Name: machine learning algorithms for early detection of bone metastases in an experimental rat model
Uploaded: 2020-08-16T13:00:00
Description: Watch this Scientific Journal Video about Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model at JoVE.com

وقد دعم هذا العمل مؤسسة البحوث الألمانية (DFG، مركز البحوث التعاونية CRC 1181، المشروع الفرعي Z02؛ برنامج الأولوية μBone، مشاريع BA 4027/10-1 و BO 3811)، بما في ذلك دعم إضافي لأجهزة المسح الضوئي (INST 410/77-1 FUGG و INST 410/93-1 FUGG)، ومن قبل مبادرة الحقول الناشئة (EFI) "Big Thera" من جامعة فريدريش ألكسندر إرلانجن-نورنبيرغ.

وقد أجريت جميع إجراءات الرعاية والتجريب وفقاً للتشريعات الوطنية والإقليمية المتعلقة بحماية الحيوانات، ووافقت حكومة ولاية فرانكونيا، ألمانيا على جميع الإجراءات المتعلقة بالحيوانات (المرجع 55.2 DMS-2532-2-228).
1. التعريفي من سرطان الثدي نقائل العظام في الساق الخلفية اليمنى من الفئ?...

<ol>
	<li>D'Oronzo, S., Brown, J., Coleman, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+biomarkers+in+the+management+of+bone-homing+malignancies.">The role of biomarkers in the management of bone-homing malignancies.</a> Journal of Bone Oncology. 9, 1-9 (2017).</li><li>Ellmann, S., Beck, M., Kuwert, T., Uder, M., B&#228;uerle, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multimodal+imaging+of+bone+metastases:+From+preclinical+to+clinical+applications.">Multimodal imaging of bone metastases: From preclinical to clinical applications.</a> Journal of Orthopaedic Translation. 3 (4), 166-177 (2015).</li><li>Braun, S., Pantel, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+significance+of+occult+metastatic+cells+in+bone+marrow+of+breast+cancer+patients.">Clinical significance of occult metastatic cells in bone marrow of breast cancer patients.</a> The Oncologist. 6 (2), 125-132 (2001).</li><li>Braun, S., Rosenberg, R., Thorban, S., Harbeck, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Implications+of+occult+metastatic+cells+for+systemic+cancer+treatment+in+patients+with+breast+or+gastrointestinal+cancer.">Implications of occult metastatic cells for systemic cancer treatment in patients with breast or gastrointestinal cancer.</a> Seminars in surgical oncology. 20 (4), 334-346 (2001).</li><li>Ellmann, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+of+early+metastatic+disease+in+experimental+breast+cancer+bone+metastasis+by+combining+PET/CT+and+MRI+parameters+to+a+Model-Averaged+Neural+Network.">Prediction of early metastatic disease in experimental breast cancer bone metastasis by combining PET/CT and MRI parameters to a Model-Averaged Neural Network.</a> Bone. 120, 254-261 (2018).</li><li>B&#228;uerle, T., Komljenovic, D., Berger, M. R., Semmler, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-modal+imaging+of+angiogenesis+in+a+nude+rat+model+of+breast+cancer+bone+metastasis+using+magnetic+resonance+imaging,+volumetric+computed+tomography+and+ultrasound.">Multi-modal imaging of angiogenesis in a nude rat model of breast cancer bone metastasis using magnetic resonance imaging, volumetric computed tomography and ultrasound.</a> Journal of Visualized Experiments. (66), e4178 (2012).</li><li>Merz, M., Komljenovic, D., Semmler, W., B&#228;uerle, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+contrast-enhanced+ultrasound+for+imaging+antiangiogenic+treatment+response+in+experimental+osteolytic+breast+cancer+bone+metastases.">Quantitative contrast-enhanced ultrasound for imaging antiangiogenic treatment response in experimental osteolytic breast cancer bone metastases.</a> Investigative Radiology. 47 (7), 422-429 (2012).