اختيار الميزات الإشعاعية باستخدام فقدان تدرج الشبكة العصبية العميقة للكشف عن مرحلة سرطان الرئة

Summary

يعرض هنا طريقة اختيار الميزات القائمة على التعلم العميق تستفيد من تدرجات دالة فقدان الشبكة العصبية بالنسبة للميزات المدخلة لتحديد وترتيب أولويات تلك التي تؤثر بشكل أكبر على كشف مراحل سرطان الرئة.

Abstract

تمكن الراديوميكس من استخراج مؤشرات التصوير الكمي من الصور الطبية وأصبحت أداة مهمة لتشخيص السرطان بمساعدة الحاسوب. ومع ذلك، فإن مجموعات بيانات الراديوميكس عادة ما تكون عالية الأبعاد وذات أحجام عينات محدودة، مما يجعل اختيار الميزات خطوة حاسمة لبناء نماذج تنبؤية موثوقة. تقترح هذه الدراسة إطار عمل إزالة الميزات العودية بفقدان التدرج (GL-RFE) يدمج تحليل حساسية التدرج من شبكة عصبية عميقة لتحديد أكثر الميزات الإشعاعية تأثيرا في الكشف عن مراحل سرطان الرئة. تم استخراج ما مجموعه 106 ميزات راديوميك من فحوصات التصوير المقطعي المحوسوب للصدر باستخدام امتداد PyRadiomics لمنصة 3D Slicer. تقوم الطريقة المقترحة بتقييم أهمية الميزة من خلال حساب تدرجات فقدان الشبكة بالنسبة لميزات الإدخال، وتلغي بشكل تكراري الميزات ذات المساهمة المحدودة. تستخدم أفضل 15 ميزة راديوية ناتجة لتدريب مصنف شبكة عصبية عميقة على التمييز بين سرطان الرئة في المراحل المبكرة والمتقدمة. يحقق الإطار المقترح أداء تصنيفا قويا بدقة 90.22٪، ودقة 90.10٪، واستدعاء 90.24٪، ودرجة F1 تبلغ 90.16٪ في مجموعة بيانات الاختبار. تؤكد تحليلات التصور، بما في ذلك خرائط الحرارة الترابطية ومخططات التوزيع، تقليل تكرار الميزات وتحسين قابلية فصل الفئات. مقارنة بتقنيات اختيار الميزات التقليدية، يلتقط GL-RFE تفاعلات الميزات غير الخطية بفعالية ويعزز تعميم النموذج. يوفر البروتوكول المعروض منهجية قابلة للتكرار والتفسير للكشف عن مراحل السرطان المعتمدة على علم الإشعاع. وهو مناسب بشكل خاص لمجموعات البيانات الطبية الحيوية عالية الأبعاد والعينات الصغيرة، ولله تطبيقات محتملة في مجالات أخرى مثل علم الجينوم والتحليل السريري متعدد الوسائط.

Introduction

يظل سرطان الرئة أحد الأنواع الرئيسية للسرطان، مما يؤدي إلى مشاكل صحية خطيرة، وغالبا ما تؤدي^إلى الوفاة. تمكن الراديوميكس من التوصيف الكمي للصور الطبية من خلال استخراج مجموعات كبيرة من السمات التي تصف شكل الورم وملمسه وأنماط شدته ^2,3. هذه الميزات، التي تسمى أيضا الميزات المصنوعة يدويا، تعمل كمؤشرات حيوية محتملة لتشخيص وتشخيص واستجابة علاج سرطان الرئة. ومع ذلك، فإن مجموعات بيانات الراديوميكس عادة ما تكون عالية الأبعاد ومحدودة بالعينات، مما يؤدي إلى ميزات زائدة وصاخبة تؤثر على أداء النموذج 4,5,6,7. لذا، فإن اختيار الميزات الفعال والقابل للتفسير ضروري لتطوير نماذج تنبؤية قوية قائمة على الراديوميكس.

تستخدم الطرق التقليدية لاختيار الميزات مثل طرق التصفية (مثل تحليل الارتباط، تحليل التباين [ANOVA]، المعلومات المتبادلة) وطرق التغليف (مثل اختيار الميزات التسلسلي، إزالة الميزات العودية) على نطاق واسع في نماذج الكشف عن السرطان القائمة على الأشعة ^4,8,9. ومع ذلك، غالبا ما تفشل في التقاط التفاعلات غير الخطية للميزات والاعتماديات السياقية العميقة الكامنة في بيانات الراديوميكس ^9,10,11. تم استكشاف تقنيات تعلم الميزات الجماعية لتصنيف الصور الطبية، لكنها حققت دقة متوسطة، يمكن تحسينها أكثر¹².

