利用图像配准辅助的纵向CT数据对乳腺癌影像组学特征和风险的统计建模
应用统计
2026-03-31 v1
摘要
转移性乳腺癌（mBC）患者在治疗过程中接受重复计算机断层扫描（CT）成像以监测疾病进展。准确跨扫描、跨放射科医师追踪单个病灶对于可靠的影像组学分析和临床决策至关重要。我们利用 MONALEESA-3 和 MONALEESA-7 III期试验的系列胸部 CT 扫描进行了回顾性研究，并开发了多源数据整合与生存分析的统计模型。首先，我们引入了一种基于配准的自动匹配与对应（RAMAC）算法，利用匈牙利算法建立不同放射科医师标注和成像时间点之间的病灶对应关系。其次，使用 RAMAC 处理后的数据集，我们通过结合基线影像组学特征、治疗后第 8、16 和 24 周的变化以及人口统计学变量，开发了可解释的影像组学生存模型用于无进展生存期预测。为应对纵向影像组学数据的高维性，采用 L1 正则化加法 Cox 比例风险模型和最佳子集选择后进行 Cox 建模进行特征降维。模型性能采用一致性指数（C-index）进行评估。纳入额外成像时间点改善了预测性能，平均 C-index 从基线的 0.58 提升至 0.64。联合建模进一步显示了纵向影像组学特征与随时间变化的生存结局之间的显著关联。
引用
@article{arxiv.2603.26888,
title = {Statistical modeling of breast cancer radiomic features and hazard using image registration-aided longitudinal CT data},
author = {Subrata Mukherjee and Qian Cao and Thibaud Coroller and Ravi K. Samala and Nicholas Petrick and Berkman Sahiner},
journal= {arXiv preprint arXiv:2603.26888},
year = {2026}
}
备注
18 pages, 8 figure, 2 tables. arXiv admin note: substantial text overlap with arXiv:2501.06814