识别用于脑肿瘤分割、进展评估和总体生存预测的最佳机器学习算法

Source: Dev.to

概览

脑肿瘤形状各异，导致其难以治疗，也难以在影像上被发现。

研究人员回顾了七年的 BraTS（脑肿瘤分割）挑战赛，以确定哪些方法在以下任务中表现最佳：

• 分割肿瘤组成部分
• 评估肿瘤随时间的进展
• 预测总体生存期

方法

• 使用多种深度学习模型在 MRI 扫描 上描绘肿瘤边界。
• 精确的分割可以揭示肿瘤体积的细微变化，进而可能让临床医生更早发现肿瘤增长并指导治疗决策。

发现

• 最优算法因任务而异，并且会随每年数据集的变化而改变。
• 在某一年表现出色的方法，未必能在后续赛季保持领先。

含义

• 结合先进 机器学习 的改进 分割 能提供更清晰的肿瘤行为洞察。
• 对手术后 总体生存期 的更精准预测有助于实现更个性化的患者护理。

“虽然还不完美，但进展迅速，这项工作为脑肿瘤患者提供了更智能、更快捷的护理希望。”

阅读完整评审：
Identifying the Best Machine Learning Algorithms for Brain Tumor Segmentation, Progression Assessment, and Overall Survival Prediction in the BraTS Challenge