用于多细胞瘤球形类别识别和药物查分类的光学连贯性断层扫描,通过多空间表面参数和机器学习进行药物查分类

科学领域:

• 生物医学成像技术 生物医学成像技术
• 癌症研究 癌症研究
• 机器学习应用 机器学习应用

背景情况:

• 光学连贯断层扫描 (OCT) 提供了多细胞瘤球体 (MCTS) 的非侵入性,纵向监测.
• 从OCT图像中获得的MCTS内部结构特征在详细分析中未得到充分利用.
• 开发先进的分析方法对于最大限度地发挥OCT在癌症研究中的潜力至关重要.

研究的目的:

• 开发用于OCT的MCTS图像的新型特征处理方法.
• 评估机器学习模型在根据内部结构变化对MCTS进行分类时的有用性.
• 为了在抗癌研究中能够对MCTS进行多维的生理和功能评估.

主要方法:

• 开发了交叉统计,交叉选和复合超参数特征处理技术.
• 在分类任务中使用了12种不同的机器学习模型.
• 应用方法分析OVCAR-8 MCTS (细胞数),Panc02-H7 MCTS (纤维细胞比率) 和OVCAR-4 MCTS (药物治疗).

主要成果:

• 有效的特点与监督学习模型相结合,在各种条件下成功地将MCTS分类.
• 对于不同细胞数量,纤维细胞比率和药物治疗度的分类准确性.
• 识别出特定的OCT衍生的特征,表明MCTS内的生理和功能状态.

结论:

• 开发的特征处理和机器学习方法显著提高了通过OCT对MCTS内部结构的分析.
• 这种方法为抗癌药物开发和研究中的多维评估提供了强大的工具.
• 有望在癌症临床前研究中推进OCT和MCTS的使用.