เว็บตรง / บาคาร่าเว็บตรง โมเดลการเรียนรู้เชิงลึกช่วยจำแนกเนื้องอกในสมองโดยอัตโนมัติ

เว็บตรง / บาคาร่าเว็บตรง โมเดลการเรียนรู้เชิงลึกช่วยจำแนกเนื้องอกในสมองโดยอัตโนมัติ

เว็บตรง / บาคาร่าเว็บตรง เมื่อพูดถึงการวินิจฉัยโรคมะเร็งสมอง การตรวจชิ้นเนื้อมักเป็นช่องทางแรกในการติดต่อ ศัลยแพทย์เริ่มต้นด้วยการนำเนื้อเยื่อบางๆ ออกจากเนื้องอกแล้วตรวจดูด้วยกล้องจุลทรรศน์ โดยมองหาสัญญาณของโรคอย่างใกล้ชิด อย่างไรก็ตาม การตรวจชิ้นเนื้อไม่เพียงแต่มีการบุกรุกสูงเท่านั้น แต่ตัวอย่างที่ได้รับนั้นเป็นเพียงเศษเสี้ยวของตำแหน่งเนื้องอกโดยรวมเท่านั้น MRI เสนอแนวทางที่รบกวนน้อยกว่า 

แต่นักรังสีวิทยาต้องระบุพื้นที่เนื้องอก

จากการสแกนด้วยตนเองก่อนจึงจะจำแนกได้ ซึ่งใช้เวลานาน เมื่อเร็ว ๆ นี้ นักวิทยาศาสตร์จากสหรัฐอเมริกาได้พัฒนาแบบจำลองที่สามารถจำแนกประเภทของเนื้องอกในกะโหลกศีรษะได้หลายชนิดโดยไม่ต้องใช้มีดผ่าตัด แบบจำลองนี้เรียกว่า Convolutional Neural Network (CNN) ใช้การเรียนรู้เชิงลึก ซึ่งเป็นอัลกอริธึมการเรียนรู้ด้วยเครื่องชนิดหนึ่งที่พบในซอฟต์แวร์การรู้จำภาพ เพื่อจำแนกเนื้องอกเหล่านี้ในภาพ MR โดยพิจารณาจากลักษณะลำดับชั้น เช่น ตำแหน่งและสัณฐานวิทยา CNN ของทีมสามารถจำแนกมะเร็งสมองหลายชนิดได้อย่างแม่นยำโดยไม่ต้องมีการโต้ตอบด้วยตนเอง

Satrajit Chakrabarty ผู้เขียนคนแรก กล่าวว่า “เครือข่ายนี้เป็นก้าวแรกสู่การพัฒนาเวิร์กโฟลว์รังสีวิทยาที่เสริมปัญญาประดิษฐ์ซึ่งสามารถรองรับการตีความภาพได้โดยการให้ข้อมูลเชิงปริมาณและสถิติ

การทำนายชนิดของเนื้องอก ซีเอ็นเอ็นสามารถตรวจหาเนื้องอกในกะโหลกศีรษะที่พบได้ทั่วไป 6 ชนิด ได้แก่ เนื้องอกไกลโอมาคุณภาพสูงและระดับต่ำ เยื่อหุ้มสมองอักเสบจากเยื่อหุ้มสมอง (meningioma) มะเร็งต่อมใต้สมอง (pituitary adenoma) อะคูสติกนิวโรมาและการแพร่กระจายของสมอง การเขียนในรังสีวิทยา: ปัญญาประดิษฐ์ทีมงานซึ่งนำโดยAristeidis SotirasและDaniel Marcusจาก Washington University School of Medicine ( WUSM ) 

กล่าวว่าโครงข่ายประสาทเทียมนี้เป็นเครือข่ายแรก

ที่ตรวจสอบชั้นเนื้องอกโดยตรง รวมทั้งตรวจหาการไม่มีเนื้องอก จากปริมาตรเรโซแนนซ์แม่เหล็ก 3 มิติเพื่อยืนยันความถูกต้องของ CNN นักวิจัยได้สร้างชุดข้อมูลแบบหลายสถาบันสองชุดของการสแกน MRI ก่อนการผ่าตัดและหลังการตัดกันจากฐานข้อมูลที่เปิดเผยต่อสาธารณะ 4 แห่ง ควบคู่ไปกับข้อมูลที่ได้รับจาก WUSM

ชุดแรก ชุดข้อมูลภายในประกอบด้วยการสแกน 1,757 ครั้งในเจ็ดคลาสการสร้างภาพ: คลาสเนื้องอกหกคลาสและคลาสที่มีสุขภาพดีหนึ่งคลาส จากการสแกนเหล่านี้ 1396 เป็นข้อมูลการฝึกอบรม ซึ่งทีมเคยสอน CNN ถึงวิธีแยกแยะระหว่างแต่ละชั้นเรียน ส่วนที่เหลืออีก 361 ถูกใช้เพื่อทดสอบประสิทธิภาพของแบบจำลอง (ข้อมูลการทดสอบภายใน)

สาตราจิต จักรบารมี CNN ระบุชนิดของเนื้องอกได้อย่างถูกต้องด้วยความแม่นยำ 93.35% ตามที่ได้รับการยืนยันโดยรายงานรังสีวิทยาที่เกี่ยวข้องกับการสแกนแต่ละครั้ง ยิ่งไปกว่านั้น ความน่าจะเป็นที่ผู้ป่วยจะเป็นมะเร็งจริง ๆ ที่ CNN ตรวจพบ (แทนที่จะมีสุขภาพดีหรือมีเนื้องอกชนิดอื่น) อยู่ที่ 85–100%

