基于多参数 MRI 预测脑肿瘤缺氧
图像与视频处理
2024-01-26 v1 人工智能
摘要
本研究论文提出了一种利用多参数磁共振成像（MRI）预测脑肿瘤缺氧的新方法。缺氧是一种以低氧水平为特征的状况，是恶性脑肿瘤的常见特征，与不良预后相关。氟米索硝唑正电子发射断层扫描（FMISO PET）是一种成熟的体内缺氧检测方法，但价格昂贵且普及度不高。我们的研究提出使用 MRI 这种更易获取且成本效益更高的成像模态来预测 FMISO PET 信号。我们研究了在 ACRIN 6684 数据集上训练的深度学习模型（DL），该数据集包含脑肿瘤患者的配对 MRI 和 FMISO PET 图像。我们训练的模型有效地学习了 MRI 特征与相应 FMISO PET 信号之间的复杂关系，从而能够仅从 MRI 扫描预测缺氧。结果显示，预测的 FMISO PET 信号与实际信号之间存在很强的相关性，总体 PSNR 得分高于 29.6，SSIM 得分大于 0.94，证实了 MRI 是预测脑肿瘤缺氧的一种有前景的选择。这种方法可以显著提高临床环境中缺氧检测的可及性，并有望实现更及时和更有针对性的治疗。
引用
@article{arxiv.2401.14171,
title = {Predicting Hypoxia in Brain Tumors from Multiparametric MRI},
author = {Daniele Perlo and Georgia Kanli and Selma Boudissa and Olivier Keunen},
journal= {arXiv preprint arXiv:2401.14171},
year = {2024}
}
备注
7 pages, 2 figures