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

इस काम को जर्मन रिसर्च फाउंडेशन (डीएफजी, सहयोगी अनुसंधान केंद्र सीआरसी 1181, उपपरियोजना Z02 द्वारा समर्थित किया गया था; प्राथमिकता कार्यक्रम μBone, परियोजनाओं बीए 4027/10-1 और बीओ ३८११), स्कैनिंग उपकरणों के लिए अतिरिक्त सहायता सहित (INST 410/77-1 FUGG और INST 410/93-1 FUGG), और उभरते फील्ड्स पहल (EFI) द्वारा "बिग Thera" फ्रेडरिक-अलेक्जेंडर-विश्वविद्यालय Erlangen-Nübergrn ।

सभी देखभाल और प्रायोगिक प्रक्रियाओं को पशु संरक्षण पर राष्ट्रीय और क्षेत्रीय कानून के अनुसार किया गया था, और सभी पशु प्रक्रियाओं को जर्मनी के फ्रैंकोनिया राज्य सरकार (संदर्भ संख्या ५५.२ डीएमएस-2532-2-228) द?...

<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>

एमएल एल्गोरिदम एक संयुक्त मॉडल में कई भविष्य कहनेवाला सुविधाओं को एकीकृत करने और एक सटीकता प्राप्त करने के लिए उपयोग किए जाने वाले शक्तिशाली उपकरण हैं जो अकेले उपयोग किए जाने पर इसके अलग-अलग घटकों से ?...

इस प्रोटोकॉल का उद्देश्य एमआरआई और पीईटी/सीटी से कई कार्यात्मक इमेजिंग मापदंडों को एक मॉडल-औसत तंत्रिका नेटवर्क (avNNet) एमएल एल्गोरिदम में एकीकृत करना है । यह एल्गोरिदम प्रारंभिक समय बिंदु पर स्तन कैंसर बोन मेटास्टेस के चूहे मॉडल में मैक्रोमेटास्टेस के विकास की भविष्यवाणी करता है, जब हड्डी के भीतर स्थूल परिवर्तन अभी तक दिखाई नहीं देते हैं।
मैक्रोमेटास्टेस के विकास से पहले, प्रसारित ट्यूमर कोशिकाओं का बोन मैरो आक्रमण होता है, जिसे आमतौर पर माइक्रोमेटास्टैसिक रोग1, 2,के रूप में जानाजाताहै। इस प्रारंभिक आक्रमण को मेटास्टैटिक रोग में एक प्रारंभिक कदम माना जा सकता है, लेकिन आमतौर पर पारंपरिक मंचन परीक्षाओं3, 4,के दौरान याद कियाजाताहै। यद्यपि वर्तमान में उपलब्ध इमेजिंग तौर-तरीके अकेले उपयोग किए जाने पर बोन मैरो माइक्रोइनवेशन का पता नहीं लगा सकते हैं, लेकिन संवहनी और मेटाबोलिक गतिविधि के बारे में जानकारी देने वाले इमेजिंग मापदंडों का एक संयोजन बेहतर प्रदर्शन करने के लिए दिखाया गया है5। यह पूरक लाभ विभिन्न इमेजिंग मापदंडों को एवननेट में मिलाकर प्राप्त किया जाता है, जो एक एमएल एल्गोरिदम है। इस तरह के एक avNNet किसी भी दृश्य मेटास्टेस मौजूद होने से पहले हड्डी मैक्रोमेटास्टेस गठन की विश्वसनीय भविष्यवाणी के लिए अनुमति देता है। इसलिए, इमेजिंग बायोमार्कर को एक एवननेट में एकीकृत करना बोन मैरो माइक्रोइनवेशन और प्रारंभिक मेटास्टैटिक रोग के लिए एक किराए के पैरामीटर के रूप में काम कर सकता है।
प्रोटोकॉल विकसित करने के लिए, नग्न चूहों में स्तन कैंसर बोन मेटास्टेस के पहले वर्णित मॉडल का उपयोग6,,7,,8किया गया था। इस मॉडल का लाभ इसकी साइट-विशिष्टता है, जिसका अर्थ है कि जानवर विशेष रूप से अपने दाहिने हिंद पैर में बोनी मेटास्टेस विकसित करते हैं। हालांकि, इस दृष्टिकोण का ट्यूमर-टेक दर 60%-80% है, इसलिए अध्ययन के दौरान जानवरों की काफी संख्या में कोई मेटास्टेस विकसित नहीं होती है। एमआरआई और पीईटी/सीटी जैसे इमेजिंग तौर-तरीकों का उपयोग करके मेटास्टेस की उपस्थिति 30 पोस्टइंजेक्शन (पीआई) के दिन से पता लगाने योग्य है । पहले के समय बिंदुओं पर (जैसे, 10 पीआई) इमेजिंग जानवरों के बीच अंतर नहीं करता है जो मेटास्टैटिक रोग विकसित करेंगे और वे नहीं होंगे(चित्र 1)।
10 पीआई के दिन अधिग्रहीत कार्यात्मक इमेजिंग मापदंडों पर प्रशिक्षित एक एवननेट, जैसा कि निम्नलिखित प्रोटोकॉल में वर्णित है, निम्नलिखित ~ 3 हफ्तों के भीतर मैक्रोमेटास्टेस के विकास की भविष्यवाणी या शामिल नहीं है। तंत्रिका नेटवर्क विभिन्न परतों के भीतर कृत्रिम नोड्स को जोड़ते हैं। अध्ययन प्रोटोकॉल में, बोन मैरो रक्त आपूर्ति और मेटाबोलिक गतिविधि के लिए कार्यात्मक इमेजिंग पैरामीटर नीचे की परत का प्रतिनिधित्व करते हैं, जबकि द्रोह की भविष्यवाणी शीर्ष परत का प्रतिनिधित्व करती है। एक अतिरिक्त मध्यवर्ती परत में छिपे हुए नोड्स होते हैं जो ऊपर और नीचे की परत दोनों से जुड़े होते हैं। विभिन्न नोड्स के बीच कनेक्शन की ताकत को नेटवर्क के प्रशिक्षण के दौरान उच्च सटीकता 9 के साथ संबंधित वर्गीकरण कार्य करने के लिए अपडेट कियाजाताहै। इस तरह के तंत्रिका नेटवर्क की सटीकता को कई मॉडलों के आउटपुट को औसत करके और बढ़ाया जा सकता है, जिसके परिणामस्वरूप एवननेट10होता है।

