzik, azonban a vizuális értékelés szubjektív, időigényes. és az értékelők közötti különbségek miatti változékonyságra hajlamos. A daganathatárok pontos meghatározása, valamint a daganat térfogatának felmérése elengedhetetlen a kezelés megtervezéséhez és a kezelési válasz nyomon követéséhez. A glióma határainak pontos meghatározása azonban szubjektív vizuális értékeléssel gyakran nehéz a tumor heterogenitása és összetettsége, a jelintenzitás átfedése a környező szövetekkel és a tumor közeli struktúrákba történő egyenetlen növekedése miatt.

A tumor volumetriájához képest a tumor méretének rutin vizuális értékelése a bruttó tumortérfogat egyszerű lineáris mérésén alapul. Ezeket a kétdimenziós méréseket gyakran egyetlen MRI-szeleten végzik térfogatmérés nélkül. Ezek a lineáris mérések felhasználófüggőek, és a megnövekedett mérési variabilitás miatt hajlamosak a hibákra, különösen a szabálytalan alakú elváltozásoknál. A számítógépes, teljesen automatikus tumorszegmentációs módszerek megoldást jelentenek ezekre a problémákra. A folyamat a strukturális agyi MRI-képekből való információ kinyerésén alapul, valószínűségi szövetmodell segítségével, hogy meghatározzák az egyértelmű tumorhatárokat különböző MRI-impulzusszekvenciák segítségével. Ezekkel a módszerekkel pontosan és gyorsan lehet azonosítani a gliomát a környező normál agyszövetből, és elvégezni a tumor volumetriáját, miközben kiküszöböli a megfigyelőn belüli és a megfigyelők közötti variabilitást. A gliómán belüli belső változások, mint például a fokozódási mintázat és a degeneráció, kulcsfontosságúak a glióma fokozatának azonosításához, a kezelés tervezéséhez. kezelés, a betegség progressziójának nyomon követése és a terápia hatékonyságának értékelése. Az automatikus gliómaszegmentáció során a glióma különböző részeit szilárd (aktív) daganat, nekrózis és peritumorális ödéma jellemzi.

Az automatikus szegmentálási módszerek mesterséges intelligenciát és gépi tanulási technikákat használnak a többszekvenciás MRI-ből származó információk kinyerésére, beleértve alapvetően a T1W, Gadolinium javított T1W, T2W és FLAIR szekvenciákat.

A tumor reszekció mértékének megfelelő felmérése fontos szerepet játszik a glióma prognózisában, mivel a reszekció mértékének maximalizálása befolyásolja ezeknél a betegeknél a túlélést. Úgy tűnik, hogy a fokozódó daganat teljes reszekciója, amelyet a tumor utolsó 1-2%-ának eltávolításaként határoznak meg, nyújtja a legtöbb előnyt a beteg túlélése szempontjából. Az automatikus szegmentáció jobb diagnózishoz és megfelelő kezelési tervezéshez vezethet a tumor pontos lokalizációján és osztályozásán keresztül.