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

この研究はドイツ研究財団(DFG、共同研究センターCRC 1181、サブプロジェクトZ02;とZ02;)優先プログラムμBoneは、スキャンデバイス(INST 410/77-1 FUGGおよびINST 410/93-1 FUGG)、フリードリヒ・アレクサンダー大学アーランゲン・ニュルンベルクの新興フィールドイニシアチブ(EFI)「ビッグテラ」による追加サポートを含むBA 4027/10-1とBO 3811をプロジェクトします。

すべてのケアおよび実験手順は、動物保護に関する国内および地域の法律に従って行われ、すべての動物の手順は、ドイツのフランコニア州政府によって承認されました(参照番号55.2 DMS-2532-2-228)。
1. 裸ラットの右後ろ足における乳癌骨転移の誘導
注:ヌードラットにおける乳癌骨転移の誘導の詳細な説明は、他の6,8<sup class="xr...

<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 アルゴリズムは、複数の予測機能を組み合わせたモデルに統合し、単独で使用した場合に個別の構成要素を超える精度を得るために使用される強力なツールです。それにもかかわらず、実際の結果はいくつかの重要なステップに依存します。まず、使用される ML アルゴリズムは、異なる ML アルゴリズムによって異なる結果が得られるため、重要な要素です。このプロトコルで使用される?...

このプロトコルの目的は、MRIおよびPET/CTの複数の機能的イメージングパラメータをモデル平均ニューラルネットワーク(avNNet)MLアルゴリズムに統合することです。このアルゴリズムは、骨内の巨視的変化がまだ見えない早期の時点で乳癌骨転移のラットモデルにおけるマクロ転移の成長を予測する。
マクロメタスターゼの増殖に先立ち、骨髄浸潤性腫瘍細胞の浸潤が起こり、一般に微小転移性疾患11,22と呼ばれる。この初期の侵入は転移性疾患の初期段階と考えられるが、通常は従来の段階試験33,44の間に見逃される。現在利用可能な撮像様式では単独で使用した場合に骨髄微小浸潤を検出することはできないが、血管化と代謝活性に関する情報を得る画像化パラメータの組み合わせが、より良い5を行うことが示されている。この補完的な利点は、異なるイメージングパラメータをMLアルゴリズムであるavNNetに組み合わせることによって達成されます。このようなavNNetは、目に見える転移が存在する前に、骨マクロメタスターゼ形成の信頼性の高い予測を可能にする。したがって、イメージングバイオマーカーをavNNetに統合することは、骨髄微小浸潤および早期転移性疾患の代理パラメータとして役立つ可能性がある。
プロトコルを開発するために、ヌードラットにおける乳癌骨転移の以前に説明したモデルを66、7、87,8を使用した。このモデルの利点は、その部位特異性であり、動物が右後肢だけで骨転移を発症することを意味する。しかし、このアプローチの腫瘍取り率は60%~80%であるため、かなりの数の動物が研究中に転移を起こすわけではありません。MRIやPET/CTなどの画像化モダリティを用いて、30日目からインジェクション後に転移の存在が検出可能である。初期の時点(例えば、10PI)イメージングでは、転移性疾患を発症する動物とそうでない動物を区別しない(図1)。
10日目に取得した機能的イメージングパラメータについて訓練されたavNNetは、以下のプロトコルに記載されているように、マクロメタスターゼの増殖を以下の〜〜3週間以内に確実に予測または除外する。ニューラルネットワークは、異なる層内の人工的なノードを組み合わせます。研究プロトコルにおいて、骨髄血液供給および代謝活性のための機能的イメージングパラメータは最下層を表し、悪性腫瘍の予測は最上層を表す。追加の中間層には、上部レイヤーと下部レイヤーの両方に接続されている非表示ノードが含まれます。異なるノード間の接続の強度は、高精度9でそれぞれの分類タスクを実行するために、ネットワークのトレーニング中に更新されます。このようなニューラルネットワークの精度は、複数のモデルの出力を平均化することによってさらに向上することができ、その結果、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