<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

मशीन लर्निंग (एमएल) एल्गोरिदम अपने घटकों से अधिक सटीकता के साथ वर्गीकरण या प्रतिगमन कार्य करने के लिए एक मॉडल में विभिन्न सुविधाओं के एकीकरण की अनुमति देते हैं। यह प्रोटोकॉल मानक इमेजिंग विधियों के साथ किसी भी असामान्यताओं को नमूदार होने से पहले चूहे के मॉडल में स्तन कैंसर की हड्डी मैक्रोमेटास्टेस के विकास की भविष्यवाणी करने के लिए एमएल एल्गोरिदम के विकास का वर्णन करता है। इस तरह के एल्गोरिदम से प्रारंभिक मेटास्टैटिक रोग (यानी माइक्रोमेटास्टेसिस) का पता लगाने में सुविधा हो सकती है जो नियमित रूप से परीक्षाओं के दौरान छूट जाती है।
एप्लाइड मेटास्टेसिस मॉडल साइट-विशिष्ट है, जिसका अर्थ है कि चूहे विशेष रूप से अपने दाहिने हिंद पैर में मेटास्टेस विकसित करते हैं। मॉडल की ट्यूमर-ले दर 60%-८०% है, जिसमें मैक्रोमेटास्टेस चुंबकीय अनुनय इमेजिंग (एमआरआई) और पॉजिट्रॉन उत्सर्जन टोमोग्राफी/गणना टोमोग्राफी (पीईटी/सीटी) में प्रेरण के 30 दिन बाद जानवरों के सबसेट में दिखाई दे रही हैं, जबकि जानवरों का एक दूसरा सबसेट कोई ट्यूमर वृद्धि नहीं दर्शाता है ।
एक पहले समय बिंदु पर अधिग्रहीत छवि परीक्षाओं से शुरू, इस प्रोटोकॉल सुविधाओं है कि एमआरआई द्वारा पता चला ऊतक संवहनी, पीईटी द्वारा ग्लूकोज चयापचय द्वारा पता चला की निष्कर्षण का वर्णन/ इन सुविधाओं को तब दो समूहों में से एक में जानवरों को वर्गीकृत करने के लिए एक मॉडल-औसत तंत्रिका नेटवर्क (avNNet) में खिलाया जाता है: एक जो मेटास्टेस विकसित करेगा और दूसरा जो किसी भी ट्यूमर का विकास नहीं करेगा। प्रोटोकॉल भी इस तरह के समग्र सटीकता, संवेदनशीलता, विशिष्टता, नकारात्मक/सकारात्मक भविष्य कहनेवाला मूल्यों, संभावना अनुपात, और एक रिसीवर ऑपरेटिंग विशेषता के विकास के रूप में मानक नैदानिक मापदंडों की गणना का वर्णन करता है । प्रस्तावित प्रोटोकॉल का एक लाभ इसका लचीलापन है, क्योंकि इसे असीमित संख्या में सुविधाओं के समायोज्य संयोजनों के साथ विभिन्न एमएल एल्गोरिदम की अधिकता को प्रशिक्षित करने के लिए आसानी से अनुकूलित किया जा सकता है। इसके अलावा, इसका उपयोग ऑन्कोलॉजी, संक्रमण और सूजन में विभिन्न समस्याओं का विश्लेषण करने के लिए किया जा सकता है।

