基于 MRI 使用 2.5D 混合多任务卷积神经网络对胶质瘤 IDH 突变与 1p/19q 共缺失状态进行分类
图像与视频处理
2023-03-07 v1 计算机视觉与模式识别
医学物理
摘要
异柠檬酸脱氢酶（IDH）突变和 1p/19q 共缺失状态是胶质瘤的重要预后标志物。目前，它们通过侵入性操作确定。我们的目标是通过基于人工智能的方法从 MRI 非侵入性地确定这些分子改变。为此，收集了来自华盛顿大学医学院（WUSM；n = 835）和公开数据集即脑肿瘤分割（BraTS；n = 378）、LGG 1p/19q（n = 159）、Ivy 胶质母细胞瘤图谱计划（Ivy GAP；n = 41）、癌症基因组图谱（TCGA；n = 461）以及 Erasmus 胶质瘤数据库（EGD；n = 774）的 2648 名胶质瘤（II-IV 级）患者的术前 MRI 扫描。提出了一种 2.5D 混合卷积神经网络，通过利用 MR 扫描的影像特征和来自临床记录与肿瘤位置的先验知识特征，同时定位肿瘤并分类其分子状态。模型在一个内部（TCGA）和两个外部（WUSM 和 EGD）测试集上进行了测试。对于 IDH，性能最佳的模型在内部、WUSM 和 EGD 测试集上分别取得了 0.925、0.874、0.933 的受试者工作特征曲线下面积（AUROC）以及 0.899、0.702、0.853 的精确率-召回率曲线下面积（AUPRC）。对于 1p/19q，最佳模型在这三个数据划分上分别取得了 0.782、0.754、0.842 的 AUROC 和 0.588、0.713、0.782 的 AUPRC。模型在未见数据上的高准确度展示了其泛化能力，并暗示其执行“虚拟活检”以定制胶质瘤治疗规划和整体临床管理的潜力。
引用
@article{arxiv.2210.03779,
title = {MRI-based classification of IDH mutation and 1p/19q codeletion status of gliomas using a 2.5D hybrid multi-task convolutional neural network},
author = {Satrajit Chakrabarty and Pamela LaMontagne and Joshua Shimony and Daniel S. Marcus and Aristeidis Sotiras},
journal= {arXiv preprint arXiv:2210.03779},
year = {2023}
}