基于树编辑距离的肿瘤内异质性成像表征与分层
统计方法学
2023-01-16 v2 图像与视频处理
定量方法
摘要
个性化医疗是医疗实践的未来。在肿瘤学中，肿瘤异质性评估是有效治疗规划与预后预测的关键一步。尽管DNA测序与分析的新流程不断涌现，仍需要用于肿瘤表征的非侵入性方法以影响日常诊疗。为此，影像纹理分析正迅速推广，有望替代肿瘤病变的组织病理学评估。本工作中，我们提出一种基于树的表征策略，用于描述转移性癌症患者的肿瘤内异质性。我们利用从PET/CT影像中提取的放射组学信息，提供对疾病扩散详尽且易读的概括。我们借助这一新颖的患者表征，依据层次聚类技术进行癌症亚型划分。为此，定义了一种新的基于异质性的树间距离，并应用于前列腺癌案例研究。从与严重程度状态、肿瘤负荷及生物学特征的一致性角度探讨了聚类解释。结果令人鼓舞，所提方法优于现有文献方法。最终，所提方法勾勒出一个通用分析框架，可望从患者日常获取的影像数据中提取知识，并为有效治疗规划提供见解。
引用
@article{arxiv.2208.04829,
title = {Imaging-based representation and stratification of intra-tumor Heterogeneity via tree-edit distance},
author = {Lara Cavinato and Matteo Pegoraro and Alessandra Ragni and Martina Sollini and Anna Paola Erba and Francesca Ieva},
journal= {arXiv preprint arXiv:2208.04829},
year = {2023}
}