Predicting Hypoxia in Brain Tumors from Multiparametric MRI

要約

この研究論文は、マルチパラメトリック磁気共鳴画像法 (MRI) を使用した、脳腫瘍における低酸素症の予測への新しいアプローチを紹介します。
酸素レベルの低下を特徴とする低酸素症は、予後不良に関連する悪性脳腫瘍の一般的な特徴です。
フルオロミソニダゾール陽電子放射断層撮影法 (FMISO PET) は、生体内での低酸素状態を検出するための十分に確立された方法ですが、高価であり、あまり普及していません。
私たちの研究では、FMISO PET 信号を予測するために、より利用しやすく費用対効果の高い画像診断法である MRI の使用を提案しています。
私たちは、脳腫瘍患者からの MRI と FMISO PET 画像のペアを含むリソースである ACRIN 6684 データセットでトレーニングされた深層学習モデル (DL) を調査します。
当社のトレーニング済みモデルは、MRI の特徴と対応する FMISO PET 信号の間の複雑な関係を効果的に学習するため、MRI スキャンのみから低酸素症を予測できるようになります。
結果は、予測されたFMISO PET信号と実際のFMISO PET信号の間に強い相関関係があり、全体のPSNRスコアが29.6を超え、SSIMスコアが0.94を超えていることを示しており、MRIが脳腫瘍における低酸素症予測の有望な選択肢であることが確認されました。
このアプローチにより、臨床現場での低酸素検出のアクセシビリティが大幅に向上し、よりタイムリーで的を絞った治療が可能になる可能性があります。

要約(オリジナル)

This research paper presents a novel approach to the prediction of hypoxia in brain tumors, using multi-parametric Magnetic Resonance Imaging (MRI). Hypoxia, a condition characterized by low oxygen levels, is a common feature of malignant brain tumors associated with poor prognosis. Fluoromisonidazole Positron Emission Tomography (FMISO PET) is a well-established method for detecting hypoxia in vivo, but it is expensive and not widely available. Our study proposes the use of MRI, a more accessible and cost-effective imaging modality, to predict FMISO PET signals. We investigate deep learning models (DL) trained on the ACRIN 6684 dataset, a resource that contains paired MRI and FMISO PET images from patients with brain tumors. Our trained models effectively learn the complex relationships between the MRI features and the corresponding FMISO PET signals, thereby enabling the prediction of hypoxia from MRI scans alone. The results show a strong correlation between the predicted and actual FMISO PET signals, with an overall PSNR score above 29.6 and a SSIM score greater than 0.94, confirming MRI as a promising option for hypoxia prediction in brain tumors. This approach could significantly improve the accessibility of hypoxia detection in clinical settings, with the potential for more timely and targeted treatments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google