أظهرت طرق التعلم العميق، وخاصة الشبكات العصبية العميقة (DNNs)، قدرة فائقة على نمذجة العلاقات غير الخطية والهرمية بين الميزات والنتائج، مما يجعلها مثالية لتوجيه اختيار الميزات وتقديم نماذج دقيقة للكشف عن السرطان^13,14. في هذا السياق، يتم استكشاف إمكانية استخدام شبكة عصبية الالتفافية، وتقنيات الذكاء الاصطناعي متعددة الوسائط، ونموذج VCG-16، وهو نموذج مدرب مسبقا لتشخيص السرطان، ^1,15,16. تم اقتراح وتدريب واختبار نموذج التعلم العميق الهجين¹⁷، بما في ذلك نموذج VGG-19 المدرب مسبقا وشبكات الذاكرة قصيرة المدى طويلة (LSTMs)، على عدد كبير من الصور، محققا دقة تزيد عن 99٪.

بالإضافة إلى اكتشاف السرطان، أجريت أبحاث أيضا حول مراحل السرطان. ^صمم هوجو وآخرون نموذج شبكة عصبية تغذية متقدمة على قاعدة بيانات NSCLC التي تضم 300 مريض لتصنيف السرطان في المرحلة الأولى والثانية والثالثة بدقة 74.52٪ في اختبارات النماذج. تم تقديم طريقة انعكاس بايزي³ المعتمدة على الراديوميكس للكشف عن مرحلة سرطان الرئة باستخدام مجموعة بيانات NLST على عينة 200. حققت الطريقة المقترحة دقة بلغت 86٪. كشفت مراجعة الأدبيات أن معظم الدراسات المتعلقة بالكشف عن السرطان ركزت فقط على تصنيف الأورام الحميدة والخبيثة، وقليل فقط تناولت تصنيف مراحل السرطان، بدقة أقل من 90٪ يمكن تحسينها أكثر. تعالج هذه الورقة البحثية الفجوة البحثية المذكورة أعلاه وتقترح إطار تصنيف قوي قائم على ميزات الأشعة الإشعاعية للكشف الدقيق عن مراحل سرطان الرئة.

تم تقديم إطار عمل لإزالة الميزات العودية (GL-RFE) قائم على فقدان التدرج في هذه الدراسة، يدمج الانتشار التدريجي من الشبكات العصبية في عملية RFE. على عكس طرق RFE التقليدية التي تعتمد على مقاييس أهمية الميزات الثابتة، يستفيد GL-RFE من تدرجات دالة الخسارة بالنسبة لكل ميزة إدخال لقياس مدى تأثير كل ميزة على توقعات النموذج. من خلال إزالة الميزات ذات المساهمات التدرجية البسيطة بشكل متكرر، يقوم النموذج المعروض باختيار الميزات لأفضل 15 ميزة تشخيصية محسنة للكشف عن سرطان الرئة من فئتين (المرحلتان الأولى والثانية مجتمعة والمرحلتين الثالثة والثالثة ب مجتمعة). مخطط سير العمل للعمل المنجز مذكور في الشكل 1. مجموعة بيانات سرطان الرئة المختارة للنموذج المقدم هي NSCLC Radiomics¹⁹ التي تحتوي على 411 مجلدا من الصيغة المسماة التصوير الرقمي والاتصالات في الطب (DICOM) مع معلومات المرحلة السريرية عن السرطان. يتم استخراج ما مجموعه 106 ميزة راديوميكس ثلاثية الأبعاد لكل مجلد DICOM لسرطان الرئة باستخدام PyRadiomics²⁰، وهو امتداد لبرنامج مفتوح المصدر 3D Slicer²¹. تنتمي هذه الميزات إلى سبع فئات ميزات²²، منها الشكل، طريقة الفرق في المستوى الرمادي (GLDM)، مصفوفة التواجد المشترك على المستوى الرمادي (GLCM)، مصفوفة التسلسل من الدرجة الأولى، مصفوفة طول السلسلة في المستوى الرمادي (GLRLM)، مصفوفة حجم المنطقة الرمادية (GLSZM)، مصفوفة فرق الدرجات الرمادية في الحي (NGTDM). تم أخذ بيانات الراديوميكس من فئة الأقليات (المرحلة الأولى والثانية) بشكل زائد باستخدام تقنية أخذ العينات الزائدة للأقليات الاصطناعية (SMOTE)²³.

