《WorldNeurosurgery》杂志年5月5日在线发表韩国忠南ChungnamNationalUniversityHospital的KyungHwanKim,SangkeunJung,Han-JooLee,等撰写的《基于深度神经网络的模型预测放射外科治疗后脑膜瘤瘤周水肿。Adeepneuralnetwork-basedmodelpredictingperitumoraledemaafterradiosurgeryformeningioma》(doi:10./j.wneu..04..)。
背景
/p>
伽玛刀放射外科治疗(GKS)是脑膜瘤的一种很有前途的治疗选择。然而，据报道，GKS治疗后瘤周脑水肿(PTE)的发生率为7%-38%。本研究旨在利用深度神经网络(DNN)算法建立GKS治疗后瘤周脑水肿(PTE)的预测模型。
在医学领域，机器学习(ML)在管理大量数据和解决复杂问题方面已经变得不可或缺和无处不在。神经网络(NN)由多个相互连接的节点(人工神经元artificialneurons)组成，这些节点排列在几层(输入、隐藏和输出层input,hidden,andoutputlayers)中，通过加权连接(edges)共享信息，类似于生物神经元系统深度神经网络(DNNs)包含了比神经网络多得多的隐藏层和神经元，它是最近才建立起来的，并且正在显著地发展，特别是在医学图像分析方面。神经外科的机器学习（ML）应用包括病变分割、术前评估、术中诊断和所有神经外科领域的手术预后(生存、复发、并发症、有利结果及以上)[lesionsegmentation,preoperativeevaluation,intraoperativediagnosis,andprognosisofsurgery(survival,recurrence,
