IITRoorkee團隊開發(fā)了一種針對腦腫瘤的新算法

印度的計算機科學家與日本的NRI同行一起開發(fā)了一種新的機器學習算法，該算法可將普通類型的腦腫瘤分為低級或高級類別，從而提高了準確性，為醫(yī)學腫瘤學家提供了更好的工具，可提供更有效的治療。

由計算機科學教授Raman Balasubramanian領(lǐng)導的印度技術(shù)學院(IIT)Roorkee的研究人員開發(fā)的新方法意義重大，因為腦腫瘤(神經(jīng)膠質(zhì)瘤)的分離是正確治療的關(guān)鍵。神經(jīng)膠質(zhì)瘤是影響神經(jīng)膠質(zhì)細胞的腦腫瘤，神經(jīng)膠質(zhì)細胞為神經(jīng)元提供支持和隔離，占所有腦腫瘤的近四分之一。

根據(jù)GLOBOCAN 2018，全球診斷出近30萬例腦和中樞神經(jīng)系統(tǒng)癌癥新病例，死亡率高達81%。

膠質(zhì)瘤是發(fā)展最快的腦腫瘤之一，分為四個等級。雖然1級和2級神經(jīng)膠質(zhì)瘤通常被稱為低級神經(jīng)膠質(zhì)瘤，但其他兩種是高級神經(jīng)膠質(zhì)瘤。患者治療的選擇很大程度上取決于能夠確定神經(jīng)膠質(zhì)瘤的等級。Balasubramanian說：“對它們進行正確分類很重要，因為每種方法都有明顯不同的治療方案。” 他們的研究發(fā)現(xiàn)最近發(fā)表在IEEE Access雜志上。

通常，放射科醫(yī)生會從MRI掃描中獲取大量數(shù)據(jù)，以重建掃描組織的3D圖像。MRI掃描中可用的許多數(shù)據(jù)無法用肉眼檢測到，例如與腫瘤形狀，紋理或圖像強度有關(guān)的細節(jié)。通常使用人工智能(AI)算法提取此數(shù)據(jù)。醫(yī)學腫瘤學家一直在使用這種稱為放射線學的方法來改善患者的診斷，但是準確性仍需要提高。

當前使用的算法主要基于1990或2000年代的AI。結(jié)果，他們的準確率在80%至95%之間。IIT Roorkee教授說，有必要開發(fā)更好的算法以從醫(yī)學圖像中提取更多信息，他的博士生Rahul Kumar和Ankur Gupta都在工作中做出了巨大貢獻。據(jù)他介紹，新算法可以提供接近98%的準確性。

對于當前的工作，IIT研究人員與日本京都大學綜合細胞材料科學研究所的生物工程師Ganesh Namasivayam Pandian合作。

該小組使用了MRI掃描的數(shù)據(jù)集，該數(shù)據(jù)集涉及210例高級別神經(jīng)膠質(zhì)瘤和另外75例低級別神經(jīng)膠質(zhì)瘤。他們開發(fā)了一種稱為CGHF的方法，該方法代表使用混合放射學和基于固定小波的特征對神經(jīng)膠質(zhì)瘤進行分類的計算決策支持系統(tǒng)。他們選擇了特定的算法從某些MRI掃描中提取特征，然后訓練了另一種預測算法來處理這些數(shù)據(jù)并對神經(jīng)膠質(zhì)瘤進行分類。然后，他們在其余MRI掃描中測試了模型，以評估其準確性。

Balasubramanian說，該團隊已經(jīng)在研究基于深度學習的修訂方法。這將需要來自數(shù)千張MRI圖像的數(shù)據(jù)，但有可能進一步提高準確性。

IIT Roorkee團隊已經(jīng)與瑞詩凱詩(Rishikesh)的全印度醫(yī)學科學研究所合作開展了其他一些醫(yī)學成像項目，希望獲得足夠的成像數(shù)據(jù)，以便他們可以使用新的深度學習算法。