一种弱监督的NMF方法来破译乳腺DCE-MR图像中的分子亚型相关的动态模式
Jian Guan1,2, Ming Fan3, Lihua Li1,3
1School of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou 310018, People's Republic of China.
Physics in medicine and biology
|September 27, 2023
概括
这项研究引入了一种弱监督的方法来分析乳腺癌动态对比增强核磁共振成像 (DCE-MRI),以揭示内异质性. 这种新方法可以更好地区分Luminal A和其他乳腺癌亚型.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 放射学 放射学是一门学科.
- 计算生物学 计算生物学
背景情况:
- 动态对比增强磁共振成像 (DCE-MRI) 对于乳腺癌诊断至关重要.
- 内异质性在解释DCE-MRI数据方面是一个重大挑战.
- 现有的分解方法缺乏临床相关性,因为它们以无监督的方式工作.
研究的目的:
- 为DCE-MRI分析开发一种弱监督的方法,该方法包含分子亚型信息.
- 改进与乳腺癌亚型相关的内异质性的鉴定.
- 通过分析像素动力学来提高乳腺癌的诊断准确性.
主要方法:
- 为DCE-MRI提出了一个弱监督的非负矩阵因子化 (WSNMF) 方法.
- WSNMF使用图像级子类型标签和歧视性非负矩阵分解 (NMF).
- 在粗粒度亚型信息的平均成分系数上定义了类间和类内分散.
主要成果:
- WSNMF在区分光线A瘤与其他亚型方面表现出卓越的表现.
- 与其他方法相比,获得了0.822的接收器运行特征曲线 (AUC) 下的较高面积.
- 在分类准确度方面表现优于基于分区 (KPC,TTP) 和无监督分解 (PCA,NMF) 的方法.
结论:
- 拟议的WSNMF方法为DCE-MRI异质性分析提供了一种新的方法.
- 利用内在瘤特征可以改善乳腺癌诊断.
- 这种监督较弱的方法为了解DCE-MRI模式和分子亚型提供了有价值的工具.