</li><li>B&#228;uerle, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Characterization+of+a+rat+model+with+site-specific+bone+metastasis+induced+by+MDA-MB-231+breast+cancer+cells+and+its+application+to+the+effects+of+an+antibody+against+bone+sialoprotein.">Characterization of a rat model with site-specific bone metastasis induced by MDA-MB-231 breast cancer cells and its application to the effects of an antibody against bone sialoprotein.</a> International Journal of Cancer. 115 (2), 177-186 (2005).</li><li>Patel, J., Goyal, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applications+of+Artificial+Neural+Networks+in+Medical+Science.">Applications of Artificial Neural Networks in Medical Science.</a> Current Clinical Pharmacology. 2 (3), 217-226 (2008).</li><li>Naftaly, U., Intrator, N., Horn, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimal+ensemble+averaging+of+neural+networks.">Optimal ensemble averaging of neural networks.</a> Network: Computation in Neural Systems. 8 (3), 283-296 (1997).</li><li>B&#228;uerle, T., Merz, M., Komljenovic, D., Zwick, S., Semmler, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Drug-induced+vessel+remodeling+in+bone+metastases+as+assessed+by+dynamic+contrast+enhanced+magnetic+resonance+imaging+and+vessel+size+imaging:+A+longitudinal+in+vivo+study.">Drug-induced vessel remodeling in bone metastases as assessed by dynamic contrast enhanced magnetic resonance imaging and vessel size imaging: A longitudinal in vivo study.</a> Clinical Cancer Research. 16 (12), 3215-3225 (2010).</li><li>Cheng, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+treatment+response+of+cilengitide+in+an+experimental+model+of+breast+cancer+bone+metastasis+using+dynamic+PET+with+18F-FDG.">Evaluation of treatment response of cilengitide in an experimental model of breast cancer bone metastasis using dynamic PET with 18F-FDG.</a> Hellenic Journal of Nuclear Medicine. 14 (1), 15-20 (2011).</li><li>Marturano-Kruik, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+bone+perivascular+niche-on-a-chip+for+studying+metastatic+colonization.">Human bone perivascular niche-on-a-chip for studying metastatic colonization.</a> Proceedings of the National Academy of Sciences of the United States of America. 115 (6), 1256-1261 (2018).</li><li>Sonntag, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=In+vivo+proof-of-concept+for+two+experimental+antiviral+drugs,+both+directed+to+cellular+targets,+using+a+murine+cytomegalovirus+model.">In vivo proof-of-concept for two experimental antiviral drugs, both directed to cellular targets, using a murine cytomegalovirus model.</a> Antiviral Research. 161, 63-69 (2019).</li><li>. Horos - Free DICOM Medical Image Viewer | Open-Source Available from: <a target="_blank" href="https://www.horosproject.org/">https://www.horosproject.org/</a> (2015)</li><li>. RStudio Team RStudio: Inteegrated Development for R Available from: <a target="_blank" href="https://rstudio.com">https://rstudio.com</a> (2015)</li><li>Dem&#353;ar, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Orange:+Data+Mining+Toolbox+in+Python.">Orange: Data Mining Toolbox in Python.</a> Journal of Machine Learning Research. 14, 2349-2353 (2013).</li><li>Saeys, Y., Inza, I., Larra&#241;aga, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+feature+selection+techniques+in+bioinformatics.">A review of feature selection techniques in bioinformatics.</a> Bioinformatics. 23 (19), 2507-2517 (2007).