基于深度学习方法的胶质母细胞瘤MGMT启动子甲基化基因序列状态预测

张杉杉　张杨洁　李彤

摘要：直接通过胶质母细胞瘤患者脑部MRI图像预测MGMT启动子甲基化基因序列状态，可以有效减少医生手动勾画病灶所花费的时间并可能最大限度地减少手术次数和改进所需的治疗类型。本文使用深度学习方法，在RSNA-MICCAI 脑肿瘤放射基因组学分类数据集上对胶质母细胞瘤MGMT启动子甲基化基因序列状态进行预测。

关键词：MRI;胶质母细胞瘤;基因预测;深度学习

1          引言

膠质母细胞瘤是最常见和最恶性的人类脑肿瘤，占脑瘤的15%。即使采用积极治疗，患者的中位生存期也只有12至14个月。最近，深度学习的性能在计算机视觉领域得到了集中展示，它能够提取图像中大量的深度特征，与传统放射组学提取手工特征相比，这些深度特征包含更多的医学图像抽象信息。O6 -甲基鸟嘌呤-DNA 甲基转移酶（ MGMT ） 启动子甲基化可改善胶质母细胞瘤的预后和治疗反应。到目前为止，胶质母细胞瘤基因序列状态预测的研究中，仍然要依赖医生手工勾画肿瘤区域，这一任务十分浪费医生的时间和精力。因此本研究提出了一个深度学习模型，从未经医生勾画的胶质母细胞瘤患者的MRI脑部图像来预测胶质母瘤患者的MGMT启动子甲基化状态。

2          方法

研究根据患者脑部MR图像使用均值投影，得到患者二维图像。对于每个患者的二维图像，使用裁剪方法裁减掉图像周围的黑色区域，减少其对于网络的干扰。最后将得到的图像重采样到256×256，并进行归一化操作。经过预处理的二维图像作为本研究网络的输入。……