Resumen

El glioma es uno de los tumores cerebrales malignos más comunes y mortales que se originan en las células gliales. Para un tratamiento personalizado, se desea altamente un pronóstico preciso preoperatorio para los pacientes con glioma. Recientemente, se han desarrollado varios enfoques basados en el aprendizaje automático para predecir el pronóstico basado en radiómica de resonancia magnética (RM) preoperatoria, que extraen características cuantitativas de imágenes radiográficas. Sin embargo, siguen existiendo importantes desafíos para el desarrollo metodológico para optimizar la extracción de características y proporcionar un flujo de información rápido en entornos clínicos. Este estudio investiga dos tareas de predicción de pronóstico basadas en el aprendizaje automático utilizando características radiómicas extraídas de datos cerebrales de RM multimodal preoperatoria: (i) predicción de grado tumoral (gliomas de grado alto vs. gliomas de grado bajo) a partir de escáneres de RM preoperatorios y (ii) predicción de la supervivencia general del

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Glioma; Pronóstico; Aprendizaje automático; Resonancia magnética; Radiómica; Grado del tumor
• Keywords:Glioma; Prognosis; Machine learning; MRI; Radiomics; Tumor grade