تكمن حداثة إطار العمل المقترح GL-RFE في دمج تحليل الحساسية القائم على التدرج المستمد من تدريب الشبكات العصبية في عملية إزالة الخصائص التكرارية. على عكس الأساليب التقليدية للراديو اللاسلكي التي تعتمد على مقاييس الأهمية الثابتة، يقوم GL-RFE بتقييم ملاءمة الميزات ديناميكيا من خلال تدرجات الرجوع إلى الوراء لدالة الفقد. يتيح ذلك تحديد الميزات التي تؤثر مباشرة على توقعات النموذج لمرحلة السرطان مع الحفاظ على قابلية التفسير والجدوى الحسابية لمجموعات بيانات طبية صغيرة نسبيا.

مجموعة البيانات المستخدمة في التدريب والاختبار على الإطار المقترح هي مجموعة بيانات صور الأشعة المقطعية المتاحة للجمهور ل 422 مريضا بسرطان الرئة تعرف باسم NSCLC Radiomics¹⁷. لكل مريض، تتضمن مجموعة البيانات حجم تصوير مقطعي ومجموعة بنية العلاج الإشعاعي DICOM (RTSTRUCT) وملف تقسيم DICOM (SEG). تحتوي هذه الملفات على رسومات يدوية أجراها أخصائي الأورام الإشعاعية للحجم ثلاثي الأبعاد لحجم الورم الإجمالي الأولي (GTV-1)، بالإضافة إلى صورة الرئة. مجموعة البيانات هي مجموعة معالجة مسبقا، وأبعاد الصور هي 512 × 512 بكسل.

نظرا للطبيعة غير الخطية لميزات الراديوميكس المصنوعة يدويا، لا يمكن استخدام هذه الميزات مباشرة مع نماذج التعلم العميق لتشخيص السرطان، ويجب التقاط أنماط البيانات الكامنة بها باستخدام تقنيات الذكاء الاصطناعي. يصنف GL-RFE الميزات بناء على مقدار تدرج خسارة النموذج L بالنسبة لكل ميزة إدخال x_i.

لكل ميزة إدخال x_i، يحسب التدرج المطلق المتوسط كما يلي:

(1)

هنا، N هو العدد الإجمالي للعينات. L_j هو الخسارة ل j العينة. x_ij هي الميزة الأولى في عينة J^th . تمثل حساسية الخسارة بالنسبة لميزة الإدخال.

الميزات ذات التدرج المنخفض لها تأثير ضئيل على تحديثات النماذج ويتم إزالتها بشكل متكرر. سير العمل المقترح لإزالة ميزات الراديوميك منخفضة التدرج باستخدام بيرسيبترون متعدد الطبقات (MLP) وتدريب شبكة عصبية للتعلم العميق (DNN) على أفضل 15 ميزة موضح في الشكل 1. ثم يتم تقييم أداء طريقة GL-RFE لاختيار الميزات.

نموذج التعلم العميق المذكور سابقا باستخدام طريقة GL–RFE ينفذ في دفتر Jupyter على Google Colab، مما يسمح بكتابة وتنفيذ كود بايثون في بيئة إلكترونية. يجب تنزيل حزم مختلفة، مضمنة في خطوات البروتوكول والمواد، لتجميع الكود. باستخدام الطريقة الموضحة في قسم البروتوكول، يتم تحديد أفضل 15 ميزة راديوميك للكشف عن سرطان الرئة واستخدامها لتحقيق اكتشاف دقيق للسرطان في مجموعات بيانات الاختبار.

Protocol

1. استخراج ميزات الراديوميك باستخدام امتداد ثلاثي الأبعاد Slicer PyRadiomics

ملاحظة: الخطوات التالية مصممة لحساب ميزات الراديوميك لملف CT DICOM للرئة باستخدام امتداد 3D Slicer PyRadiomics وللحفظ في ملف بصيغة مفصولة بقيمة مفصولة (csv).

