Bu protokol, erken organ kolonizasyonu aşamasında deneysel bir modelde kemik metastazlarının büyümesini öngörmek için bir makine öğrenme algoritması geliştirilmesini kolaylaştırır. Bu tekniğin en büyük avantajı, birkaç görüntüleme parametrelerini, her bir parametrenin üretken yeteneğini önemli ölçüde geride bırakan bir makine öğrenme algoritması ile birleştirmesidir. Ancak bu protokol kemikmetastazlarının erken tanısını amaçlasa da, farklı organlara veya multimodal ve multiparametrik görüntüleme araştırma alanlarına adapte edilebilir.
DCE eklentisi ile bir DICOM görüntüleyicide ameliyat sonrası 10 gün ve enjeksiyon. DCE sırasını 4B modunda yüklemek için içe aktarmayı seçin ve MRI görüntülerini içeren DICOM klasörünü seçin. Dördüncü veya beşinci MRG görüntüsü içinde sağ arka bacağın proksimal tibial şaft kemik iliği ilgi boyutsal bölgeye dairesel bir 1,5 milimetre kare yerleştirin ve çizim türünde göreli geliştirme seçin.
Zaman noktalarından, 1'den 5'e kadar olan temel aralığı ilgili alanlara girin ve çözümlemesi DCE ham nokta TXT adlı nokta TXT dosyası olarak dışa aktarın. RStudio'yu açın ve sağlanan DCE komut dosyası nokta R dosyasını yükleyin. Kodu seçin, bölgeyi çalıştırın ve tüm komut dosyasını çalıştırmak ve çıktıyı sağlanan görüntüleme özellikleri şablon dosyasına kopyalayın.
DICOM görüntüleyicide, hayvanın arka kası içinde ikinci bir ilgi bölgesi yerleştirin ve gösterildiği gibi DCE ölçümlerini tekrarlayın. Görüntüleme özelliği tablosunda ilgili kemik ölçümleri otomatik olarak veri normalizasyonu için ilgili kas ölçümleri ile bölünecektir. PET/CT görüntülerini analiz etmek için PET/CT analiz yazılımını açın ve PET/CT görüntülerini ithal edin.
Genel çözümlemesi tıklatın ve ilgi alanı niceleme bölgesini seçin, şablondan ilgi alanı oluşturve oluşturun. Sağ arka bacağın proksimal tibial şaft kemik iliği içinde ilgi boyutsal bölgeye dört x altı milimetre yerleştirin ve ilgi hedef bir bindirme belirli bölgeler. Mililitre başına becquerels ortalama, minimum ve maksimum değerlere dikkat edin.
Daha sonra, enjekte edilen aktiviteye göre maksimum değeri bölün ve standart alım değerini hesaplamak için sonucu gram cinsinden hayvan ağırlığıyla çarpın. Enjekte edilen arka bacaktaki tümör büyüme oranını teşhis etmek için. Enjeksiyon sonrası 30.
Sonra metastazı olan veya görünür bir tümör yükü olmayan hayvanlar için bir veya sıfır girin. Gelecekteki tümör büyümesinin tahmini için en uygun özellikleri belirlemek için, elektronik tabloyu açık kaynak veri görüntüleme makinesi öğrenme ve veri madenciliği araç setine aktarın. Dosya alt yordamını veri menüsünden çalışma alanına sürükleyin ve dosyayı çift tıklatın.
Elektronik tabloyu yüklemek için klasör simgesini tıklatın ve görüntüleme özellikleri elektronik tablosunu seçin. Dışa aktarma çalışma sayfasını seçin ve hedef özniteliği değişken tümöre atayın. Atlama işlevini hayvan numarasına atayın.
Sıralama alt yordamını çalışma alanına sürükleyin ve dosyaya bağlanmak ve alt yordamları sıralamak için bir çizgi çizin. Ardından, sıralama alt yordamını açmak ve bilgi edinme algoritmasını seçmek için çift tıklatın. Makine öğrenimi analizi için RStudio 3.4.1'i açın ve sağlanan tren modeli R komut dosyasını yükleyin.
Gerekli kitaplıkları yüklemek için komut dosyası içindeki üç ile altı arası satırları seçin. Seçili kodu çalıştırmak için kodu tıklatın ve seçili satırları çalıştırmak için seçili satırları çalıştır'ı tıklatın. Bir model ortalamasını nöral ağ algoritmasına eğitmek için, tren modeli R komut dosyasından sekiz ile 39 arası satırları seçin ve kodu tıklatın ve seçili satırları çalıştırın.
Daha sonra tanısal doğruluğun standart parametrelerini değerlendirmek için, tren modeli R komut dosyasından 41 ile 50 arası satırları seçin ve kodu tıklatın ve seçili satırları çalıştırın. Ameliyat sonrası 10. DCE analizi, kas ve kemik dokusu alanlarının ölçülmesine olanak sağlar.
Bu değerler kemik ölçümlerini kas ölçüleri ile bölerek normale döndürilebilir. Enjeksiyon sonrası 30 gün sonra tüm hayvanlar, pozitif tümör yükünü ve görünür tümöriçermeyen sağlıklı hayvanları gösteren sıfır ile metastik ler geliştirip geliştirmediklerini belirlemek için değerlendirilir. Tren modeli R komut dosyasının çalıştırılması, en iyi hiper parametre kombinasyonunun belirlenmesini ve son modelin en iyi hiper parametre kombinasyonu kullanılarak hesaplanmasını sağlar.
Bu veriler, bir dizi standart tanılama parametrelerinin hesaplanmasına ve modelin alıcı çalışma karakteristik eğrisinin çizilmesine olanak sağlar. Örneğin, 28 örneğin bu analizinde model, üç bileşeninin tümünden önemli ölçüde daha iyi performans gösterir. Giriş verileri normalleştirildiğinde, çeşitli makine öğrenimi algoritmaları daha iyi performans gösterme eğilimindedir.
Bu protokolde normalleştirme Box Cox işlevi kullanılarak elde edilir. Bu protokol, ağ sırasında makine öğrenme algoritması olarak bir model ortalaması kullanır. Ancak, sağlanan çerçeve rastgele ormanlar veya destek vektör makineleri gibi diğer algoritmalara kolayca uyarlanabilir.
Görüntü materyalinden sayısal bilgi ayıklamak gerekli hale gelmiştir. Bu gibi algoritmalar hasta tabakalaşmasına izin vermek için büyük miktarda verinin entegrasyonunu kolaylaştırabilir.