機械学習 (ML) アルゴリズムを使用すると、さまざまな機能をモデルに統合して、その構成要素を超える精度で分類または回帰タスクを実行できます。このプロトコルは、標準的なイメージング法で異常が観察される前に、ラットモデルにおける乳癌骨マクロメタスターゼの成長を予測するMLアルゴリズムの開発を記述する。このようなアルゴリズムは、ステージング検査中に定期的に見逃される早期転移性疾患(すなわち微小転移)の検出を容易にすることができる。
適用された転移モデルは部位特異的であり、ラットは右後ろ足だけで転移を発症することを意味する。モデルの腫瘍取り率は60%~80%で、マクロメタスターゼは誘導の30日後に動物のサブセット中の磁気共鳴画像(MRI)および陽電子放出断層撮影(PET/CT)で見えるようになり、動物の第2サブセットは腫瘍増殖を示さない。
このプロトコルは、早期に取得した画像検査から始まり、MRIによって検出された組織血管化、PET/CTによるグルコース代謝、およびマクロ転移性疾患の予測に最も関連する特徴のその後の決定を示す特徴の抽出を記述する。これらの特徴は、モデル平均ニューラルネットワーク(avNNet)に供給され、動物を転移を発症するグループと腫瘍を発症しない2つのグループのいずれかに分類します。このプロトコルは、全体的な精度、感度、特異性、負/正の予測値、尤度比、および受信機動作特性の開発など、標準の診断パラメータの計算についても説明します。提案されたプロトコルの利点は、機能の無制限の調整可能な組み合わせで異なるMLアルゴリズムの多くを訓練するために容易に適応することができるので、その柔軟性です。さらに、腫瘍学、感染、炎症の異なる問題を分析するために使用することができます。

ラットはMDA-MB-231乳癌細胞の手術および注射から素早く回復し、その後、10日目および30日目にMR-およびPET/CTイメージングを行った(図1)。ラットの右近位脛種の代表的なDCE分析を 図2Aに示す。DCE の未加工の測定値は、[エクスポート] ボタンを選択し、ファイル名として [DCEraw.txt] を選択して保存されました。
動的パ?...

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

このプロトコルは、早期転移性疾患を検出し、マクロ転移へのその後の進行を予測するために、乳癌骨転移のラットモデルにおける磁気共鳴画像(MRI)および陽電子放出断層撮影/コンピュータ断層撮影(PET/CT)に由来する画像化パラメータを組み合わせて使用する機械学習アルゴリズムを訓練するように設計された。

