Cancer Research
A subscription to JoVE is required to view this content.
You will only be able to see the first 2 minutes.
The JoVE video player is compatible with HTML5 and Adobe Flash. Older browsers that do not support HTML5 and the H.264 video codec will still use a Flash-based video player. We recommend downloading the newest version of Flash here, but we support all versions 10 and above.
If that doesn't help, please let us know.
Maskinlæringsalgoritmer for tidlig påvisning av beinmetastaser i en eksperimentell rottemodell
Chapters
Summary August 16th, 2020
Please note that all translations are automatically generated.
Click here for the English version.
Denne protokollen ble utviklet for å trene en maskinlæringsalgoritme for å bruke en kombinasjon av bildeparametere avledet fra magnetisk resonansavbildning (MR) og positronutslipptomografi / computertomografi (PET / CT) i en rottemodell av brystkreftbenmetastaser for å oppdage tidlig metastatisk sykdom og forutsi påfølgende progresjon til makrometastaser.
Transcript
Denne protokollen forenkler utviklingen av en maskinlæringsalgoritme for å forutsi veksten av beinmetastaser i en eksperimentell modell på scenen av tidlig organkolonisering. Den største fordelen med denne teknikken er at den kombinerer flere bildeparametere i en maskinlæringsalgoritme som betydelig overgår den produktive evnen til hver enkelt parameter. Skjønt, denne protokollen tar sikte på tidlig diagnose av metastaser i bein, det kan tilpasses ulike organer eller områder av multimodale og multiparametrisk bildebehandling forskning.
10 dager etter operasjonen og injeksjon i en DICOM viewer med en DCE plugin. Velg import for å laste inn DCE-sekvensen i 4D-modus, og velg DICOM-mappen som inneholder MR-bildene. Plasser en sirkulær 1,5 kvadratimendime til dimensjonal interesseområde i den proksimale tibiale akselbenmargen på høyre bakben i fjerde eller femte MR-bilde og velg relativ forbedring i plotttypen.
Angi det opprinnelige området fra tidspunkter, én til fem i de respektive feltene og eksporter analysen som en DOT TXT-fil med navnet DCE raw dot TXT. Åpne RStudio og last inn den angitte DCE script dot R-filen. Velg kode, kjør område og kjør alt for å kjøre hele skriptet og kopiere utdataene til den angitte malfilen for bildefunksjoner.
I DICOM-betrakteren plasserer du en annen interesseregion innenfor dyrets ryggmuskel og gjentar DCE-målingene som vist. I bildefunksjonsregnearket vil de respektive beinmålingene automatisk deles på de respektive muskelmålingene for data normalisering. For å analysere PET / CT-bildene, åpne PET / CT analyseprogramvare og importere PET / CT-bildene.
Klikk generell analyse og velg område av interesse kvantifisering, opprette og opprette et område av interesse fra en mal. Plasser en fire og seks millimeter, til dimensjonal interesseområde innenfor benmargen til den proksimale tibiale akselen på høyre bakben og velg områder av interesse mål ett overlegg. Legg merke til gjennomsnitts-, minimums- og maksimumsverdiene i becquerels per milliliter.
Deretter deler du maksimumsverdien med den injiserte aktiviteten og multipliserer resultatet av dyrevekten i gram for å beregne standardisert opptaksverdi. For å diagnostisere tumorveksthastigheten i det injiserte bakbenet. Etter å ha fått MR- og PET/CT-bilder på dag 30 etter injeksjon, analyser bildene som demonstrert og legg til en tumorkolonne i bildebehandlingsfunksjonene regneark.
Skriv deretter inn en eller null for dyr med metastase eller uten en synlig tumorbyrde henholdsvis. For å finne de mest relevante funksjonene for prediksjon av fremtidig tumorvekst, importer regnearket til en åpen kildekode datavisualisering maskinlæring og data gruvedrift verktøykasse. Dra filunderrutinen fra datamenyen til arbeidsområdet, og dobbeltklikk filen.
