热点关注:  
放射性同位素 粒子加速器 辐照杀菌 无损检测 高新核材 辐射成像 放射诊疗 辐射育种 食品辐照保鲜 废水辐照 X射线 中广核技 中国同辐

人工智能通过单次 MRI 扫描对脑肿瘤进行分类

2021-08-12 17:14     来源:SciTechDaily     PET/MRI
图显示了使用 GradCAM 为正确分类的高级别神经胶质瘤 (HGG)、低级别神经胶质瘤 (LGG)、脑转移瘤 (METS)、脑膜瘤 (MEN)、听神经瘤 (AN) 和垂体腺瘤 (PA) 生成的粗略可视化图. 对于每一对,都显示了对比后 T1 加权扫描和 GradCAM 可视图(叠加在扫描上)。在 GradCAM 地图中,较暖和较冷的颜色分别代表像素对正确预测的高贡献和低贡献。图片来源:北美放射学会

根据发表在《放射学:人工智能》上的一项研究,华盛顿大学医学院的一组研究人员开发了一种深度学习模型,该模型能够使用单个 3D MRI 扫描将脑肿瘤归类为六种常见类型之一 。

“这是第一项针对最常见颅内肿瘤并从 3D MRI 体积直接确定肿瘤类别或不存在肿瘤的研究,”Aristeidis Sotiras 博士指导下的博士生 Satrajit Chakrabarty 说。 D. 和 Daniel Marcus 博士,在密苏里州圣路易斯华盛顿大学医学院 Mallinckrodt 放射学研究所的计算成像实验室。

六种最常见的颅内肿瘤类型是高级别胶质瘤、低级别胶质瘤、脑转移瘤、脑膜瘤、垂体腺瘤和听神经瘤。每个都通过组织病理学记录,这需要通过手术从疑似癌症的部位取出组织并在显微镜下检查。

根据 Chakrabarty 的说法,使用 MRI 数据的机器和深度学习方法可能会自动检测和分类脑肿瘤。

“无创 MRI 可用作补充,或在某些情况下,作为组织病理学检查的替代方法,”他说。

(A) 高级别胶质瘤 (HGG)、低级别胶质瘤 (LGG)、脑转移瘤 (METS)、听神经瘤 (AN)、垂体腺瘤 (PA) 的对比后 T1 加权扫描样本(轴向截面,RAS 方向) 、脑膜瘤 (MEN)、研究中包含的健康 (HLTH) 类别(白色箭头)、(B) 数据的类别分布,以及 (C) 用于交叉验证、内部和外部测试的图像和数据拆分流. BraTS = 脑肿瘤图像分割,TCGA = 癌症基因组图谱,WUSM = 华盛顿大学医学院。图片来源:北美放射学会

为了构建他们的机器学习模型,称为卷积神经网络,Chakrabarty 和 Mallinckrodt 放射研究所的研究人员从四个公开可用的来源开发了一个大型的、多机构的颅内 3D MRI 扫描数据集。除了该机构自己的内部数据外,该团队还从脑肿瘤图像分割、癌症基因组图谱多形性胶质母细胞瘤和癌症基因组图谱低级胶质瘤中获得了术前、对比后 T1 加权 MRI 扫描。

研究人员将总共 2,105 次扫描分为三个数据子集:1,396 次用于训练,361 次用于内部测试,348 次用于外部测试。第一组 MRI 扫描用于训练卷积神经网络以区分健康扫描和有肿瘤的扫描,并按类型对肿瘤进行分类。研究人员使用来自内部和外部 MRI 扫描的数据评估了模型的性能。

使用内部测试数据,该模型在七个成像类别(一个健康类别和六个肿瘤类别)中实现了93.35%(361 个中的 337 个)的准确率。敏感性范围为 91% 至 100%,阳性预测值(或筛查试验阳性的患者确实患有该疾病的概率)范围为 85% 至 100%。所有类别的阴性预测值(或筛查试验阴性的患者确实没有患病的概率)范围为 98% 到 100%。网络注意力与所有肿瘤类型的肿瘤区域重叠。

对于仅包含两种肿瘤类型(高级别神经胶质瘤和低级别神经胶质瘤)的外部测试数据集,该模型的准确率为 91.95%。

“这些结果表明,深度学习是一种很有前景的脑肿瘤自动分类和评估方法,”Chakrabarty 说。“该模型在异构数据集上实现了高精度,并在看不见的测试数据上显示了出色的泛化能力。”

Chakrabarty 表示,3D 深度学习模型通过改进现有的 2D 方法更接近于端到端、自动化工作流程的目标,现有 2D 方法需要放射科医生在机器处理之前手动描绘或表征 MRI 扫描中的肿瘤区域。卷积神经网络消除了分类前肿瘤分割的繁琐和劳动密集型步骤。

该模型的共同开发者 Sotiras 博士说,它可以扩展到其他脑肿瘤类型或神经系统疾病,有可能提供一条途径来增强大部分神经放射学工作流程。

“该网络是开发人工智能增强放射学工作流程的第一步,该工作流程可以通过提供定量信息和统计数据来支持图像解释,”Chakrabarty 补充道。

参考资料:“使用 3D 卷积神经网络对主要颅内肿瘤类型进行基于 MRI 的识别和分类:回顾性多机构分析”,2021 年 8 月 11 日,放射学:人工智能。

与 Satrajit Chakrabarty 和 Drs 合作。Sotiras 和 Marcus 分别是 Mikhail Milchenko 博士、Pamela LaMontagne 博士和 Michael Hileman 博士



推荐阅读

PET/MRI + 放射性药物可识别恶性脑肿瘤

将 PET/MRI 成像与放射性药物配对可以为患者带来双重好处。它不仅可以准确定位恶性脑肿瘤,而且可以帮助个人避开侵入性手术。 2021-08-13

西门子与 TeamViewer 合作,加强远程 MR 扫描

西门子医疗集团已采用 TeamViewer 的连接技术,通过其 WeScan 服务为客户提供更安全的远程 MR 扫描支持。西门子与 TeamViewer 合作,使其 WeScan 远程 MR 扫描服务更加安全WeScan 旨在将客户与可以帮助操作 MR 扫描仪的熟练远程成像技术人员联系起来,借助 TeamViewer 的解决方案,WeScan 现在配备了高安全标准,可实现强大而安全的数据传输。它通过确保我们从最安全的角度围绕数据完整性和安全性涵盖所有这些标准,从而帮助我们确保医疗保健所... 2021-08-09

最佳物理学:多维 MRI 和 FLASH 质子治疗

在我们对 2021 年获奖研究的第二次审视中,我们描述了一种新的多对比、运动分辨 MRI 技术,用于放射治疗计划,并检查展开的布拉格峰是否可用于 FLASH 质子治疗。 2021-08-03

潜伏期长达20年,PET靶向探针有望提前预测阿尔茨海默病风险

除了CT、脑脊液或血浆生物标志物、腰椎穿刺等传统方式的检查外,以磁共振(MRI)为代表的无创影像技术凭借无辐射、经济实惠、信息丰富等优势,在认知障碍的临床检查中发挥越来越重要的作用。 2021-07-26

先进的 X 射线技术为多尺度全脑成像提供了可行的管道

芝加哥大学和美国能源部 (DOE) 阿贡国家实验室的研究人员利用现有的先进 X 射线显微镜技术弥合了 MRI(磁共振成像)和电子显微镜成像之间的差距,为多尺度整体提供了可行的管道同一大脑内的大脑成像。 2021-07-23

阅读排行榜