طبقه بندی زیرگروه های مولکولی گلیوما درجه پایین با یادگیری عمیق (Tec-۲۰۲۱)

دانستن وضعیت زیرگروه های مولکولی گلیومای درجه پایین برای تصمیم گیری های درمانی، موثر می باشد. هدف ما در این مطالعه پیش بینی وضعیت زیرگروه های مولکولی گلیومای درجه پایین با توجه به وضعیت جهش های ایزوسیترات دهیدروژناز و حذف کامل بازوی کوتاه کروموزوم ۱ (۱p) / بازوی بلند کروموزوم ۱۹ (۱۹q) می باشد. اسلایس های ۲بعدی تصاویر توالی T۲ دارای تومور برای ۵۹ بیمار از بایگانی تصویربرداری سرطان و اطلاعات ژنومی مربوط به آنها نیز از اطلس ژنوم سرطان جمع آوری شد. برای آموزش مدل ها از شبکه عصبی کانولوشن از پایه و تنظیم دقیق شبکه عصبی کانولوشن از قبل آموزش دیده استفاده شده است. نتایج نشان می دهد که مدل تنظیم دقیق شده VGG۱۹ بهترین عملکرد را در بین مدل های آموزش دیده داشته است. این مدل می تواند زیرگروه های مولکولی را با دقت۶۶.۹۲ % در مجموعه داده آزمون پیش بینی کند. روش مورد مطالعه غیر تهاجمی بوده و نیازی به ناحیه بندی تصاویر ندارد و ممکن است در برنامه ریزی درمانی کارآمد برای بیماران بدون نیاز به نمونه برداری از بافت نقش اساسی داشته باشد.

کلیدواژه ها:

تصاویر T۲ ، زیرگروه های مولکولی ، شبکه عصبی کانولوشن ، طبقه بندی ، گلیوما درجه پایین