基于肿瘤微环境形态学特征的非凸 SVM 癌症诊断方法

癌性肿瘤所处的周围环境会影响其在人体内的生长与发育。来自早期乳腺癌患者的新数据包含了关于肿瘤组织周围胶原纤维的信息——为寻找额外的诊断与预后生物标志物带来了希望——但也给典型分析带来了两个挑战。每个图像切片包含数百条纤维的信息,而每个组织具有多个图像切片,共同贡献于单个肿瘤与非肿瘤的预测。这种纤维嵌套于图像点、图像点嵌套于组织样本中的关系需要一种专门的分析方法。我们针对此数据结构设计了一种新颖的基于支持向量机(SVM)的预测算法。通过将纤维集合视为概率分布,我们可通过灵活的核方法度量这些集合之间的相似性。通过假设图像切片与组织样本之间肿瘤状态的关系,所构造的 SVM 问题是不可凸的,传统算法无法应用。我们提出了两种在計算精度与效率之间权衡以处理各种规模数据的算法。两种算法的预测性能在胶原纤维数据集及额外的模拟情景下进行了评估。我们在 R 包 mildsvm 中提供了该方法的两种算法的可复现实现。