CEMS生物工程Ganesh神Pandian Namasivayam合作与印度科学家数据拉曼巴拉苏布兰马尼安从鲁尔基开发机器学习的方法,可以用97.54%的准确度进行分类胶质瘤分为低或高品位。低级别胶质瘤包括I级毛细胞型星形细胞瘤Ⅱ级低级别胶质瘤。这些都是那么具有攻击性的神经胶质瘤肿瘤的恶性程度较低。高级别胶质瘤包括III级恶性胶质瘤和IV级胶质母细胞瘤多形性,这是更积极和更恶性具有相对短的后诊断存活时间。患者治疗方案的选择在很大程度上取决于是否能够确定胶质瘤的分级。
包括Rahul Kumar、Ankur Gupta和Harkirat Singh Arora在内的研究小组使用了210名高级别神经胶质瘤患者和75名低级别神经胶质瘤患者的MRI扫描数据。他们开发了一种叫做CGHF的方法,它的意思是:使用混合放射组学和平稳小波特征的神经胶质瘤分类的计算决策支持系统。他们选择了特定的算法来从一些MRI扫描中提取特征,然后训练另一种预测算法来处理这些数据并对神经胶质瘤进行分类。然后他们在其余的核磁共振扫描上测试他们的模型,以评估其准确性。巴拉苏布拉马尼安说:“我们的方法在预测大脑核磁共振扫描结果的胶质瘤等级方面比其他最先进的方法表现更好。”“这是相当可观的。”
Namasivayam补充说:“我们希望AI帮助开发半自动或全自动机预测软件模型,可以帮助医生,放射科医生和其他医疗从业人员量身定制他们的个别患者的最佳方法。”
来源:京都大学