चूहों एमडीए-एमबी-२३१ स्तन कैंसर कोशिकाओं की सर्जरी और इंजेक्शन से जल्दी बरामद किया और फिर 10 और 30 पीआई(चित्रा 1)पर एमआर और पीईटी/सीटी इमेजिंग के अधीन थे । एक चूहे के दाहिने समीपस्थ टिबिया का एक प...

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

इस प्रोटोकॉल को एक मशीन लर्निंग एल्गोरिदम को प्रशिक्षित करने के लिए डिजाइन किया गया था ताकि चुंबकीय अनुनाद इमेजिंग इमेजिंग (एमआरआई) और पॉजिट्रॉन उत्सर्जन टोमोग्राफी/गणना टोमोग्राफी (पीईटी/सीटी) से प्राप्त इमेजिंग मापदंडों के संयोजन का उपयोग किया जा सके ताकि प्रारंभिक मेटास्टेटिक रोग का पता लगाया जा सके और मैक्रोमेटास्टेस के बाद की प्रगति की भविष्यवाणी की जा सके ।

एक प्रयोगात्मक चूहा मॉडल में बोन मेटास्टेस की शुरुआती पहचान के लिए मशीन लर्निंग एल्गोरिदम

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

यह प्रोटोकॉल प्रारंभिक अंग उपनिवेशीकरण के चरण में एक प्रयोगात्मक मॉडल में हड्डी मेटास्टेस के विकास की भविष्यवाणी करने के लिए एक मशीन लर्निंग एल्गोरिदम के विकास की सुविधा प्रदान करता है। इस तकनीक का मुख्य लाभ यह है कि यह एक मशीन लर्निंग एल्गोरिदम में कई इमेजिंग मापदंडों को जोड़ती है जो प्रत्येक व्यक्तिगत पैरामीटर की उत्पादक क्षमता को काफी बेहतर बनाता है। हालांकि, इस प्रोटोकॉल का उद्देश्य हड्डी में मेटास्टेस के शीघ्र निदान के लिए है, इसे विभिन्न अंगों या मल्टीमॉडल और मल्टीपैरामेट्रिक इमेजिंग अनुसंधान के क्षेत्रों में अनुकूलित किया जा सकता है।10 दिनों के बाद सर्जरी और इंजेक्शन एक DE प्लगइन के साथ एक DICOM दर्शक में । डीसीई अनुक्रम को 4D मोड में लोड करने के लिए आयात चुनें और एमआरआई छवियों वाले DICOM फ़ोल्डर का चयन करें। चौथे या पांचवें एमआरआई छवि के भीतर दाहिने हिंद पैर के समीपस्थ टिबियल शाफ्ट बोन मैरो में रुचि के आयामी क्षेत्र के लिए एक परिपत्र 1.5 वर्ग मिलीमीटर रखें और प्लॉट प्रकार में सापेक्ष वृद्धि का चयन करें।समय बिंदुओं से बेसलाइन रेंज दर्ज करें, संबंधित क्षेत्रों में एक से पांच और डीसीई कच्चे डॉट TXT नाम एक डॉट TXT फ़ाइल के रूप में विश्लेषण निर्यात । ̈सटूडियो खोलें और प्रदान की गई डीसीई स्क्रिप्ट डॉट आर फाइल लोड करें। कोड का चयन करें, क्षेत्र चलाएं और पूरी स्क्रिप्ट चलाने के लिए सभी को चलाएं और आउटपुट को प्रदान की गई इमेजिंग सुविधाओं टेम्पलेट फ़ाइल में कॉपी करें।DICOM दर्शक में, जानवर की पिछली मांसपेशियों के भीतर ब्याज का एक दूसरा क्षेत्र रखें और प्रदर्शन के रूप में डीसीई माप दोहराएं। इमेजिंग फीचर स्प्रेडशीट में संबंधित हड्डी माप स्वचालित रूप से डेटा सामान्यीकरण के लिए संबंधित मांसपेशी माप द्वारा विभाजित किया जाएगा। पीईटी/सीटी छवियों का विश्लेषण करने के लिए पीईटी/सीटी विश्लेषण सॉफ्टवेयर खोलें और पीईटी/सीटी छवियों का आयात करें ।सामान्य विश्लेषण पर क्लिक करें और ब्याज मात्राकरण के क्षेत्र का चयन करें, एक टेम्पलेट से ब्याज का एक क्षेत्र बनाएं और बनाएं। सही हिंद पैर के समीपस्थ टिबियल शाफ्ट के अस्थि मज्जा के भीतर ब्याज के आयामी क्षेत्र के लिए एक चार बाय छह मिलीमीटर रखें और ब्याज लक्ष्य एक ओवरले के क्षेत्रों का चयन करें। प्रति मिलीलीटर becquerels में मतलब, न्यूनतम और अधिकतम मूल्यों पर ध्यान दें।फिर, इंजेक्शन गतिविधि द्वारा अधिकतम मूल्य को विभाजित करें और मानकीकृत तेज मूल्य की गणना करने के लिए पशु वजन द्वारा परिणाम को ग्राम में गुणा करें। इंजेक्शन पिछले पैर में ट्यूमर विकास दर का निदान करने के लिए। 