利用多参数磁共振成像与机器学习区分儿童脑肿瘤类型：一项多中心研究
医学物理
2019-10-22 v1 图像与视频处理
定量方法
摘要
儿童脑肿瘤的影像学及后续准确诊断是一项放射学挑战，磁共振成像在提供肿瘤特异性影像信息方面发挥着关键作用。扩散加权与灌注成像常用于辅助儿童脑肿瘤的无创诊断，但通常由专家进行定性评估。定量研究多为单中心、单模态。本工作的目的是结合多中心扩散与灌注成像及机器学习，开发基于机器学习的分类器以区分三种常见儿童肿瘤类型。结果表明，肿瘤与全脑的扩散及灌注加权成像提供了在不同肿瘤类型间存在显著差异的特征，且融合这些特征可得到最优的机器学习分类器，其预测精度超过80%。本工作在使用先进临床影像辅助儿童脑肿瘤无创诊断方面向前迈进了一步。
引用
@article{arxiv.1910.09247,
title = {Distinguishing between paediatric brain tumour types using multi-parametric magnetic resonance imaging and machine learning: a multi-site study},
author = {James T. Grist and Stephanie Withey and Lesley MacPherson and Adam Oates and Stephen Powell and Jan Novak and Laurence Abernethy and Barry Pizer and Richard Grundy and Simon Bailey and Dipayan Mitra and Theodoros N. Arvanitis and Dorothee P. Auer and Shivaram Avula and Andrew C Peet},
journal= {arXiv preprint arXiv:1910.09247},
year = {2019}
}
备注
22 pages, 7 figures and tables