</li><li>. CRAN - Package caret Available from: <a target="_blank" href="https://cran.r-project.org/web/packages/caret/index.html">https://cran.r-project.org/web/packages/caret/index.html</a> (2016)</li><li>. CRAN: Package xgboost - Extreme Gradient Boosting Available from: <a target="_blank" href="https://cran.r-project.org/web/packages/xgboost/">https://cran.r-project.org/web/packages/xgboost/</a> (2019)</li><li>Fern&#225;ndez-Delgado, M., Cernadas, E., Barro, S., Amorim, D., Fern&#225;ndez-Delgado, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Do+we+Need+Hundreds+of+Classifiers+to+Solve+Real+World+Classification+Problems.">Do we Need Hundreds of Classifiers to Solve Real World Classification Problems.</a> Journal of Machine Learning Research. 15, 3133-3181 (2014).</li><li>Hira, Z. M., Gillies, D. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Review+of+Feature+Selection+and+Feature+Extraction+Methods+Applied+on+Microarray+Data.">A Review of Feature Selection and Feature Extraction Methods Applied on Microarray Data.</a> Advances in Bioinformatics. 2015, 198363 (2015).</li><li>S&#225;nchez-Maro&#241;o, N., Alonso-Betanzos, A., Tombilla-Sanrom&#225;n, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Filter+methods+for+feature+selection+-+A+comparative+study.">Filter methods for feature selection - A comparative study.</a> Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 4881, 178-187 (2007).</li><li>Cawley, G. C., Talbot, N. L. C. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+exact+leave-one-out+cross-validation+of+sparse+least-squares+support+vector+machines.">Fast exact leave-one-out cross-validation of sparse least-squares support vector machines.</a> Neural Network. 17 (10), 1467-1475 (2004).</li><li>Forghani, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Radiomics+and+Artificial+Intelligence+for+Biomarker+and+Prediction+Model+Development+in+Oncology.">Radiomics and Artificial Intelligence for Biomarker and Prediction Model Development in Oncology.</a> Computational and Structural Biotechnology Journal. 17, 995-1008 (2019).</li><li>Jaffe, C. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measures+of+response:+RECIST,+WHO,+and+new+alternatives.">Measures of response: RECIST, WHO, and new alternatives.</a> Journal of Clinical Oncology Official Journal of the American Society of Clinical Oncology. 24 (20), 3245-3251 (2006).</li><li>Lambin, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Radiomics:+Extracting+more+information+from+medical+images+using+advanced+feature+analysis.">Radiomics: Extracting more information from medical images using advanced feature analysis.</a> European Journal of Cancer. 48 (4), 441-446 (2012).</li><li>Gillies, R. J., Kinahan, P. E., Hricak, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Radiomics:+Images+are+more+than+pictures,+they+are+data.">Radiomics: Images are more than pictures, they are data.</a> Radiology. 278 (2), 563-577 (2016).</li><li>Nioche, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Lifex:+A+freeware+for+radiomic+feature+calculation+in+multimodality+imaging+to+accelerate+advances+in+the+characterization+of+tumor+heterogeneity.">Lifex: A freeware for radiomic feature calculation in multimodality imaging to accelerate advances in the characterization of tumor heterogeneity.</a> Cancer Research. 78 (16), 4786-4789 (2018).</li><li>Ellmann, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Application+of+machine+learning+algorithms+for+multiparametric+MRI-based+evaluation+of+murine+colitis.">Application of machine learning algorithms for multiparametric MRI-based evaluation of murine colitis.</a> PLOS ONE. 13 (10), 0206576 (2018).</li></ol>