30 के बाद इंजेक्शन पर एमआरआई और पीईटी/सीटी छवियों को प्राप्त करने के बाद, छवियों का विश्लेषण के रूप में प्रदर्शन किया और इमेजिंग सुविधाओं स्प्रेडशीट के लिए एक ट्यूमर कॉलम जोड़ें ।फिर मेटास्टेसिस वाले जानवरों के लिए या क्रमशः एक दृश्यमान ट्यूमर बोझ के बिना एक या शून्य दर्ज करें। भविष्य के ट्यूमर के विकास की भविष्यवाणी के लिए सबसे प्रासंगिक सुविधाओं का निर्धारण करने के लिए, स्प्रेडशीट को एक ओपन सोर्स डेटा विज़ुअलाइज़ेशन मशीन लर्निंग और डेटा माइनिंग टूलकिट में आयात करें। डेटा मेनू से फाइल उप-दिनचर्या को कार्यक्षेत्र में खींचें और फ़ाइल को डबल-क्लिक करें।स्प्रेडशीट लोड करने के लिए फोल्डर आइकन पर क्लिक करें और इमेजिंग फीचर्स स्प्रेडशीट का चयन करें। निर्यात वर्कशीट का चयन करें और वेरिएबल ट्यूमर के लिए लक्ष्य विशेषता आवंटित करें। स्किप फ़ंक्शन को पशु संख्या में असाइन करें।रैंक उप-दिनचर्या को कार्यक्षेत्र में खींचें और फ़ाइल और रैंक उप-दिनचर्या से जुड़ने के लिए एक लाइन खींचें। फिर, रैंक उप-दिनचर्या खोलने और सूचना लाभ एल्गोरिदम का चयन करने के लिए डबल क्लिक करें। मशीन लर्निंग विश्लेषण के लिए, आरस्टूडियो 3.4.1 खोलें और प्रदान की गई ट्रेन मॉडल आर स्क्रिप्ट लोड करें।आवश्यक पुस्तकालयों को लोड करने के लिए स्क्रिप्ट के भीतर छह के माध्यम से तीन लाइनों का चयन करें । चयनित कोड को चलाने के लिए कोड पर क्लिक करें और चयनित लाइनों को चलाने के लिए चयनित लाइनों पर क्लिक करें। तंत्रिका नेटवर्क एल्गोरिदम के लिए एक मॉडल औसत को प्रशिक्षित करने के लिए, ट्रेन मॉडल आर स्क्रिप्ट और क्लिक कोड से ३९ के माध्यम से आठ लाइनों का चयन करें और चयनित लाइनों को चलाते हैं ।फिर नैदानिक सटीकता के मानक मापदंडों का आकलन करने के लिए, ट्रेन मॉडल आर स्क्रिप्ट और क्लिक कोड से 50 के माध्यम से 41 लाइनों का चयन करें और चयनित लाइनों को चलाएं। सर्जरी और कैंसर सेल इंजेक्शन के बाद 10 दिन पर, एमआरआई और पीईटी/सीटी छवियों का अधिग्रहण किया जा सकता है । डीसीई विश्लेषण ब्याज की मांसपेशियों और हड्डी के ऊतक क्षेत्रों की माप की अनुमति देता है।मांसपेशियों के माप द्वारा हड्डी माप को विभाजित करके इन मूल्यों को सामान्य बनाया जा सकता है। दिन 30 के बाद इंजेक्शन, जानवरों के सभी निर्धारित करने के लिए कि क्या वे एक सकारात्मक ट्यूमर बोझ और एक शूंय दिखाई ट्यूमर के बिना स्वस्थ जानवरों का संकेत एक के साथ मेटास्टिक विकसित किया है मूल्यांकन कर रहे हैं । ट्रेन मॉडल आर स्क्रिप्ट चलाने से इष्टतम हाइपर पैरामीटर संयोजन निर्धारित किया जा सकता है और अंतिम मॉडल की गणना इष्टतम हाइपर पैरामीटर संयोजन का उपयोग करके की जाती है।ये डेटा मानक नैदानिक मापदंडों के एक सेट की गणना करने और मॉडल के रिसीवर ऑपरेटिंग विशेषता वक्र को प्लॉट करने की अनुमति देते हैं। उदाहरण के लिए, 28 नमूनों के इस विश्लेषण में मॉडल अपने तीन घटकों के सभी की तुलना में काफी बेहतर प्रदर्शन करता है । इनपुट डेटा सामान्यीकृत होने पर कई मशीन लर्निंग एल्गोरिदम बेहतर प्रदर्शन करते हैं।इस प्रोटोकॉल में सामान्यीकरण बॉक्स कॉक्स फ़ंक्शन का उपयोग करके प्राप्त किया जाता है। यह प्रोटोकॉल मशीन लर्निंग एल्गोरिदम के रूप में नेटवर्क के दौरान एक मॉडल औसत का उपयोग करता है। हालांकि, प्रदान किए गए ढांचे को आसानी से यादृच्छिक जंगलों या समर्थन वेक्टर मशीनों जैसे अन्य एल्गोरिदम के लिए अनुकूलित किया जा सकता है।छवि सामग्री से संख्यात्मक जानकारी निकालना आवश्यक हो गया है। इस तरह के एल्गोरिदम रोगी स्तरीकरण की अनुमति देने के लिए बड़ी मात्रा में डेटा के एकीकरण की सुविधा प्रदान कर सकते हैं।