Klikk på mappeikonet for å laste inn regnearket og velge regnearket for bildefunksjoner. Velg eksportregnearket, og tilordne målattributtet til variabelsvulsten. Tilordne hoppfunksjonen til dyrenummeret.
Dra delrutinen rang inn i arbeidsområdet, og tegn en linje for å koble til filen og rangere underrutiner. Dobbeltklikk deretter for å åpne underrutinen rang og velge algoritmen for informasjonsgevinst. For maskinlæringsanalyse åpner du RStudio 3.4.1 og laster inn det medfølgende togmodellen R-skriptet.
Velg linje tre til seks i skriptet for å laste inn de nødvendige bibliotekene. Klikk kode for å kjøre den valgte koden og klikk Kjør valgte linjer for å kjøre de valgte linjene. Hvis du vil trene et modellgjennomsnitt til nevrale nettverksalgoritme, velger du linjer åtte til 39 fra togmodell R-skriptet og klikker kode og kjører valgte linjer.
Deretter vurderer du standardparametrene for diagnostisk nøyaktighet, velger du linje 41 til 50 fra togmodellen R-skriptet og klikker kode og kjører valgte linjer. På dag 10 etter kirurgi og kreftcelleinjeksjon kan MR- og PET/CT-bilder kjøpes. DCE analyse gjør det mulig å måle muskel- og beinvevsområder av interesse.
Disse verdiene kan normaliseres ved å dele beinmålingene ved muskelmålingene. På dag 30 etter injeksjon, alle dyr er evaluert for å avgjøre om de har utviklet metasticies med en som indikerer en positiv tumor byrde og en null indikerer friske dyr uten synlige svulster. Kjøring av togmodellen R-skriptet gjør at den optimale hyperparameterkombinasjonen bestemmes, og den endelige modellen som skal beregnes ved hjelp av den optimale hyperparameterkombinasjonen.
Disse dataene gjør det mulig å beregne et sett med standard diagnoseparametere, og mottakerens karakteristiske kurve for modellen kan tegnes inn. For eksempel, i denne analysen av 28 prøver modellen utfører betydelig bedre enn alle sine tre bestanddeler. Flere maskinlæringsalgoritmer har en tendens til å yte bedre når inndata normaliseres.
I denne protokollen oppnås normalisering ved hjelp av Box Cox-funksjonen. Denne protokollen bruker et modellgjennomsnitt under nettverket som en maskinlæringsalgoritme. Det medfølgende rammeverket kan imidlertid enkelt tilpasses andre algoritmer som tilfeldige skoger eller støttevektormaskiner.
Utpakking av numerisk informasjon fra bildemateriale har blitt avgjørende. Algoritmer som disse kan lette integreringen av store mengder data for å tillate pasientstratifisering.
Related Videos
You might already have access to this content!
Please enter your Institution or Company email below to check.
has access to
Please create a free JoVE account to get access
Login to access JoVE
Please login to your JoVE account to get access
We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.
If you want more info regarding data storage, please contact gdpr@jove.com.
Please enter your email address so we may send you a link to reset your password.
We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.
If you want more info regarding data storage, please contact gdpr@jove.com.
Your JoVE Unlimited Free Trial
Fill the form to request your free trial.
We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.
If you want more info regarding data storage, please contact gdpr@jove.com.
Thank You!
A JoVE representative will be in touch with you shortly.
Thank You!
You have already requested a trial and a JoVE representative will be in touch with you shortly. If you need immediate assistance, please email us at subscriptions@jove.com.
Thank You!
Please enjoy a free 2-hour trial. In order to begin, please login.
Thank You!
You have unlocked a 2-hour free trial now. All JoVE videos and articles can be accessed for free.
To get started, a verification email has been sent to email@institution.com. Please follow the link in the email to activate your free trial account. If you do not see the message in your inbox, please check your "Spam" folder.
