Стратификация риска опухолей орбиты на основе МРТ и искусственного интеллекта

Хотя опухоли орбиты встречаются реже, чем другие заболевания глаз, они могут быть чрезвычайно вредными для пациентов. Они могут не только вызвать физическое уродство, но также привести к функциональным нарушениям, таким как ухудшение зрения и ограничение движений глаз. Опухоли орбиты можно разделить на доброкачественные и злокачественные, при этом существуют значительные различия в их биологическом поведении, подходах к лечению, исходах и прогнозе, что усложняет процессы дифференциальной диагностики и выбора лечения. При злокачественных поражениях планы лечения и прогноз пациентов различаются в зависимости от различных типов и стадий патологии. Следовательно, существует острая клиническая необходимость в разработке точных методов диагностики опухолей орбиты. Мультипараметрическая магнитно-резонансная томография (мп-МРТ) в настоящее время является ведущим неинвазивным методом визуализации для диагностики опухолей орбиты. Это исследование сосредоточено на точной диагностике стратификации риска опухолей орбиты с использованием технологии алгоритмов искусственного интеллекта для изучения внутренней связи между изображениями МРТ и дифференциальной диагностикой доброкачественных и злокачественных опухолей орбиты, гистологических типов и уровней экспрессии Ki-67 злокачественных опухолей. Целью проекта является интеграция клинической информации и количественных функций МРТ для построения моделей прогнозирования, помощи в принятии индивидуальных решений по диагностике и лечению пациентов с опухолями орбиты, а также облегчения применения и развития технологий искусственного интеллекта. В частности, цели исследования сформулированы следующим образом:

1. Создание модели автоматической сегментации опухолей орбиты на основе глубокого обучения с использованием многопоследовательного набора данных МРТ из нескольких центров, что сокращает время, необходимое для ручного разграничения, и оказывается полезным для последующего анализа.
2. Разработка модели для выявления злокачественных и доброкачественных опухолей орбиты с использованием нескольких алгоритмов машинного обучения в сочетании с набором данных многопоследовательной МРТ с целью предоставления более точной информации для различения этих двух образований.
3. Построение надежных диагностических моделей с использованием подходов машинного обучения или глубокого обучения с количественными функциями многопоследовательной МРТ для определения гистологического типа и уровней экспрессии Ki-67 злокачественных опухолей орбиты с целью повышения скорости и точности обнаружения, тем самым достигая стратификации риска для пациентов. при злокачественных опухолях орбиты.