طبقه‌بندي و تعيين درجه‌ي تومورهاي گليوماي مغز با استفاده از تصاوير تشديد مغناطيسي و الگوريتم‌هاي يادگيري ماشين

مقدمه: گليوما، متداول‌ترين تومور مغزي اوليه در بزرگسالان است. قابليت‌‌هاي فراوان يادگيري ماشين با استفاده از تصويربرداري تشديد مغناطيسي (Magnetic resonance imaging) MRI مي‌تواند آن را به عنوان ابزاري كاربردي در تشخيص دقيق و به موقع تومورها براي كمك به پزشكان در زمينه‌هاي مختلف تشخيصي و درماني تبديل كند. هدف از اين پژوهش، قطعه‌بندي و تعيين درجه‌ي تومورهاي گليوما با انواع الگوريتم‌هاي يادگيري به صورت خودكار مي‌باشد.روش‌ها: اين يك مطالعه‌ي بنيادي كاربردي است كه بر روي تصاوير مولتي‌مداليته MRI، 285 بيمار مبتلا به تومور گليوما از مجموعه‌ي داده‌ي چالش BraTS 2018 انجام شد. جهت طبقه‌بندي تومورهاي گليوما درجه بالا (High grade glioma) HGG و درجه پايين (Low grade glioma) LGG، ابتدا قطعه‌بندي با شبكه‌ي UNet صورت گرفت، سپس طبقه‌بندي بر مبناي شبكه‌ي VGG16 براي تعيين درجه‌ي تومور به كار گرفته شد.يافته‌ها: ميانگين ضريب دايس (Dice) قطعه‌بند طراحي ‌شده براي نواحي كل تومور، هسته‌ي تومور و ناحيه‌ي افزايش‌يافته به ترتيب 0/76، 0/70 و 0/71 به دست آمد. صحت طبقه‌بند پيشنهادي بر مبناي شبكه‌ي VGG 16 به منظور تعيين درجه‌ي تومور در دو گروه HGG و 99/01 LGG، درصد حاصل شد.نتيجه‌گيري: با استفاده از روش‌هاي يادگيري ماشين، مي‌توان درجه‌ي تومور گليوما را بدون استفاده از روش‌هاي تهاجمي همانند نمونه‌برداري مشخص و نرخ بقاي اين بيماران و كيفيت زندگي آ‌ن‌ها را بهبود بخشيد.