Multimodal mrı görüntüleri kullanarak beyin tümörü hastalarının hayatta kalma tahmini için tam otomatik derin öğrenme ve makine öğrenme tabanlı prognoz modelleri

Beyin tümörü, en ölümcül kanser hastalıkları türlerinden biridir. Bu hastalığa sahip hastalar için ameliyat öncesi prognozun doğru değerlendirilmesi, daha iyi hasta yönetimine yol açabilir. Biyopsi, prognoz tahminin rutin klinik uygulamalarında en sık kullanılan tanı tekniği olmasıyla birlikte, invazif ve doku travmasına yatkınlık gibi birçok dezavantaja sahiptir. Sonuç olarak, non invaziv olan MRI görüntülerine dayanan otomatik preoperatif prognoz tahmin teknikleri son zamanlarda dikkat çekmektedir. Bununla birlikte, son zamanlarda geliştirilen otomatik tekniklerin çoğu, sıkıcı ve zaman alıcı olan MRI'da manuel olarak segmentlere ayrılmış tümör bölgelerinden çıkarılan özel yapımı görüntü özelliklerine dayanmaktadır. Bu çalışma, beyin tümörlü hastaların multi-modal MR görüntülerinde sağkalım süresi ve glioma derecesi tahminleri için iki aşamalı öğrenme tabanlı yöntemler kullanarak tam otomatik preoperatif prognostik modeller geliştirmeyi amaçlamıştır. İlk aşamada, arka uç olarak önceden eğitilmiş derin öğrenme modellerini kullanarak yeni CNN mimarileri geliştirildi. İkinci aşamada, CNN modellerinin çıktıları, nihai tahmin sonuçlarını elde etmek için çeşitli klasik makine öğrenimi yöntemleri kullanılarak birleştirildi. Deneysel sonuçlar, önerilen prognostik modellerin glioma derecelendirme ve hayatta kalma süresi tahminlerinde sırasıyla % 99,7 ve% 93 AUC değerlerine ulaşıldığını gösterdi ve mevcut son-teknoloji sonuçlarından daha iyi bir performans gösterdi.