通过多面放射组学进行多因素癌症治疗结果预测
医学物理
2018-07-25 v1
摘要
准确预测治疗结果在癌症治疗中制定和调整治疗计划方面起着非常重要的作用。尽管不同模态的发展和个性化医疗可以大大提高结果预测的准确性，但它们也带来了三个主要的同时性挑战，包括多模态、多分类器和多准则，本文将其总结为多因素结果预测（MFOP）。与传统的结果预测相比，MFOP是一个更泛化的问题。为了处理这一新问题，基于最近提出的放射组学（radiomics），我们提出了一种称为多面放射组学（M-radiomics）的新统一框架。M-radiomics首先训练多个模态特定的分类器，然后最优地组合根据不同准则（如灵敏度和特异度）训练得到的不同分类器的输出。它将多模态、多分类器和多准则纳入一个统一框架，使预测更加准确。此外，为了获得更可靠的预测性能（即最大化预测输出与标记向量之间的相似性），还开发了一种新的基于验证集的可靠融合（VRF）策略、可靠优化模型以及一种新的递归两阶段混合优化算法（RTSH）。本文研究了预测头颈癌远处转移和局部区域复发的两个临床问题，以验证所提出的M-radiomics的性能和可靠性。通过使用所提出的RF策略和RTSH优化算法，实验结果表明，M-radiomics的性能优于当前依赖于单一目标、模态或分类器的放射组学模型。
引用
@article{arxiv.1807.09212,
title = {Multifactorial cancer treatment outcome prediction through multifaceted radiomics},
author = {Zhiguo Zhou and David Sher and Qiongwen Zhang and Pingkun Yan and Jennifer Shah and Nhat-Long Pham and Michael Folkert and Steve Jiang and Jing Wang},
journal= {arXiv preprint arXiv:1807.09212},
year = {2018}
}