ML خوارزميات هي أدوات قوية تستخدم لدمج العديد من الميزات التنبؤية في نموذج مجتمعة والحصول على دقة تتجاوز أن من مكونات منفصلة عند استخدامها وحدها. ومع ذلك، تعتمد النتيجة الفعلية على عدة خطوات حاسمة. أولاً، تعتبر خوارزمية ML المستخدمة عاملاً حاسماً، لأن خوارزميات ML المختلفة تسفر عن نتائج مخت...

الغرض من هذا البروتوكول هو دمج العديد من معلمات التصوير الوظيفية من التصوير بالرنين المغناطيسي وPET / CT في خوارزمية شبكة عصبية متوسطة الطراز (avNNet) ML. هذه الخوارزمية تتوقع نمو macrometastases في نموذج الفئران من سرطان الثدي العظام الانبثاث في وقت مبكر، عندما التغييرات العيانية داخل العظام ليست مرئية حتى الآن.
قبل نمو ميكروميتاسس، يحدث غزو نخاع العظم للخلايا السرطانية المنشورة، ويشار إليها عادة باسم مرض ميكروميتاستاتيكي1،2. يمكن اعتبار هذا الغزو الأولي خطوة مبكرة في مرض النقيلي ، ولكن عادة ما يغيب خلال فحوص التدريج التقليدية3،4. على الرغم من أن طرائق التصوير المتاحة حاليا لا يمكن الكشف عن نخاع العظم microinvasion عند استخدامها وحدها، وقد تبين مزيج من المعلمات التصوير التي تعطي معلومات عن الأوعية الدموية والنشاط الأيضي لأداء أفضل5. ويتحقق هذا فائدة تكميلية من خلال الجمع بين مختلف المعلمات التصوير في avNNet، وهو خوارزمية ML. مثل avNNet يسمح للتنبؤ موثوق بها من تشكيل ماكروميتاسساتيس العظام قبل أي الانبثاث مرئية موجودة. ولذلك، يمكن أن يكون دمج المؤشرات الحيوية للتصوير في avNNet بمثابة معلمة بديلة لأمراض النخاع العظمي الدقيقة والأمراض النقيلية المبكرة.
لتطوير البروتوكول، تم استخدام نموذج سبق وصفه من الانبثاث العظام سرطان الثدي في الفئران عارية6،7،8. ميزة هذا النموذج هو خصوصية الموقع، وهذا يعني أن الحيوانات تطوير الانبثاث العظمية حصرا في ساقها الخلفية اليمنى. ومع ذلك، فإن معدل تناول الورم لهذا النهج هو 60٪ -80٪، وبالتالي فإن عددا كبيرا من الحيوانات لا تتطور أي الانبثاث خلال الدراسة. باستخدام طرائق التصوير مثل التصوير بالرنين المغناطيسي و PET/CT، يمكن الكشف عن وجود الانبثاث من اليوم 30 بعد الحقن (PI). في وقت سابق من النقاط (على سبيل المثال ، 10 PI) التصوير لا يميز بين الحيوانات التي سوف تتطور مرض النقيلي وتلك لن (الشكل 1).
وavNNet تدريب على المعلمات التصوير الوظيفي المكتسبة في يوم 10 PI ، كما هو موضح في البروتوكول التالي ، ويتوقع بشكل موثوق أو يستبعد نمو ماكروميتاستاس خلال الأسابيع التالية ~ 3. تجمع الشبكات العصبية بين العقد الاصطناعية داخل طبقات مختلفة. في بروتوكول الدراسة، تمثل معلمات التصوير الوظيفية لإمدادات الدم نخاع العظم والنشاط الأيضي الطبقة السفلية، في حين أن التنبؤ بالثمانة يمثل الطبقة العليا. طبقة متوسطة إضافية تحتوي على عقد مخفية متصلة بكل من الطبقة العليا والسفلى. يتم تحديث قوة الاتصالات بين العقد المختلفة أثناء تدريب الشبكة لأداء مهمة التصنيف ذات الصلة بدقة عالية9. ويمكن زيادة دقة هذه الشبكة العصبية عن طريق زيادة متوسط نواتج عدة نماذج، مما أدى إلى avNNet10.

<table border="0" cellpadding="0" cellspacing="0" style="width:801px;" width="800">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">Binocular Operating Microscope</td>
			<td style="width:239px;">Leica</td>
			<td style="width:154px;">NA</td>
			<td style="width:167px;"></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">ClinScan MR System</td>
			<td style="width:239px;">Bruker</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">DICOM Viewer</td>
			<td style="width:239px;">Horos</td>
			<td style="width:154px;">NA</td>
			<td style="width:167px;">www.horosproject.org</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">Excel: Spreadsheet</td>
			<td style="width:239px;">Microsoft</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">FCS</td>
			<td style="width:239px;">Sigma</td>
			<td style="width:154px;">F2442-500ML</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">Gadovist</td>
			<td style="width:239px;">Bayer-Schering</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">Inveon PET/CT</td>
			<td style="width:239px;">Siemens</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:241px;">Inveon Research Workplace Software</td>
			<td style="width:239px;">Siemens Healthcare GmbH</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">IVIS Spectrum</td>
			<td style="width:239px;">PerkinElmer</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:241px;">MDA-MB-231 human breast cancer cells</td>
			<td style="width:239px;">American Type Culture Collection</td>
			<td style="width:154px;">N/A</td>
			<td></td>
		</tr>
		<tr height="63">
			<td height="63" style="height:63px;width:241px;">Open-source data visualization, machine learning and data mining toolkit.</td>
			<td style="width:239px;">Orange3, University of Ljubljana</td>
			<td style="width:154px;">NA</td>
			<td>https://orange.biolab.si/</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">RPMI-1640</td>
			<td>Invitrogen/ThermoFisher</td>
			<td align="right" style="width:154px;">11875093</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">Trypsin</td>
			<td style="width:239px;">Sigma</td>
			<td style="width:154px;">9002-07-7</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:241px;">Vevo 3100</td>
			<td style="width:239px;">VisualSonics</td>
			<td style="width:154px;">NA</td>
			<td></td>
		</tr>
	</tbody>
</table>

