به‌كار‌گيري روش‌هاي يادگيري ماشين جهت پيش‌بيني ميزان زنده ماندن بيماران گليوبلاستوما با استفاده از تصاوير تشديد مغناطيسي

مقدمه: در اين مطالعه روشي جهت پيش‌‌بيني خودكار ميزان طول عمر بيماران مبتلا به تومور مغزي گليوبلاستوما مبتني بر روش‌هاي يادگيري ماشين و تصاوير MRI ارائه شده است. روش كار: مجموعه داده مورد استفاده در اين مطالعه، پايگاه داده BraTS 2017 با 163 نمونه است. هر نمونه از تصاوير پايگاه داده داراي چهار مداليته مختلف تصويرگيري و همچنين اطلاعاتي نظير ميزان طول عمر كلي بيمار بر حسب روز و سن بيمار است. تصاوير مجموعه داده بر اساس طول عمر بيمار پس از درمان به سه دسته: كوتاه‌مدت، ميان‌مدت و بلند‌مدت برچسب‌گذاري شده است. براي بهبود نتايج پيش‌بيني، انواع مختلفي از ويژگي‌ها استخراج و توسط روش‌هاي مختلف يادگيري ماشين، آموزش داده شدند. ويژگي‌هاي در نظر گرفته شده شامل ويژگي‌هاي بافت، حجمي، آماري و ويژگي‌هاي عميق است. روش‌هاي يادگيري ماشين مورد استفاده شامل ماشين بردار پشتيبان، نزديك‌ترين همسايه، آناليز افتراق خطي و درخت تصميم است.يافته‌ها: بهترين صحت پيش‌بيني براساس طبقه‌‌بندي با استفاده از ويژگي‌هاي عميق استخراج ‌شده توسط يك شبكه عصبي كانولوشنال از پيش آموزش ‌ديده و توسط روش آناليز افتراق خطي به دست آمده است.نتيجه‌گيري: روش‌هاي يادگيري عميق قابليت بالايي در تخمين پارامترهاي مهم پزشكي مانند ميزان زنده ماندن افراد مبتلا به سرطان دارند.