空间与上下文感知（SpACe）“虚拟活检”放射基因组学图谱在结构 MRI 上靶向肿瘤突变状态
定量方法
2020-06-18 v1 机器学习
图像与视频处理
摘要
随着对个性化癌症治疗日益重视，放射基因组学在常规影像（即 MRI）扫描上识别靶向肿瘤突变状态方面已显示出前景。这些方法分为两类：（1）深度学习/放射组学（基于上下文），利用整个肿瘤的图像特征来识别基因突变状态，或（2）图谱（基于空间）方法，基于群体统计获得基因突变状态的可能性。虽然许多基因（如 EGFR、MGMT）具有空间变异性，但影像上可靠评估基因突变状态的一个重大挑战在于缺乏可用于训练模型的共定位真值。我们提出空间与上下文感知（SpACe）“虚拟活检”图谱，其在最小绝对收缩与选择算子（LASSO）回归模型中结合来自共定位活检部位的上下文特征与来自群体图谱的空间先验，以获得每个体素存在突变状态（M+ 对比 M-）的概率。我们随后使用概率成对马尔可夫模型来改进体素级预测概率。我们在具有来自相应活检的共定位真值的 MRI 扫描上评估 SpACe 图谱的功效，以预测胶质母细胞瘤中两个驱动基因的突变状态：（1）EGFR（n=91），和（2）MGMT（n=81）。与深度学习（DL）和放射组学模型相比，SpACe 图谱在识别 EGFR 扩增状态方面获得 90%（n=71）的训练准确率和 90.48%（n=21）的测试准确率，而放射组学分别为 80% 和 71.4%，DL 分别为 74.28% 和 65.5%。对于 MGMT 状态，SpACe 的训练和测试准确率分别为 88.3%（n=61）和 71.5%（n=20），而放射组学分别为 52.4% 和 66.7%，DL 分别为 79.3% 和 68.4%。验证后，SpACe 图谱可提供手术导航，以改进采样部位的定位，从而靶向癌症中特定的驱动基因。
引用
@article{arxiv.2006.09878,
title = {Spatial-And-Context aware (SpACe) "virtual biopsy" radiogenomic maps to target tumor mutational status on structural MRI},
author = {Marwa Ismail and Ramon Correa and Kaustav Bera and Ruchika Verma and Anas Saeed Bamashmos and Niha Beig and Jacob Antunes and Prateek Prasanna and Volodymyr Statsevych and Manmeet Ahluwalia and Pallavi Tiwari},
journal= {arXiv preprint arXiv:2006.09878},
year = {2020}
}