Avaliação de redes neurais convolucionais para a delimitação de metástases cerebrais em imagens de ressonância magnética
Carregando...
Data
2024-07-31
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editora
Editor Literário
Resumo
As metástases cerebrais múltiplas acometem cerca de 20% dos pacientes com algum tipo
de tumor e seu tratamento pode ser realizado, entre outras formas, através da radiocirurgia estereotáxica. O delineamento realizado por um software das metástases cerebrais para
o planejamento do tratamento pode ter grande valor na prática radioterapêutica, visto
que essa tarefa costuma demandar bastante tempo e ser de difícil identificação quando
as metástases se apresentam em formatos pequenos. Assim, é proposta a aplicação de
redes neurais artificiais em imagens de ressonância magnética (RM) para o delineamento
automático de regiões tumorais com metástases e órgãos de risco, para o preparo de um
planejamento radioterápico mais acurado e com menor risco de sobredosagem ao paciente.
Para isso, três modelos de Deep Learning que realizam a tarefa de segmentação de metástases cerebrais encontrados na literatura foram utilizados em três bancos de dados de
metástases cerebrais disponíveis publicamente, os resultados obtidos por esses modelos foram comparados para determinar adequação na prática clínica. Além disso, as publicações
envolvendo esses modelos foram avaliadas através dos checklists CLAIM e CLAMP. Adicionalmente foi proposto e avaliado um modelo de segmentação de metástases cerebrais
utilizando uma rede U-Net 2D com diferentes combinações de hiperparâmetros e funções
de perda. As métricas de performance incluirão o coeficiente Dice por slice (swDSC), coeficiente Dice volumétrico (3D-DSC) e distância de Hausdorff (HD). Os modelos Met-Seg,
AURORA e Raidionics apresentaram valores médios de 3D-DSC iguais a 0, 44 ± 0, 23,
0, 55 ± 0, 29 e 0, 53 ± 0, 29, e valores médios de HD iguais a 101 ± 42 mm, 116 ± 81 mm
e 119 ± 82 mm, respectivamente. Para o desenvolvimento do modelo, os hiperparâmetros
η = 9 e ψ = 2 com peso de balanceamento de classes igual a 0,2 da função de perda BCE
somada à Tversky e Boundary foram o que resultaram na melhor performance, com um
valor de swDSC de 0,48 para o conjunto de teste. Por fim, para a aplicação na prática
clínica, ainda é necessário o desenvolvimento de modelos com melhores performances na
segmentação de metástases cerebrais, principalmente para volumes tumorais pequenos e
em maior quantidade. Com o passar do tempo, espera-se que mais bancos de dados com
imagens de metástases cerebrais se tornem disponíveis para treinamento, o que deve melhorar a performance dos modelos desenvolvidos. Além disso, uso da função de perda BCE
somada às funções de Tversky e Boundary pode diminuir a quantidade de falsos positivos
Descrição
Dissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
Palavras-chave
Neoplasias Encefálicas., Imageamento por Ressonância Magnética, Radiocirurgia, [en] Brain Neoplasms, [en] Magnetic Resonance Imaging, [en] Radiosurgery