1. قم بتثبيت وفتح 3D Slicer (استخدم أحدث إصدار مستقر من https://download.slicer.org/).
2. قم بتثبيت امتداد PyRadiomics وRT Slicer.
   1. في شريط القوائم، اذهب إلى مدير عرض > الإضافات. ثم ابحث عن Radiomics أو SlicerRadiomics و RT Slicer.
   2. انقر على التثبيت لتثبيت مكتبات RT Slicer وPyRadiomics. أعد تشغيل 3D Slicer بعد التثبيت.
3. حمل NSCLC RADIOMICS.
   1. قم بتحميل مجموعات بيانات DICOM الخاصة بالأشعة المقطعية مع ملفات SEG وRTSTRUCT ل 422 مريضا من https://www.cancerimagingarchive.net/collection/nsclc-radiomics/
4. تحميل بيانات الأشعة المقطعية للرئة DICOM.
   1. اذهب إلى وحدة DICOM. انقر على الاستيراد واختر المجلد الذي يحتوي على شرائح DICOM CT وملف SEG الخاص بها في modality RTSTRUCT.
   2. بعد الاستيراد، انقر مرتين على المريضة/الدراسة/السلسلة لتحميلها في مشهد التقطيع. يجب أن يكون حجم التصوير المقطعي ثلاثي الأبعاد مرئيا في لوحة العرض كما هو موضح في الشكل 2.
5. تحقق من محاذاة الهندسة.
   1. في وحدة البيانات ، قم بتوسيع حجم التصوير المقطعي المقطعي وتقسيم كل من البرنامج. تأكد من أن التقسيم يقع تماما فوق الأشعة المقطعية (بدون انحراف في المحاذاة).
6. افتح وحدة الراديوميكس .
   1. اختر وحدة Radiomics من قسم الوحدة (أو ابحث عنها في شريط البحث الخاص بالوحدات). في وحدة الصوت الخاصة بصورة الإدخال، اختر مستوى الصوت المطلوب للCT.
   2. في تسمية الإدخال/التقسيم، اختر عقدة التقسيم (العائد على الاستثمار).
7. قم بضبط معايير تخصيص الاستخراج.
   1. اضبط تباعد البكسل المعاد أخذه عينات = [1,1,1] (يضمن وجود فوكسلات متساوية الاتجاه) وعرض الصندوق = 25 (وهو المعيار في CT). اضبط حجم نواة LoG = 2.0، 3.0، 4.0، 5.0.
8. شغل استخراج الميزات.
   1. انقر على التقديم. ستقوم البرمجيات الآن بحساب ميزات الترتيب الأول والشكل والخامات ثلاثية الأبعاد (GLCM، GLRLM، GLSZM، GLDM، وNGTDM). عرض الجدول للتحقق من الجداول المحسوبة كما هو موضح في الشكل 3. أخرج ملف csv يحتوي على جميع الميزات المستخرجة.
   2. كرر العملية السابقة لجميع ملفات DICOM التي تم تحميلها من مجموعة بيانات NSCLC RADIOMICS وحفظها كملف واحد "radiomics.csv".

2. تطوير نموذج كشف سرطان قائم على الراديوميكس باستخدام مكتبات بايثون

ملاحظة: يتم تلخيص الخطوات التالية للمستخدم لتطوير وتدريب واختبار نموذج كشف السرطان باستخدام مكتبات بايثون التي تحتوي على ميزات راديومية لمجموعات بيانات CT.