Research

JoVE Journal

Cancer Research

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

सूक्ष्म अस्थि मेटास्टेसिस के कुशल और चयनात्मक मॉडलिंग के लिए इंट्रा-श्रोणिफलक धमनी इंजेक्शन

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

मूल ट्यूमर के विकास की murine प्रयोगात्मक मॉडल और पेरिटोनियल मेटास्टेसिस<em&gt; के माध्यम से</em&gt; डिम्बग्रंथि कार्सिनोमा कोशिकाओं के साथ Orthotopic टीका

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

एक ३डी Organotypic मेलेनोमा अंडाकार आकृति स्किन मॉडेल

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

व्यवहार्यता का मूल्यांकन, सुरक्षा, और एक Intraoperative उच्च तीव्रता केंद्रित अल्ट्रासाउंड डिवाइस की सटीकता जिगर मेटास्टेसिस के इलाज के लिए

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

अस्थिसार्कोमा के लिए तीन आयामी अस्थि कोशिकाबद्ध मैट्रिक्स मॉडल

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

अल्ट्रासाउंड इमेजिंग द्वारा चूहों में फेफड़ों के ट्यूमर प्रगति का पता लगाना

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

एक अंग पर एक चिप 3 डी मॉडल, मशीन लर्निंग, और Confocal टोमोग्राफी का उपयोग कर मस्तिष्क मेटास्टेटिक ट्यूमर माइक्रो पर्यावरण की मात्रा

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

अग्नाशय के कैंसर का एक ऑर्थोटोपिक रीसेक्शनल माउस मॉडल

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

थेरेपी-प्रेरित सेनेसेंट कैंसर कोशिकाओं में कई फ्लोरोसेंट सेनेसेंस मार्करों का एक साथ इमेजिंग और फ्लो-साइटोमेट्री-आधारित डिटेक्शन

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

हेमटोपोइएटिक साइटोकिन के साथ ट्यूमर टीकाकरण का उपयोग करके प्रयोगात्मक मेलेनोमा इम्यूनोथेरेपी मॉडल

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