Ensemble de modelos para la segmentación de tumores cerebrales en imágenes de resonancia magnética

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Neuro-oncología

Sus antecedentes:

• La segmentación precisa de tumores cerebrales en RM multiparamétrica es crucial para el análisis cuantitativo, los ensayos clínicos y la atención personalizada al paciente.
• Este análisis ayuda en la toma de decisiones clínicas para el diagnóstico y el pronóstico.
• El desafío de Segmentación de Tumores Cerebrales (BraTS) de 2023 se amplió a ocho tareas con 4500 casos.

Objetivo del estudio:

• Desarrollar y evaluar una estrategia de ensemble de aprendizaje profundo para la segmentación de tipos de tumores recién incluidos en el desafío BraTS.
• Evaluar el rendimiento en tumores cerebrales pediátricos (PED), meningioma intracraneal (MEN) y metástasis cerebrales (MET).

Principales métodos:

• Una estrategia de ensemble que combina modelos nnU-Net y Swin UNETR de última generación de forma regional.
• Implementación de una estrategia de posprocesamiento dirigida mediante búsqueda de umbrales validada cruzada para mejorar la segmentación de subregiones tumorales.
• Evaluación en casos de prueba no vistos para las tareas PED, MEN y MET.

Principales resultados:

• Se obtuvieron puntuaciones Dice lesión a lesión para PED: 0.653 (tumor realzante), 0.809 (núcleo tumoral), 0.826 (tumor completo).
• Se obtuvieron puntuaciones Dice lesión a lesión para MEN: 0.876 (tumor realzante), 0.867 (núcleo tumoral), 0.849 (tumor completo).
• Se obtuvieron puntuaciones Dice lesión a lesión para MET: 0.555 (tumor realzante), 0.6 (núcleo tumoral), 0.58 (tumor completo).
• Se clasificó primero para PED, tercero para MEN y cuarto para MET en el desafío BraTS.

Conclusiones:

• La estrategia de ensemble de aprendizaje profundo propuesta segmenta eficazmente tumores cerebrales pediátricos, meningiomas y metástasis cerebrales.
• El método demuestra un rendimiento competitivo en las desafiantes tareas de BraTS 2023, clasificándose en puestos altos.
• Este enfoque tiene el potencial de avanzar en el análisis cuantitativo y apoyar la toma de decisiones clínicas en neurooncología.