Segmentazione automatica MRI Glioma cerebrale

I gliomi sono i tumori cerebrali primitivi più comuni e sono classificati in base al loro aspetto istopatologico utilizzando il sistema dell'Organizzazione Mondiale della Sanità (OMS) in gliomi di basso grado (LGG) (gradi I e II) e gliomi di alto grado (glioma anaplastico di grado III e grado glioblastoma IV.

I gliomi, particolarmente di alto grado, mostrano schemi di crescita irregolari che si infiltrano nel cervello circostante e quindi mostrano confini irregolari che potrebbero non essere chiari sulle immagini di risonanza magnetica (MRI) convenzionali Le immagini RM vengono ispezionate visivamente dai radiologi, tuttavia, la valutazione visiva è soggettiva e richiede tempo e incline alla variabilità a causa delle differenze inter-valutatore. La delineazione accurata dei confini del tumore e la valutazione del volume del tumore sono essenziali per la pianificazione del trattamento e il monitoraggio della risposta al trattamento . Tuttavia, la delineazione accurata dei confini del glioma utilizzando la valutazione visiva soggettiva è spesso difficile a causa dell'eterogeneità e della complessità del tumore, della sovrapposizione dell'intensità del segnale con i tessuti circostanti e della crescita irregolare del tumore nelle strutture vicine .

Rispetto alla volumetria del tumore, la valutazione visiva di routine della dimensione del tumore si basa su semplici misurazioni lineari del volume lordo del tumore. Queste misurazioni bidimensionali vengono spesso eseguite su una singola sezione MRI senza misurazioni volumetriche. Queste misurazioni lineari dipendono dall'utente e sono soggette a errori a causa della maggiore variabilità delle misurazioni, specialmente nelle lesioni di forma irregolare I metodi di segmentazione del tumore completamente automatici basati su computer rappresentano una possibile soluzione a questi problemi. Il processo si basa sull'estrazione di informazioni dalle immagini MRI cerebrali strutturali utilizzando un modello di tessuto probabilistico per definire i confini chiari del tumore utilizzando diverse sequenze di impulsi MRI. Questi metodi potrebbero identificare accuratamente e rapidamente il glioma dal tessuto cerebrale normale circostante ed eseguire la volumetria del tumore, eliminando la variabilità intra-osservatore e inter-osservatore I cambiamenti interni all'interno del glioma, come il modello di miglioramento e la degenerazione, sono cruciali per l'identificazione del grado del glioma, la trattamento, monitoraggio della progressione della malattia e valutazione dell'efficacia della terapia. Nel processo di segmentazione automatica del glioma, diverse parti del glioma sono caratterizzate da tumore solido (attivo), necrosi ed edema peritumorale.

I metodi di segmentazione automatica utilizzano tecniche di intelligenza artificiale e apprendimento automatico per l'estrazione di informazioni dalla risonanza magnetica multi-sequenza tra cui, fondamentalmente, sequenze T1W, T1W potenziate con gadolinio, T2W e FLAIR.

Un'appropriata valutazione dell'estensione della resezione del tumore gioca un ruolo importante nella prognosi del glioma, poiché massimizzare l'estensione della resezione influenza la sopravvivenza in questi pazienti. La resezione completa del tumore enhancement, definita come la rimozione dell'1-2% finale del tumore, sembra fornire il maggior beneficio in termini di sopravvivenza del paziente. La segmentazione automatica potrebbe portare a una migliore diagnosi ea una corretta pianificazione del trattamento attraverso un'accurata localizzazione e classificazione del tumore.