自動セグメンテーション MRI 脳神経膠腫

神経膠腫は最も一般的な原発性脳腫瘍であり、世界保健機関 (WHO) システムを使用した組織病理学的外観によって、低悪性度神経膠腫 (LGG) (グレード I および II) と高悪性度神経膠腫 (グレード III 未分化神経膠腫および悪性度IV膠芽腫。

特に高悪性度の神経膠腫は、周囲の脳に浸潤する不規則な成長パターンを示すため、従来の磁気共鳴画像 (MRI) では不規則な境界がはっきりしない可能性があります MR 画像は放射線科医によって視覚的に検査されますが、視覚的評価は主観的で時間がかかります評価者間の違いによるばらつきが生じやすい。 腫瘍境界の正確な描写と腫瘍体積の評価は、治療計画と治療反応のモニタリングに不可欠です。 ただし、主観的な視覚的評価を使用して神経膠腫の境界を正確に描写することは、腫瘍の不均一性と複雑さ、周囲の組織との信号強度の重複、および近くの構造への不均一な腫瘍の成長により、しばしば困難です。

腫瘍体積測定と比較して、腫瘍サイズの日常的な視覚的評価は、総腫瘍体積の単純な線形測定に基づいています。 これらの 2 次元測定は、多くの場合、容積測定なしで 1 つの MRI スライスに対して実行されます。 これらの線形測定はユーザーに依存し、測定のばらつきが大きくなるため、特に不規則な形状の病変ではエラーが発生しやすくなります。コンピューターベースの全自動腫瘍セグメンテーション方法は、これらの問題に対する可能な解決策を提示します。 このプロセスは、確率的組織モデルを使用して構造脳 MRI 画像から情報を抽出し、さまざまな MRI パルス シーケンスを使用して明確な腫瘍境界を定義することに基づいています。 これらの方法は、周囲の正常な脳組織から神経膠腫を正確かつ迅速に識別し、観察者内および観察者間の変動性を排除しながら、腫瘍容積測定を実行できます。強化パターンや変性などの神経膠腫内の内部変化は、神経膠腫のグレードの識別、治療、疾患の進行のモニタリング、および治療の有効性の評価。 神経膠腫の自動セグメンテーションの過程で、神経膠腫のさまざまな部分が固形 (活動性) 腫瘍、壊死、および腫瘍周囲浮腫として特徴付けられます。

自動セグメンテーション方法は、基本的にT1W、ガドリニウム強化T1W、T2W、およびFLAIRシーケンスを含むマルチシーケンスMRIからの情報の抽出に人工知能および機械学習技術を利用します。

腫瘍切除範囲の適切な評価は、神経膠腫の予後において重要な役割を果たします。これは、切除範囲を最大化することがこれらの患者の生存に影響を与えるためです。 腫瘍の最後の 1 ～ 2% を除去することと定義される増強腫瘍の完全切除は、患者の生存に関して最も有益であると思われます。 自動セグメンテーションは、正確な腫瘍の局在化と分類を通じて、より良い診断と適切な治療計画につながる可能性があります。