기계 학습 모델은 난소 병변을 더 잘 감지하기 위해 이미징 방법을 기반으로 합니다.

[아름이]

기계 학습 모델은 난소 병변을 더 잘 감지하기 위해 이미징 방법을 기반으로 합니다.
날짜:
2022년 11월 29일
원천:
세인트루이스에 있는 워싱턴 대학교
요약:
새로운 연구는 난소암을 정확하게 진단하거나 배제하는 기계 학습의 능력을 향상시키기 위해 초음파를 사용하는 새로운 방법을 산출합니다.

난소암은 여성에게 가장 치명적인 유형의 암이지만 실제 선별 검사가 없고 이를 유발하는 증상이 거의 없기 때문에 초기 단계에서 약 20%의 사례만 발견됩니다. 또한 난소 병변은 정확하게 진단하기 어렵습니다. 너무 어렵기 때문에 병변을 제거하고 검사하기 위해 수술을 받는 여성의 80% 이상에서 암 징후가 나타나지 않습니다.

St. Louis McKelvey School of Engineering에 있는 Washington University의 Edwin H. Murty 생의학 공학 교수인 Quing Zhu와 그녀의 연구실 구성원은 난소암을 보다 정확하게 진단하기 위해 다양한 이미징 방법을 적용했습니다. 이제 그들은 난소 병변의 기존 초음파 기능을 활용하여 광음향 단층 촬영으로 촬영한 재구성 이미지에서 병변이 양성인지 암인지 인식하도록 모델을 훈련시키는 새로운 기계 학습 융합 모델을 개발했습니다. 기계 학습은 전통적으로 단일 양식 데이터에 중점을 두었습니다. 최근 연구 결과에 따르면 다중 양식 기계 학습은 단일 양식 방법보다 성능 면에서 더 강력합니다. 600개 이상의 관심 영역이 있는 35명의 환자에 대한 파일럿 연구에서 모델의 정확도는 90%였습니다.

암 진단을 위한 광음향 단층촬영 재구성의 기계 학습 성능을 향상시키기 위해 초음파를 사용한 최초의 연구입니다. 연구 결과는 Photoacoustics 저널 12월호에 게재되었습니다 .

"기존 양식은 주로 난소 병변의 크기와 모양을 기반으로 하며, 이는 초기 난소암에 대한 정확한 진단과 큰 부속기/난소 병변의 위험 평가를 제공하지 않습니다."라고 학교의 방사선과 교수인 Zhu는 말했습니다. 의학. "광음향 이미징은 헤모글로빈 농도와 혈중 산소 포화도에서 혈관 대조에 대한 기능적 정보를 추가합니다."

Zhu 연구실의 박사 과정 학생인 Yun Zou는 난소 병변 진단을 수행하기 위해 초음파 신경망과 광음향 단층 촬영 신경망을 결합하여 새로운 기계 학습 융합 모델을 개발했습니다. 난소의 암성 병변은 초음파에서 여러 가지 다른 형태로 나타날 수 있습니다. 일부는 단단하고 다른 일부는 낭성 병변 내부에 유두 돌출이 있어 진단하기가 더 어렵습니다. 초음파의 전반적인 진단을 개선하기 위해 암성 난소 조직에 대한 바이오마커인 광음향 영상의 총 헤모글로빈 농도와 혈액 산소포화도를 추가했습니다.

"우리의 결과는 초음파로 강화된 광음향 이미징 융합 모델이 다른 방법보다 표적의 총 헤모글로빈 및 혈중 산소 포화도 맵을 더 정확하게 재구성하고 양성 병변에서 난소암의 향상된 진단을 제공한다는 것을 보여주었습니다."라고 Zou는 말했습니다.

출처 : https://www.sciencedaily.com/