machine learning algorithms for early detection of bone metastases in an experimental rat model

تسمح خوارزميات التعلم الآلي (ML) بدمج ميزات مختلفة في نموذج لأداء مهام التصنيف أو الانحدار بدقة تتجاوز مكوناتها. يصف هذا البروتوكول تطور خوارزمية ML للتنبؤ بنمو ماكروميتاستاسات العظام لسرطان الثدي في نموذج الفئران قبل أن تكون أي تشوهات ملحوظة باستخدام طرق التصوير القياسية. ويمكن لهذه الخوارزمية أن تسهل الكشف عن الأمراض النقيلية المبكرة (أي ميكروميتاساساتيس) التي يتم تفويتها بانتظام أثناء الفحوص المرحلية.
نموذج الانبثاث المطبق هو موقع محدد ، مما يعني أن الفئران تطور الانبثاث حصريًا في ساقها الخلفية اليمنى. معدل أخذ الورم في النموذج هو 60٪ -80٪، مع ماكروميتاسات تصبح مرئية في التصوير بالرنين المغناطيسي (MRI) والتصوير المقطعي للانبعاثات البوزيترونية /التصوير المقطعي المحوسب (PET/CT) في مجموعة فرعية من الحيوانات بعد 30 يوما من الحث، في حين أن مجموعة فرعية ثانية من الحيوانات لا تظهر أي نمو الورم.
بدءا من فحص الصورة المكتسبة في وقت سابق من نقطة، ويصف هذا البروتوكول استخراج الميزات التي تشير إلى الأوعية الدموية الأنسجة التي اكتشفت بواسطة التصوير بالرنين المغناطيسي، والتمثيل الغذائي الجلوكوز PET / CT، وتحديد لاحقة من الميزات الأكثر أهمية للتنبؤ بمرض ماكروميتاستاتيك. ثم يتم تغذية هذه الميزات في شبكة عصبية متوسطة الطراز (avNNet) لتصنيف الحيوانات إلى واحدة من مجموعتين: واحدة من شأنها أن تطور الانبثاث والأخرى التي لن تتطور أي أورام. كما يصف البروتوكول حساب المعلمات التشخيصية القياسية، مثل الدقة الكلية، والحساسية، وخصوصية، والقيم التنبؤية السلبية/الإيجابية، ونسب الاحتمال، وتطوير خصائص التشغيل الخاصة بالمستقبِل. ومن مزايا البروتوكول المقترح مرونته، حيث يمكن تكييفه بسهولة لتدريب عدد كبير من خوارزميات ML المختلفة مع تركيبات قابلة للتعديل لعدد غير محدود من الميزات. وعلاوة على ذلك، يمكن استخدامه لتحليل مشاكل مختلفة في علم الأورام، والعدوى، والتهاب.

تعافت الفئران بسرعة من الجراحة وحقن خلايا سرطان الثدي MDA-MB-231 ثم تعرضت لتصوير MR-وPET/CT في أيام 10 و 30 PI(الشكل 1). يتم تقديم تحليل DCE ممثل من الساق القريبة الحق في الفئران في الشكل 2A. تم حفظ القياسات الخام DCE عن طريق تحديد"تصدير"الزر واختيار "DCEraw.txt" باسم المل?...