1. قم بتنسيق مجموعة بيانات الراديوميكس المحفوظة بصيغة csv بحيث يمثل كل صف مريضا/عينة واحدة، وكل عمود يمثل ميزة. أضف عمود تسمية واحد لتسميات الفئات.
2. افتح دفتر Jupyter جديد في بيئة Colab وابدأ بكتابة الكود بإعلان تعريفات الوظائف المعطاة أدناه ووظائف بايثون المدمجة في الخطوة 2.3.
3. أعط أمرا لتثبيت Pytorch وtorchvision وscikit-learn وnumpy وpanda matplotlib وimbalanced-learn فوق دفتر Jupyter.
4. اكتب دالة files.upload() لأخذ ملف csv مدخل من المستخدم وتخزينه في متغيرين x و y.
5. تطبيع البيانات المخزنة باستخدام دالة Scaler = StandardScaler() و scaler.fit_transform().
6. تعريف دالة Perceptron متعددة الطبقات MLP(nn. Module()) مع طبقات مخفية قابلة للتكوين.
7. حدد دالة تدريب def train_epoch() لحساب خسارة الانتشار العكسي من نموذج MLP باستخدام المدخلات.
8. لعدد من العصور، عرف دالة def compute_input_gradients() لحساب متوسط تدرجات الخسارة بالنسبة للميزات المدخلة وحذف الميزة ذات التدرج الأدنى، أي الأقل أهمية، حتى يتبقى 15 ميزة.
9. قسم البيانات بنسبة 80٪ 20٪ باستخدام دالة train_test_split() مع 15 ميزة محددة. تطبيق التحقق المتقاطع من خمسة أضعاف باستخدام StratifiedKFold(n_splits=5) على بيانات التدريب لضمان المتانة.
10. إنشاء شبكة عصبية كبيرة من MLP final_model = DNN().
11. قيم أداء النموذج المدرب باستخدام بيانات الاختبار مع الدوال التالية: def plot_confusion_matrix()، accuracy_score()، precision_score()، recall_score()، f1_score()، خريطة حرارية().

3. تشغيل دفتر Jupyter لبناء واختبار النموذج

1. شغل كود بايثون في دفتر Jupyter. يتم استقبال طلب لرفع ملف csv الخاص بالراديوميكس، كما هو موضح في الشكل 4.
2. ارفع radiomics.csv.
3. احفظ نتائج التصنيف والرسوم البيانية المولدة.

Results

ملخص مجموعة البيانات
تتكون مجموعة بيانات NSCLC Radiomics من 422 حجم تصوير مقطعي لمرضى سرطان الرئة في المرحلة الأولى والثانية والثالثة. بينما عدد مجموعات بيانات التصوير المقطعي المقطعي المقطعي التي تحتوي على السرطان في مراحله المبكرة (I, II) هو 134، فإن عينات البيانات التي تحتوي على سرطان في المرحلة المتقدمة (IIIa, IIIb) هي 288. أظهرت مجموعة البيانات اختلال كبير في الطبقات، مع عدد أعلى من حالات المرحلة المتقدمة (المرحلة الثالثة) مقارنة بالحالات في المراحل المبكرة (المر...

Discussion

تظهر متانة وموثوقية الإطار المقترح من القيم العالية لمقاييس التقييم، بما في ذلك الدقة، والاستدعاء، والدقة، ودرجة F-1²⁴. جميع الدرجات حصلت على أداء يزيد عن 90٪ في بيانات الاختبار مع استخدام سيرة ذاتية متعددة الأبعاد خلال تدريب MLP.

تم دعم أداء وصحة إطار العمل المقترح GL-RFE بشكل أكبر من خلال تقنيات التصور. تكشف خرائط الارتباط²⁵ في الشكل 7 أن الميزات الإشعاعية المستخ...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
برنامج التقطيع ثلاثي الأبعاد	الموقع الرسمي	5.x	تصور الصور الطبية، التقسيم، واستخراج العائد على الاستثمار لتحليل الأشعة
حزمة التعلم غير المتوازنة	PyPI	0.11+	التعامل مع اختلال التوازن الطبقي (مثل SMOTE)
Matplotlib  الحزمة	PyPI	3.x	رسم منحنيات التدريب وأهمية الميزات
حزمة نومبي	PyPI	1.26.x	العمليات العددية والتعامل مع مصفوفة الميزات
حزمة الباندا	PyPI	2.x	معالجة البيانات المسبقة وإدارة مجموعات البيانات المنظمة
حزمة باي راديوميكس	PyPI	3.x	استخراج الميزات الإشعاعية من صور الأشعة المقطعية
PyTorch   الحزمة	PyPI	2.x	إطار عمل التعلم العميق لمعالجة التعلم الطويل والعمليات الحسابية التدرجية
حزمة Scikit-learn	PyPI	1.3.x	تقييم النموذج (الدقة، الدقة، الاستدعاء، درجة F1)
SciPy  الحزمة	PyPI	1.11+	التحليل الإحصائي والتحقق من الصحة
Seaborn  الحزمة	PyPI	0.13.x	خرائط الحرارة لتحليل الارتباط بالخصائص
Torch.nn Module	PyPI	2.x	بنية الشبكات العصبية (الطبقات، التفعيلات)
وحدة Torch.optim	PyPI	2.x	خوارزميات التحسين (مثل آدم)