基于深度学习的染色体不稳定性在结直肠癌中的组织学预测
Dongwoo Hyeon1, Younghoon Kim2, Yaeeun Hwang3
1Institute of Biomedical Research, Seoul National University Hospital Seoul, South Korea.
American journal of cancer research
|October 17, 2024
概括
从整个幻灯片图像的组织学数据可以预测结直肠癌 (CRC) 中的染色体不稳定性 (CIN). 分析核特征的深度学习模型为CIN预测提供了强大的方法,与TP53突变相关联.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 数字病理学数字病理学
背景情况:
- 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因.
- 染色体不稳定性 (CIN) 驱动CRC的基因组不稳定性,其特点是体积和副本数量的改变.
研究的目的:
- 为了预测CRC中的CIN,使用整个幻灯片图像 (WSI) 的组织学数据.
- 根据幻灯片级特征开发二进制分类模型,区分高和低的形积分 (AS).
主要方法:
- 来自TCGA的CRC样本的分析,将瘤区域细分为瓦片和核.
- 使用卷积神经网络 (CNN) 和形态分析进行特征提取.
- 开发ResNet18-SSL和DenseNet121模型,用于预测形积分.
主要成果:
- ResNet18-SSL显示出卓越的基于的AS预测准确度;DenseNet121在基于核的预测方面表现出色.
- 结合CNN和形态特征,提高了基于核的分类准确性.
- 形态特征与副本数签名有显著的相关性;与CIN和TP53突变相关的核特征集群.
结论:
- 来自WSIs的组织学特征有可能预测CRC中的CIN.
- 核特征分析与深度学习相结合,为CIN预测提供了强大的方法.
- 需要进一步研究CRC中的组织学-分子表型关系.