Watch this Scientific Journal Video about Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model at JoVE.com

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

وقد صُمِّم هذا البروتوكول لتدريب خوارزمية للتعلم الآلي لاستخدام مزيج من بارامترات التصوير المستمدة من التصوير بالرنين المغناطيسي (MRI) والتصوير المقطعي /التصوير المقطعي للانبعاثات البوزيترونية (PET/CT) في نموذج فأر من أنبثاث عظام سرطان الثدي للكشف المبكر عن الأمراض النقيالة والتنبؤ بالتقدم اللاحق إلى الماكروميتاستاسات.

خوارزميات التعلم الآلي للكشف المبكر عن الانبثاث العظام في نموذج الفئران التجريبية

Machine learning (ML) algorithms permit the integration of different features into a model to perform classification or regression tasks with an accuracy ...

يسهل هذا البروتوكول تطوير خوارزمية التعلم الآلي للتنبؤ بنمو نقائل العظام في نموذج تجريبي في مرحلة استعمار الجهاز المبكر. والميزة الرئيسية لهذه التقنية هي أنها تجمع بين العديد من معلمات التصوير في خوارزمية التعلم الآلي التي تتفوق بشكل كبير على القدرة الإنتاجية لكل معلمة على حدة. على الرغم من أن هذا البروتوكول يهدف إلى التشخيص المبكر للنقائل في العظام ، يمكن تكييفه مع مختلف الأعضاء أو مجالات أبحاث التصوير متعدد الوسائط ومتعددة الأبعاد.10 أيام بعد الجراحة والحقن في عارض DICOM مع البرنامج المساعد DCE. اختر استيراد لتحميل تسلسل DCE في وضع 4D وحدد المجلد DICOM الذي يحتوي على صور الرنين المغناطيسي. وضع دائري 1.5 ملليمتر مربع إلى منطقة الأبعاد من الفائدة في نخاع عظم رمح التصبي القريب من الساق الخلفية اليمنى ضمن الصورة التصوير بالرنين المغناطيسي الرابع أو الخامس وحدد تعزيز نسبي في نوع المؤامرة.أدخل نطاق الأساس من نقاط زمنية، واحد إلى خمسة في الحقول المعنية وتصدير التحليل كملف نقطة TXT يسمى DCE نقطة خام TXT. فتح RStudio وتحميل الملف R DCE النصي DCE المتوفرة. حدد التعليمات البرمجية وتشغيل المنطقة وتشغيل الكل لتشغيل البرنامج النصي بأكمله ونسخ الإخراج إلى ملف قالب ميزات التصوير المتوفرة.في عارض DICOM، ضع منطقة ثانية من الاهتمام داخل العضلة الخلفية للحيوان وكرر قياسات DCE كما هو موضح. في جدول بيانات ميزة التصوير سيتم تقسيم قياسات العظام المعنية تلقائيًا من خلال قياسات العضلات الخاصة بتطبيع البيانات. لتحليل الصور PET / CT فتح برنامج تحليل PET / CT واستيراد الصور PET / CT.انقر فوق التحليل العام وحدد منطقة ذات أهمية كمية، إنشاء وإنشاء منطقة ذات فائدة من قالب. وضع أربعة في ستة ملليمترات، إلى منطقة ذات أهمية الأبعاد داخل نخاع العظم من رمح التصبيال القريب من الساق الخلفية اليمنى وحدد المناطق ذات الاهتمام استهداف تراكب واحد. لاحظ القيم الوسط والحد الأدنى والحد الأقصى في becquerels لكل ملليلتر.