実験ラットモデルにおける骨転移の早期発見のための機械学習アルゴリズム

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

このプロトコルは、初期臓器形成の段階で実験モデルにおける骨転移の成長を予測するための機械学習アルゴリズムの開発を促進する。この手法の主な利点は、複数のイメージング パラメータを機械学習アルゴリズムに組み合わせて、個々のパラメータの生産性を大幅に上回る点です。しかし、このプロトコルは骨内の転移の早期診断を目的としており、異なる器官やマルチモーダルおよびマルチパラメトリックイメージング研究の領域に適応することができる。DCEプラグインを備えたDICOMビューアでの手術後10日間と注射。インポートを選択して DCE シーケンスを 4D モードでロードし、MRI イメージを含む DICOM フォルダを選択します。4 番目または 5 番目の MRI 画像内の右後ろ脚の近位脛骨シャフト骨髄に関心のある寸法領域に 1.5 平方ミリメートルの円を配置し、プロット タイプの相対的な強化を選択します。時間ポイントのベースライン範囲を 1 ~ 5 個ずつ各フィールドに入力し、DCE raw dot TXT という名前のドット TXT ファイルとして分析をエクスポートします。RStudio を開き、提供された DCE スクリプトドット R ファイルを読み込みます。コードを選択し、領域を実行し、スクリプト全体を実行し、提供されたイメージング機能テンプレートファイルに出力をコピーするためにすべてを実行します。DICOMビューアでは、動物の背筋内に関心のある第2領域を配置し、実証したようにDCE測定を繰り返します。イメージング機能スプレッドシートでは、それぞれの骨の測定値は、データの正規化のためにそれぞれの筋肉測定によって自動的に分割されます。PET/CT画像を解析するには、PET/CT解析ソフトウェアを開き、PET/CT画像をインポートします。一般分析をクリックし、対象領域の定量を選択し、テンプレートから対象地域を作成および作成します。右後ろ足の近位脛骨シャフトの骨髄内の関心領域を4%6ミリメートル配置し、対象領域を1つのオーバーレイに選択する。ミリリットル当たりのベクレルの平均値、最小値、最大値に注意してください。次に、注入された活性で最大値を割り、その結果にグラム単位で動物の体重を掛け、標準化された取り込み値を計算する。注射後脚における腫瘍増殖率を診断する。30日目の注射後にMRIおよびPET/CT画像を取得した後、実証された画像を分析し、画像化機能スプレッドシートに腫瘍列を追加します。次に、転移を伴う動物または目に見える腫瘍の負担がない動物に対して、それぞれ1または0を入力します。今後の腫瘍の成長予測に最も関連性の高い機能を決定するには、スプレッドシートをオープン ソースのデータ視覚化機械学習およびデータ マイニング ツールキットにインポートします。データメニューからワークスペースにファイルサブルーチンをドラッグし、ファイルをダブルクリックします。フォルダ アイコンをクリックしてスプレッドシートを読み込み、イメージング フィーチャ スプレッドシートを選択します。エクスポート・ワークシートを選択し、ターゲット属性を可変腫瘍に割り当てます。動物番号にスキップ機能を割り当てます。ランク サブルーチンをワークスペースにドラッグし、ラインを描画してファイルに接続し、サブルーチンをランク付けします。次に、ダブルクリックしてランクサブルーチンを開き、情報ゲインアルゴリズムを選択します。機械学習分析の場合は、RStudio 3.4.1 を開き、提供されたトレイン モデル R スクリプトを読み込みます。スクリプト内の 3 行目から 6 行目を選択して、必要なライブラリをロードします。選択したコードを実行するコードをクリックし、[選択した行を実行] をクリックして、選択した行を実行します。ニューラル ネットワーク アルゴリズムに対するモデル平均をトレーニングするには、train モデル R スクリプトから 8 行目から 39 行目を選択し、コードをクリックして選択したラインを実行します。次に、診断精度の標準パラメータを評価するには、トレインモデルRスクリプトから41~50行目を選択し、コードをクリックして選択したラインを実行します。手術後10日目、がん細胞注射後、MRIやPET/CT画像を取得できます。DCE分析は、目的の筋肉および骨組織領域の測定を可能にする。これらの値は、筋肉の測定値で骨の測定値を除算することによって正規化することができます。30日目の注射後に、すべての動物が、腫瘍の腫瘍負担を示す1つと、目に見える腫瘍のない健康な動物を示すゼロを持つ転移を発症したかどうかを判断するために評価される。トレインモデルRスクリプトを実行することで、最適なハイパーパラメータの組み合わせを決定し、最終的なモデルを最適なハイパーパラメータの組み合わせを使用して計算することができます。これらのデータにより、一連の標準診断パラメータを計算し、モデルのレシーバ動作特性曲線をプロットすることができます。たとえば、28 サンプルのこの分析では、モデルは 3 つの構成要素のすべてに比べて大幅に優れたパフォーマンスを発揮します。いくつかの機械学習アルゴリズムは、入力データが正規化されると、より優れたパフォーマンスを発揮する傾向があります。このプロトコルでは、Box Cox 関数を使用して正規化が行われます。このプロトコルは、機械学習アルゴリズムとしてネットワーク中のモデル平均を使用します。ただし、提供されたフレームワークは、ランダムフォレストやサポートベクターマシンなどの他のアルゴリズムに簡単に適応させることができます。画像素材から数値情報を抽出することが必須となっている。このようなアルゴリズムは、患者の階層化を可能にするために大量のデータの統合を容易にする可能性があります。

Research

JoVE Journal

Cancer Research

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

顕微鏡骨転移の効率的かつ選択的モデリングのためのイントラ腸骨動脈注入

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

オリジナル腫瘍の開発のマウス実験モデルと腹膜転移<em&gt;経由で</em卵巣癌細胞で&gt;同所接種

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

黒色腫切片 3 D 回転楕円体の皮膚モデル

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

肝転移の治療に超音波装置が可能性、安全性、術中の高輝度の精度の評価に焦点を当ててください。

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

骨肉腫に対する三次元骨細胞外マトリックス モデル

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

超音波画像によるマウスにおける肺腫瘍の進行の検出

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

臓器オンAチップ3Dモデル、機械学習、共焦点断層法による脳転移性腫瘍微小環境の定量化

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

膵臓癌の正交性切除マウスモデル

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

治療誘発性老化癌細胞における複数の蛍光老化マーカーの同時イメージングおよびフローサイトメトリーベースの検出

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

造血サイトカインによる腫瘍ワクチン接種を用いた実験的黒色腫免疫療法モデル

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