頭頸部がんの放射線治療の結果を予測するための特性のレベルの定量超音波とCT情報融合: 強化された主要成分分析

科学分野:

• 放射線学と医学画像分析
• 計算生物学とバイオインフォマティクス
• 腫瘍学と放射線療法

背景:

• 放射線治療は,頭頸部がん (H&N) の標準治療である.
• 医学画像からの放射性特徴は,腫瘍の異質性を評価することによって治療反応を予測することができます.
• 現在の制限には,放射性特性の抽出のための単一のイメージング方式への依存が含まれています.

研究 の 目的:

• 定量超音波スペクトロスコーピー (QUS) とコンピュータトモグラフィー (CT) 画像からの放射性特徴の融合の有効性を評価する.
• 治療開始前にH&N癌放射線治療の結果を予測するために,組み合わせたイメージング方式を使用します.
• シングルモダリティのアプローチよりも特徴レベルの融合の優位性を評価する.

主な方法:

• 70 CTと476 QUSの放射性特徴の特徴レベル融合のための強化された主要成分分析 (EPCA) 方法を開発した.
• トレーンテスト分析のためのブートストラップを備えた1人の患者を残す方法論を使用しました.
• トレーニングされたサポートベクトルマシン (SVM) と k-nearest neighbor (KNN) のクラシフィカーは,mRMR,PCA,カーネルPCA,オートエンコーダー,CCAとEPCAを比較します.

主要な成果:

• EPCA-SVM分類器は,高性能で,感度79±2%,特異度84±2%,精度82±2%,バランスされた精度81±2%,AUC82±2%を達成した.
• EPCAは,mRMR,PCA,カーネルPCA,オートエンコーダー,CCA,ロバストPCA,およびl2,1標準制約グラフラプラシアンPCAよりも優れていることを示しました.
• CTとQUSの特徴レベル融合は,個々の方法と比較して予測の精度を大幅に高めました.

結論:

• 提案された予測モデルは,バイナリ H&N がん治療の結果を効果的に予測します.
• CTとQUSの機能レベル融合は,単一のイメージング方法よりも利点があります.
• EPCAは,放射性特性を融合させ,予測の精度を向上させるための効果的なアプローチです.