ثم، تقسيم القيمة القصوى على النشاط المحقون وضرب النتيجة من وزن الحيوان في غرام لحساب قيمة امتصاص موحدة. لتشخيص معدل نمو الورم في الساق الخلفية المحقونة. بعد الحصول على التصوير بالرنين المغناطيسي وPET / CT الصور في اليوم 30 بعد الحقن، وتحليل الصور كما أظهرت وإضافة عمود الورم إلى جدول بيانات ميزات التصوير.ثم أدخل واحد أو صفر للحيوانات مع الانبثاث أو دون عبء الورم مرئية على التوالي. لتحديد الميزات الأكثر صلة للتنبؤ بنمو الورم في المستقبل، قم باستيراد جدول البيانات إلى مجموعة أدوات التعلم الآلي لتصور البيانات مفتوحة المصدر ومجموعة أدوات التعدين. اسحب روتين الملف الفرعي من قائمة البيانات إلى مساحة العمل وانقر نقراً مزدوجاً فوق الملف.انقر فوق رمز المجلد لتحميل جدول البيانات وتحديد جدول بيانات ميزات التصوير. حدد ورقة عمل التصدير وتعيين السمة الهدف إلى الورم المتغير. تعيين الدالة تخطي إلى رقم الحيوان.اسحب روتين الرتبة الفرعي إلى مساحة العمل وارسم خطًا للاتصال بالملف وترتيب الإجراءات الفرعية. ثم انقر نقراً مزدوجاً لفتح روتين فرعي رتبة وحدد خوارزمية كسب المعلومات. لتحليل التعلم الآلي، افتح RStudio 3.4.1 ثم قم بتحميل نموذج القطار المتوفر R النصي.حدد الأسطر من ثلاثة إلى ستة داخل البرنامج النصي لتحميل المكتبات المطلوبة. انقر فوق التعليمات البرمجية لتشغيل التعليمات البرمجية المحددة وانقر فوق تشغيل الأسطر المحددة لتشغيل البنود المحددة. لتدريب متوسط نموذج إلى خوارزمية الشبكة العصبية، حدد الخطوط من 8 إلى 39 من برنامج نصي طراز القطار R وانقر فوق التعليمات البرمجية وتشغيل خطوط مختارة.ثم لتقييم المعلمات القياسية للدقة التشخيصية ، حدد خطوط 41 إلى 50 من القطار نموذج R النصي وانقر على رمز وتشغيل خطوط مختارة. في اليوم 10 بعد الجراحة وحقن الخلايا السرطانية، يمكن الحصول على التصوير بالرنين المغناطيسي و PET/ CT الصور. تحليل DCE يسمح بقياس مناطق الأنسجة العضلية والعظام ذات الاهتمام.يمكن تطبيع هذه القيم عن طريق تقسيم قياسات العظام من خلال قياسات العضلات. في اليوم 30 بعد الحقن، يتم تقييم جميع الحيوانات لتحديد ما إذا كانت قد وضعت metasticies مع واحد يشير إلى عبء الورم الإيجابي وصفر يشير إلى الحيوانات السليمة دون أورام مرئية. تشغيل القطار نموذج R النصي يسمح مزيج المعلمة فرط الأمثل لتحديد والنموذج النهائي أن تحسب باستخدام مزيج المعلمة فرط الأمثل.تسمح هذه البيانات بمجموعة من معلمات التشخيص القياسية التي سيتم حسابها ومنحنى خصائص التشغيل الخاصة بالمستقبِل للنموذج ليتم رسمها. على سبيل المثال، في هذا التحليل من 28 عينات النموذج أداء أفضل بكثير من جميع مكوناته الثلاثة. تميل خوارزميات التعلم الآلي العديدة إلى أداء أفضل عند تسوية بيانات الإدخال.في هذا البروتوكول يتم تحقيق التطبيع باستخدام وظيفة كوكس مربع. يستخدم هذا البروتوكول متوسط طراز أثناء شبكة الاتصال خوارزمية تعلم الجهاز. ومع ذلك، يمكن بسهولة تكييف الإطار المقدم مع خوارزميات أخرى مثل الغابات العشوائية أو دعم الآلات المتجهة.وقد أصبح استخراج المعلومات الرقمية من مواد الصورة أمراً أساسياً. قد تسهل خوارزميات مثل هذه دمج كميات كبيرة من البيانات للسماح بالتقسيم الطبقي للمرضى.

