Riskstratifiering av orbitala tumörer baserat på MRl och artificiell intelligens

Även om orbitala tumörer är mindre vanliga än andra ögonrelaterade sjukdomar, kan de vara extremt skadliga för patienter. De kan inte bara orsaka fysisk vanställning, utan de kan också leda till funktionsnedsättningar som nedsatt syn och begränsade ögonrörelser. Orbitala tumörer kan kategoriseras som antingen godartade eller maligna, och det finns betydande skillnader i deras biologiska beteende, behandlingsmetoder, resultat och prognos, vilket komplicerar processerna för differentialdiagnos och val av behandling. För maligna lesioner varierar patienternas behandlingsplaner och prognos beroende på de olika patologiska typerna och stadierna. Det finns därför en akut klinisk nödvändighet att ta fram noggranna diagnostiska metoder för orbitala tumörer. Multiparametrisk magnetisk resonanstomografi (mp-MRI) står för närvarande som den ledande icke-invasiva avbildningstekniken för att diagnostisera orbitala tumörer. Denna studie är centrerad på exakt diagnos av orbitaltumörriskstratifiering, med användning av artificiell intelligensalgoritmteknik för att utforska det inneboende sambandet mellan MRI-bilder och den särskiljande diagnosen av benigna och maligna orbitala tumörer, histologiska typer och Ki-67-uttrycksnivåer av maligna tumörer. Det syftar till att integrera klinisk information och kvantitativa MRI-funktioner för att konstruera prediktionsmodeller, hjälpa till att vägleda individuella diagnoser och behandlingsbeslut för patienter med orbitala tumörer och underlätta tillämpningen och utvecklingen av artificiell intelligensteknologi. Specifikt beskrivs forskningsmålen enligt följande:

1. Etablering av en djupinlärningsbaserad automatisk segmenteringsmodell för orbitala tumörer med hjälp av en multi-sekvens MRI-datauppsättning från flera centra, vilket minskar tiden som krävs för manuell avgränsning och visar sig vara fördelaktig för efterföljande analys.
2. Utveckling av en modell för att identifiera maligna och godartade orbitala tumörer med hjälp av flera maskininlärningsalgoritmer kombinerat med multi-sekvens MRI-dataset, i syfte att tillhandahålla mer exakt information för att skilja mellan dessa två enheter.
3. Konstruera robusta diagnostiska modeller med hjälp av maskininlärning eller djupinlärningsmetoder med kvantitativa multi-sekvens MRI-funktioner för att identifiera histologisk typ och Ki-67-expressionsnivåer av maligna orbitala tumörer, i syfte att förbättra detektionshastigheter och noggrannhet, och därigenom uppnå riskstratifiering för patienter med maligna orbitala tumörer.