มีการตรวจพบฟิล์มเนกาทีฟเท็จเล็กน้อยในคลาสการสร้างภาพทั้งหมด ความน่าจะเป็นที่ผู้ป่วยที่ทดสอบเป็นลบสำหรับคลาสที่กำหนดไม่มีโรคนั้น (หรือไม่แข็งแรง) คือ 98–100%

ต่อไป นักวิจัยได้ทดสอบแบบจำลองของพวกเขากับชุดข้อมูลภายนอกชุดที่สองที่มีเฉพาะกลิโอมาคุณภาพสูงและต่ำเท่านั้น การสแกนเหล่านี้มีแหล่งที่มาแยกต่างหากจากชุดข้อมูลภายใน

“เนื่องจากโมเดลการเรียนรู้เชิงลึกมีความอ่อนไหวต่อข้อมูลมาก จึงกลายเป็นมาตรฐานในการตรวจสอบประสิทธิภาพในชุดข้อมูลอิสระ ซึ่งได้มาจากแหล่งข้อมูลที่แตกต่างไปจากเดิมอย่างสิ้นเชิง เพื่อดูว่าพวกเขาสรุป [ตอบสนองต่อข้อมูลที่มองไม่เห็น] ได้ดีเพียงใด” Chakrabarty อธิบาย

MRI แบบแพร่กระจายและแบบจำลองการเรียนรู้

ของเครื่องจำแนกเนื้องอกในสมองในวัยเด็ก CNN แสดงให้เห็นถึงความสามารถในการสรุปที่ดี โดยให้คะแนนความถูกต้อง 91.95% จากข้อมูลการทดสอบภายนอก ผลการวิจัยชี้ให้เห็นว่าแบบจำลองนี้สามารถช่วยให้แพทย์วินิจฉัยผู้ป่วยที่เป็นเนื้องอก 6 ชนิดที่ศึกษาได้ อย่างไรก็ตาม นักวิจัยสังเกตเห็นข้อจำกัดหลายประการสำหรับแบบจำลองของพวกเขา รวมถึงการจำแนกประเภทและเกรดของเนื้องอกอย่างไม่ถูกต้องเนื่องจากคอนทราสต์ของภาพไม่ดี ความขาดแคลนเหล่านี้อาจเกิดจากความไม่สอดคล้องกันในโปรโตคอลการถ่ายภาพที่ใช้ในสถาบันทั้งห้าแห่ง

เพื่อสร้างรูปแบบการหายใจของมนุษย์ขึ้นมาใหม่ นักวิจัยได้วัดว่าการสะสมของอนุภาคนั้นแปรผันตามอัตราการหายใจที่ต่างกันอย่างไร พวกเขาค้นพบว่าอนุภาคขนาดใหญ่ เช่นเดียวกับที่หายใจเข้าไปด้วยความเร็วที่เร็วกว่า มีแนวโน้มที่จะสะสมอยู่ในปาก เนื่องจากอนุภาคเหล่านี้มีแรงเฉื่อยที่สูงกว่า พวกมันจึงไม่สามารถเปลี่ยนทิศทางเมื่อเลี้ยวที่แหลมคมจากปากไปสู่หลอดลมได้น้อยลง ทำให้พวกมันเกาะตัวมากขึ้นก่อนที่จะถึงปอด Micro-CT ช่วยให้สามารถจำแนกลักษณะเฉพาะของยาโรคหอบหืดโดยไม่ทำลายได้

ในทางตรงกันข้าม อนุภาคที่ละเอียดกว่าสามารถแพร่กระจายไปยังหลอดลมได้ง่ายกว่า: ทางเดินในปอดซึ่งแตกแขนงออกเป็นโครงสร้างที่ละเอียดกว่าที่เคยซึ่งมีการแลกเปลี่ยนก๊าซเกิดขึ้น นอกจากนี้ การจำลองยังเผยให้เห็นว่ามีอนุภาคสะสมอยู่ในหลอดลมของปอดด้านขวามากกว่าด้านซ้าย ซึ่งมีรูปร่างบิดเบี้ยวเพื่อรองรับหัวใจ

จากผลลัพธ์ของพวกเขา Saha และคณะได้เสนอว่าการรักษาโรคปอดที่มีอยู่สามารถปรับปรุงได้ด้วยการใช้อนุภาคยาที่มีขนาดเล็กลง ซึ่งสามารถเข้าถึงหลอดลมที่มีปัญหาการหายใจได้ง่ายกว่า พวกเขาหวังว่าการค้นพบของพวกเขาจะช่วยให้แพทย์ออกแบบยาที่มีประสิทธิภาพมากขึ้น และอุปกรณ์ที่ดีขึ้นสำหรับการบริหารยา

การประชุมประจำปีของ European Society for Radiation Oncology (ESTRO) มีนักฟิสิกส์ แพทย์ นักรังสีชีววิทยา และนักบำบัดด้วยรังสีมารวมตัวกันเพื่อแบ่งปันการพัฒนางานวิจัยล่าสุด นวัตกรรมทางเทคนิค และการศึกษาทางคลินิก บทคัดย่อที่ดีที่สุดที่ส่งในแต่ละปี ซึ่งคัดเลือกโดยคณะกรรมการโครงการวิทยาศาสตร์ ได้รับเลือกให้รับรางวัล Donal Hollywood Award เว็บตรง / บาคาร่าเว็บตรง