Research

JoVE Journal

Cancer Research

Intra-iliac Artery Injection for Efficient and Selective Modeling of Microscopic Bone Metastasis

داخل الحرقفي حقن الشريان للنمذجة فعالة وانتقائية مجهرية العظام الانبثاث

Intra-iliac artery (IIA) injection is an efficient approach to introduce metastatic lesions of various cancer cells in animals. Compared to the widely ...

Murine Experimental Model of Original Tumor Development and Peritoneal Metastasis via Orthotopic Inoculation with Ovarian Carcinoma Cells

Murine Experimental Model of Original Tumor Development and Peritoneal Metastasis via Orthotopic Inoculation with Ovarian Carcinoma Cells

فأري موديل التجريبية التنمية الورم الأصلي والبريتوني ورم خبيث<em&gt; عبر</em&gt; مثلي تلقيح مع خلايا المبيض سرطان

Epithelial ovarian carcinoma (EOC) is associated with a poor prognosis because it shows peritoneal dissemination. To improve the prognosis, it is ...

A 3D Organotypic Melanoma Spheroid Skin Model

نموذج 3D أورجانوتيبيك الميلانوما جلد كروي

Malignant transformation of melanocytes, the pigment cells of human skin, causes formation of melanoma, a highly aggressive cancer with increased ...

Evaluation of the Feasibility, Safety, and Accuracy of an Intraoperative High-intensity Focused Ultrasound Device for Treating Liver Metastases

وركز التقييم لجدوى والسلامة، ودقة عالية الكثافة الموضعية جهاز الموجات فوق الصوتية لعلاج الانبثاث الكبد

Today, the only potentially curative option in patients with colorectal liver metastases is surgery. However, liver resection is feasible in less than 20% ...

Three-Dimensional Bone Extracellular Matrix Model for Osteosarcoma

نموذج المصفوفة خارج الخلية العظام ثلاثية الأبعاد ل Osteosarcoma

Osteosarcoma (OS) is the most common and a highly aggressive primary bone tumor. It is characterized with anatomic and histologic variations along with ...

Detection of Lung Tumor Progression in Mice by Ultrasound Imaging

الكشف عن تطور ورم الرئة في الفئران عن طريق التصوير بالموجات فوق الصوتية

With ~1.6 million victims per year, lung cancer contributes tremendously to the worldwide burden of cancer. Lung cancer is partly driven by genetic ...

Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography

قياس كمية الورم النقيلي الدماغ البيئة الدقيقة باستخدام الجهاز على A رقاقة 3D نموذج, التعلم الآلي, والتصوير المقطعي confocal

Brain metastases are the most lethal cancer lesions; 10-30% of all cancers metastasize to the brain, with a median survival of only ~5-20 months, ...

An Orthotopic Resectional Mouse Model of Pancreatic Cancer

نموذج الماوس استئصال العظام لسرطان البنكرياس

There is a lack of satisfactory animal models to study adjuvant and/or neoadjuvant therapy in patients being considered for surgery of pancreatic cancer ...

Simultaneous Imaging and Flow-Cytometry-based Detection of Multiple Fluorescent Senescence Markers in Therapy-Induced Senescent Cancer Cells

التصوير المتزامن والكشف القائم على قياس التدفق الخلوي لعلامات الشيخوخة الفلورية المتعددة في الخلايا السرطانية الشائخة الناجمة عن العلاج

Chemotherapeutic drugs can induce irreparable DNA damage in cancer cells, leading to apoptosis or premature senescence. Unlike apoptotic cell death, ...

Experimental Melanoma Immunotherapy Model Using Tumor Vaccination with a Hematopoietic Cytokine

نموذج العلاج المناعي التجريبي للورم الميلانيني باستخدام التطعيم ضد الورم باستخدام السيتوكين المكونة للدم

Fms-like tyrosine kinase 3 ligand (Flt3L) is a hematopoietic cytokine that promotes the survival and differentiation of dendritic cells (DCs). It has been ...