자동 분할 MRI 뇌교종

신경아교종은 가장 흔한 원발성 뇌종양이며 세계보건기구(WHO) 시스템을 사용하여 조직병리학적 모양에 따라 저등급 신경교종(LGG)(등급 I 및 II)과 고급 신경교종(등급 III 역형성 신경아교종 및 등급)으로 분류됩니다. IV 교모세포종.

신경교종, 특히 고등급은 주변 뇌에 침윤하는 불규칙한 성장 패턴을 나타내어 기존의 자기 공명 영상(MRI)에서 명확하지 않을 수 있는 불규칙한 경계를 나타냅니다. 평가자 간 차이로 인해 가변성이 발생하기 쉽습니다. 종양 경계의 정확한 묘사와 종양 부피의 평가는 치료 계획 및 치료 반응 모니터링에 필수적입니다. 그러나 주관적인 시각적 평가를 사용하여 신경아교종의 경계를 정확하게 묘사하는 것은 종양의 이질성과 복잡성, 주변 조직과의 신호 강도 중첩 및 인근 구조로의 고르지 않은 종양 성장으로 인해 종종 어렵습니다.

종양 체적과 비교하여 종양 크기의 일상적인 시각적 평가는 총 종양 체적의 간단한 선형 측정을 기반으로 합니다. 이러한 2차원 측정은 종종 체적 측정 없이 단일 MRI 슬라이스에서 수행됩니다. 이러한 선형 측정은 사용자에 따라 다르며 특히 불규칙한 모양의 병변에서 증가된 측정 변동성으로 인해 오류가 발생하기 쉽습니다. 컴퓨터 기반 전자동 종양 분할 방법은 이러한 문제에 대한 가능한 해결책을 제시합니다. 이 프로세스는 다른 MRI 펄스 시퀀스를 사용하여 명확한 종양 경계를 정의하기 위해 확률적 조직 모델을 사용하여 구조적 뇌 MRI 이미지에서 정보를 추출하는 것을 기반으로 합니다. 이러한 방법은 관찰자 내 및 관찰자 간 가변성을 제거하면서 주변 정상 뇌 조직에서 신경교종을 정확하고 신속하게 식별할 수 있으며 종양 용적 측정을 수행할 수 있습니다. 치료, 질병 진행 모니터링 및 치료 효과 평가. 자동 신경교종 분할 과정에서 신경교종의 다른 부분은 고형(활성) 종양, 괴사 및 종양 주위 부종으로 특징지어집니다.

자동 세분화 방법은 기본적으로 T1W, 가돌리늄 강화 T1W, T2W 및 FLAIR 시퀀스를 포함한 다중 시퀀스 MRI에서 정보를 추출하기 위해 인공 지능 및 기계 학습 기술을 활용합니다.

절제 범위를 최대화하는 것이 이들 환자의 생존에 영향을 미치기 때문에 종양 절제 범위의 적절한 평가는 신경아교종의 예후에 중요한 역할을 합니다. 종양의 마지막 1~2%를 제거하는 것으로 정의되는 강화 종양의 완전한 절제는 환자의 생존 측면에서 가장 큰 이점을 제공하는 것으로 보입니다. 자동 세분화는 정확한 종양 위치 파악 및 분류를 통해 더 나은 진단과 적절한 치료 계획을 세울 수 있습니다.