Постоянная ссылка (СИД2) |
J2092435361 |
Название |
Первые результаты неинвазивного типирования глиом головного мозга по данным магнитно-резонансной томографии с помощью машинного обучения |
Автор |
Данилов Г. В. |
Автор |
Пронин И. Н. |
Автор |
Королев В. В. |
Автор |
Малоян Н. Г. |
Автор |
Ильюшин Е. А. |
Автор |
Шифрин М. А. |
Автор |
Афандиев Р. М. |
Автор |
Шевченко А. М. |
Автор |
Конакова Т. А. |
Автор |
Шугай С. В. |
Автор |
Потапов А. А. |
Источник |
Вопросы нейрохирургии. Журнал им. Н. Н. Бурденко |
Страницы/Объём |
36-42 |
Сокращ. назв. источника |
Вопр. нейрохирургии |
Год |
2022 |
Том |
86 |
Номер |
6 |
DOI |
10.17116/neiro20228606136 |
Постоянная ссылка (СИД) |
J20924353 |
Ключевые слова (авторские) |
нейроонкология, нейрохирургия, искусственный интеллект, глиома, машинное обучение, глубокое обучение, биомедицинская информатика |
Дата регистрации в ВИНИТИ |
20.12.2022 |
Место хранения |
Электронный ресурс (FTP) |
Язык текста |
русский |
Аннотация |
Глиомы — наиболее распространенные нейроэпителиальные опухоли головного мозга. Современная классификация опухолей нервной системы и подходы к их лечению основаны на тканевых и молекулярных особенностях конкретного новообразования. Сегодня надежное гистологическое и молекулярно-генетическое типирование опухолей может быть проведено только путем инвазивных исследований. В этой связи интересно совершенствование неинвазивных методов дооперационной диагностики в нейроонкологии. Одно из перспективных направлений — применение технологий искусственного интеллекта к данным нейровизуализации для выявления диагностически значимых паттернов, связанных с гистологическим и молекулярным профилями опухоли и недоступных в явном виде лучевому диагносту. Цель исследования. Исследование направлено на оценку диагностической точности методов глубокого обучения для типирования глиом в соответствии с классификацией ВОЗ 2007 г. по данным предоперационной магнитно-резонансной томографии (МРТ). Материал и методы. В исследование включали МР-томограммы пациентов с глиальными опухолями головного мозга, проходивших нейрохирургическое лечение в НМИЦ нейрохирургии им. Н.Н. Бурденко, которым на дооперационном этапе госпитализации была выполнена МРТ с контрастным усилением. Данные МРТ в формате плоских срезов (2D) и трехмерных объектов (3D) были использованы для обучения искусственных нейронных сетей с двумя архитектурами (Resnest200e и DenseNet соответственно) классификации опухоли по 4 категориям (I—IV степеням злокачественности по ВОЗ). Обучение проводили на 80% исследований, отобранных случайным образом. Метрики качества классификации оценивали на оставшихся 20% исследований (валидационной и тестовой выборках). Результаты. В анализ были включены 707 МРТ-исследований в модальности T1 с контрастным усилением. Подход 3D-классификации с помощью модели DenseNet показал наилучший результат предсказания степени злокачественности опухоли по ВОЗ (точность=83%, ROC AUC=0,95), что согласуется с результатами других авторов, использовавших иные методики. Выводы. Первые результаты наших исследований подтвердили принципиальную возможность градации аксиальных T1-изображений с контрастным усилением по классам ВОЗ 2007 г. с помощью моделей глубокого обучения. |
Тематический раздел |
Биология |
Издательский номер в РЖ |
23.05-04Н4.133 |
Шифр ГРНТИ |
76.29.49 |
Ключевые слова |
глиома головного мозга, диагностика, МРТ, машинное обучение |
|