Combined use of radiomics and artificial neural networks for the three‐dimensional automatic segmentation of glioblastoma multiforme | ||
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Física del Plasma. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Física del Plasma | |
| dc.conicet.organizacion | Instituto Tecnológico de Buenos Aires | |
| dc.conicet.organizacion | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación | |
| dc.conicet.organizacion | No especifíca | |
| dc.conicet.organizacion | Universidad de Las Palmas de Gran Canaria | |
| dc.conicet.organizacion | Universidad de Oriente. Facultad de Ingenieria En Telecomunicaciones, Informatica y Biomedica. | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Física del Plasma. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Física del Plasma | |
| dc.contributor.author | Mulet de Los Reyes, Alexander | |
| dc.contributor.author | Hyde Lord, Victoria | |
| dc.contributor.author | Buemi, María Elena | |
| dc.contributor.author | Gandia, Daniel Enrique | |
| dc.contributor.author | Gómez Déniz, Luis | |
| dc.contributor.author | Noriega Alemán, Maikel | |
| dc.contributor.author | Suárez, Cecilia Ana | |
| dc.date.issued | 2024-03 | |
| dc.description.abstract | Glioblastoma multiforme (GBM) is the most prevalent and aggressive primary brain tumor that has the worst prognosis in adults. Currently, the automatic segmentation of this kind of tumor is being intensively studied. Here, the automatic three-dimensional segmentation of the GBM is achieved with its related subzones (active tumor, inner necrosis, and peripheral edema). Preliminary segmentations were first defined based on the four basic magnetic resonance imaging modalities and classic image processing methods (multithreshold Otsu, Chan-Vese active contours, and morphological erosion). After an automatic gap-filling post processing step, these preliminary segmentations were combined and corrected by a supervised artificial neural network of multilayer perceptron type with a hidden layer of 80 neurons, fed by 30 selected radiomic features of gray intensity and texture. Network classification has an overall accuracy of 83.9%, while the complete combined algorithm achieves average Dice similarity coefficients of 89.3%, 80.7%, 79.7% and 66.4% for the entire region of interest, active tumor, edema, and necrosis segmentations, respectively. These values are in the range of the best reported in the present bibliography, but even with better Hausdorff distances and lower computational costs. Results presented here evidence that it is possible to achieve the automatic segmentationof this kind of tumor by traditional radiomics. This has relevant clinical potential at the time of diagnosis, precision radiotherapy planning, or post-treatment response evaluation. | es |
| dc.description.fil | Fil: Mulet de Los Reyes, Alexander. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Física del Plasma. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Física del Plasma; Argentina | |
| dc.description.fil | Fil: Hyde Lord, Victoria. Instituto Tecnológico de Buenos Aires; Argentina | |
| dc.description.fil | Fil: Buemi, María Elena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Computación; Argentina | |
| dc.description.fil | Fil: Gandia, Daniel Enrique. No especifíca; | |
| dc.description.fil | Fil: Gómez Déniz, Luis. Universidad de Las Palmas de Gran Canaria; España | |
| dc.description.fil | Fil: Noriega Alemán, Maikel. Universidad de Oriente. Facultad de Ingenieria En Telecomunicaciones, Informatica y Biomedica.; Cuba | |
| dc.description.fil | Fil: Suárez, Cecilia Ana. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Física del Plasma. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Física del Plasma; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Mulet de Los Reyes, Alexander; Hyde Lord, Victoria; Buemi, María Elena; Gandia, Daniel Enrique; Gómez Déniz, Luis; et al.; Combined use of radiomics and artificial neural networks for the three‐dimensional automatic segmentation of glioblastoma multiforme; Wiley Blackwell Publishing, Inc; Expert Systems; 41; 9; 3-2024; 1-14 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 0266-4720 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/265372 | |
| dc.journal.ciudad | Londres | es |
| dc.journal.number | 9 | es |
| dc.journal.pagination | 1-14 | es |
| dc.journal.pais | Reino Unido | es |
| dc.journal.title | Expert Systems | es |
| dc.journal.volume | 41 | es |
| dc.language.iso | eng | es |
| dc.publisher | Wiley Blackwell Publishing, Inc | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1111/exsy.13598 | |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by/2.5/ar/ | * |
| dc.subject | GLIOBLASTOMA MULTIFORME | es |
| dc.subject | AUTOMATIC SEGMENTION | es |
| dc.subject | IMAGE PROCESSING | es |
| dc.subject | RADIOMICS | es |
| dc.subject | ARTIFICIAL NEURAL NETWORKS | es |
| dc.subject.classification | Otras Ciencias Médicas | es |
| dc.subject.classification | Otras Ciencias Médicas | es |
| dc.subject.classification | CIENCIAS MÉDICAS Y DE LA SALUD | es |
| dc.subject.classification | Ciencias de la Información y Bioinformática | es |
| dc.subject.classification | Ciencias de la Computación e Información | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | Combined use of radiomics and artificial neural networks for the three‐dimensional automatic segmentation of glioblastoma multiforme | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.5f532fff-b0c6-478d-b026-4c5b25499ea3_B.pdf
- Tamaño:
- 2.46 MB
- Formato:
- Adobe Portable Document Format