طبقه بندی تومورهای مغزی توسط هوش مصنوعی
گروهی از محققان دانشکده پزشکی دانشگاه واشنگتن یک مدل یادگیری عمیق ایجاد کردهاند که با استفاده از یک اسکن ام آر آی سه بعدی میتواند نوع تومور مغزی را از میان شش نوع تومور مغزی رایج، مشخص و طبقه بندی کند.
به گزارش اس تی دی، به گفته محققان، این اولین مطالعهای است که شایعترین تومورهای درون جمجمهای را مورد بررسی قرار میدهد و به طور مستقیم نوع تومور یا عدم وجود تومور در اسکن ام آر آی سهبعدی را مشخص میکند.
گلیوما درجه بالا، گلیوما درجه پایین، متاستازهای مغزی، مننژیوم، آدنوم هیپوفیز و نوروم آکوستیک شش نوع شایع تومور درون جمجمهای هستند. هر یک از این تومورها از طریق آسیبشناسی بافتی که طی آن نیاز به برداشتن بافت از محل مشکوک به سرطان و بررسی آن زیر میکروسکوپ است، مورد بررسی قرار گرفته است.
"ساتراجیت چاکرابارتی"(Satrajit Chakrabarty) دانشجوی مقطع دکترا و از محققان این مطالعه گفت: روشهای یادگیری ماشینی و یادگیری عمیق با استفاده از دادههای ام آر آی میتواند به طور بالقوه تشخیص داده شده و طبقهبندی تومورهای مغزی را خودکار کنند. ام آر آی غیرتهاجمی ممکن است به عنوان مکمل یا در برخی موارد به عنوان جایگزینی برای بررسی بافت شناسی استفاده شود.
محققان این مطالعه برای ساخت مدل یادگیری ماشینیشان که "شبکه عصبی پیچشی" (convolutional neural network) نامیده میشود، یک مجموعه داده عظیم از اسکنهای ام آر آی سه بعدی درون جمجمهای را از چهار منبع در دسترس عموم تهیه کردند. شبکههای عصبی پیچشی یا همگشتی(convolutional neural network) ردهای از شبکههای عصبی ژرف هستند که معمولاً برای انجام تحلیلهای تصویری یا گفتاری در یادگیری ماشین استفاده میشوند.
محققان در مجموع ۲۱۰۵ اسکن به دست آمده را به سه دسته تقسیم کردند: ۱۳۹۶ مورد از آنها برای آموزش، ۳۶۱ مورد برای آزمایش داخلی و ۳۴۸ برای آزمایش خارجی. اولین مجموعه از اسکنهای ام آر آی برای آموزش شبکه عصبی پیچشی برای درک فرق بین اسکنهای سالم و اسکنهای دارای تومور و طبقه بندی تومورها بر اساس نوع آنها استفاده شد. محققان عملکرد مدل را با استفاده از دادههای اسکن ام آر آی بخش داخلی و خارجی مغز ارزیابی کردند.
در بررسی آزمایش بخش داخلی مغز، مدل توسعه یافته توسط محققان در تشخیص نوع تومور به دقت ۹۳.۳۵ درصد دست یافت. در بررسی آزمایش بخش خارجی مغز که فقط شامل دو نوع تومور (گلیوم درجه بالا و گلیوم درجه پایین) بود مدل دارای دقت ۹۱.۹۵ درصد بود.
چاکرابارتی گفت: نتایج مطالعه ما حاکی از آن است که یادگیری عمیق یک رویکرد امیدوار کننده برای طبقهبندی و ارزیابی خودکار تومورهای مغزی است.
منبع: ایسنا
70