الگوریتم تشخیصی مبتنی بر MRI با بهره گیری از هوش مصنوعی
برنامه ریزی درمانی برای بیماران مبتلا به تومور گلیومای درجه پایین شامل تشخیص اولیه با استفاده از داده های بالینی و تصویربرداری ، پیش بینی درجه نفوذ ، محلی سازی و تقسیم بندی ، جراحی یا نمونه برداری ، تجزیه و تحلیل مولکولی و پرتودرمانی (شاید با شیمی درمانی اضافی) باشد.
به طور سنتی ، این فرایند توسط پزشکان ماهر انجام می شود ، وقت گیر ، ذهنی و مستعد خطا است. هدف کلی این مطالعه ارائه یک بینش تشخیصی دقیق تر در مورد ژنومیک گلیوم منتشر است که می تواند در بهبود نتایج درمان کمک کند. ما پیشنهاد می کنیم استفاده از روش های هوش مصنوعی (AI) برای پیش بینی ژنومیک گلیومای منتشر با درجه پایین بر اساس اسکن MRI چند پارامتری قبل از عمل.
مجموعه داده های بزرگ
120 بیمار مشکوک به گلیومای درجه پایین طبق اسکن MRI قبل از عمل در این مطالعه جذب می شوند.
بیماران تحت MRI چند پارامتری قبل از عمل قرار می گیرند (شامل تصاویر T1 وزنی ، T2 وزنی و T2-FLAIR و تصاویر T2-FLAIR پیش و پس از کنتراست ، و MRI متشکل از DSC-MRI ، DTI ، IVIM ، MRS و CEST) در اسکنر MRI 3T واقع در بیمارستان امام خمینی (ره) تهران ، اسکن MRI برای ایجاد مدل های پیش بینی از قبل پردازش ، کمی و یکپارچه می شود.