Convolutional neural networks for predicting MGMT methylation status in glioblastoma patients

F. Sassi, D. Silva
{"title":"Convolutional neural networks for predicting MGMT methylation status in glioblastoma patients","authors":"F. Sassi, D. Silva","doi":"10.5753/eniac.2022.227334","DOIUrl":null,"url":null,"abstract":"A metilação do gene MGMT determina o sucesso do tratamento quimioterápico de tumores cerebrais conhecidos como glioblastomas. Este trabalho explora quatro técnicas recentes, com os melhores desempenhos reportados na literatura, para classificação do status do gene MGMT em pacientes com glioblastomas, visando a comparação dos resultados em uma mesma base de dados pública e de elevada qualidade. São investigadas abordagens baseadas em extração de features radiômicas e baseadas em redes neurais convolucionais, tanto para classificação 2D/3D quanto para segmentação semântica. Nenhuma das abordagens testadas demonstrou significativa capacidade de classificação, com valores de ROC-AUC variando de 56,44% a 65,02%.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"20 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2022.227334","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

A metilação do gene MGMT determina o sucesso do tratamento quimioterápico de tumores cerebrais conhecidos como glioblastomas. Este trabalho explora quatro técnicas recentes, com os melhores desempenhos reportados na literatura, para classificação do status do gene MGMT em pacientes com glioblastomas, visando a comparação dos resultados em uma mesma base de dados pública e de elevada qualidade. São investigadas abordagens baseadas em extração de features radiômicas e baseadas em redes neurais convolucionais, tanto para classificação 2D/3D quanto para segmentação semântica. Nenhuma das abordagens testadas demonstrou significativa capacidade de classificação, com valores de ROC-AUC variando de 56,44% a 65,02%.
卷积神经网络预测胶质母细胞瘤患者MGMT甲基化状态
MGMT基因的甲基化决定了胶质母细胞瘤化疗治疗的成功。本研究探讨了四种最近的技术,在文献中表现最好,用于对胶质母细胞瘤患者的MGMT基因状态进行分类,目的是在同一高质量的公共数据库中比较结果。研究了基于放射特征提取和卷积神经网络的二维/三维分类和语义分割方法。所有被测试的方法都没有显示出显著的分类能力,ROC-AUC值在56.44%到65.02%之间。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信