論文の概要: Supervised topological data analysis for MALDI mass spectrometry imaging
applications
- arxiv url: http://arxiv.org/abs/2302.13948v2
- Date: Wed, 12 Jul 2023 12:19:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-13 19:36:54.249636
- Title: Supervised topological data analysis for MALDI mass spectrometry imaging
applications
- Title(参考訳): MALDI質量分析法のトポロジカルデータ解析への応用
- Authors: Gideon Klaila, Vladimir Vutov, Anastasios Stefanou
- Abstract要約: 肺癌は腫瘍死の主要な原因であり、最も致死的な物質は腺癌(ADC)と扁平上皮癌(SqCC)である
これら2つのサブタイプを区別することは、治療決定と患者管理の成功に不可欠である。
本稿では,MALDIデータから固有情報を取得し,トポロジ的永続性を反映した新しい代数的トポロジ的フレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Background: Matrix-assisted laser desorption/ionization mass spectrometry
imaging (MALDI MSI) displays significant potential for applications in cancer
research, especially in tumor typing and subtyping. Lung cancer is the primary
cause of tumor-related deaths, where the most lethal entities are
adenocarcinoma (ADC) and squamous cell carcinoma (SqCC). Distinguishing between
these two common subtypes is crucial for therapy decisions and successful
patient management.
Results: We propose a new algebraic topological framework, which obtains
intrinsic information from MALDI data and transforms it to reflect topological
persistence. Our framework offers two main advantages. Firstly, topological
persistence aids in distinguishing the signal from noise. Secondly, it
compresses the MALDI data, saving storage space and optimizes computational
time for subsequent classification tasks. We present an algorithm that
efficiently implements our topological framework, relying on a single tuning
parameter. Afterwards, logistic regression and random forest classifiers are
employed on the extracted persistence features, thereby accomplishing an
automated tumor (sub-)typing process. To demonstrate the competitiveness of our
proposed framework, we conduct experiments on a real-world MALDI dataset using
cross-validation. Furthermore, we showcase the effectiveness of the single
denoising parameter by evaluating its performance on synthetic MALDI images
with varying levels of noise.
Conclusion: Our empirical experiments demonstrate that the proposed algebraic
topological framework successfully captures and leverages the intrinsic
spectral information from MALDI data, leading to competitive results in
classifying lung cancer subtypes. Moreover, the frameworks ability to be
fine-tuned for denoising highlights its versatility and potential for enhancing
data analysis in MALDI applications.
- Abstract(参考訳): 背景: マトリックス支援レーザー脱離イオン化質量分析法(MALDI MSI)は、がん研究、特に腫瘍のタイプやサブタイピングにおいて重要な可能性を示す。
肺癌は腫瘍死の主要な原因であり、最も致死的な物質は腺癌(ADC)と扁平上皮癌(SqCC)である。
これら2つのサブタイプを区別することは治療決定と患者管理の成功に不可欠である。
結果: MALDIデータから固有情報を取得し,それをトポロジ的永続性を反映した新しい代数的トポロジカルフレームワークを提案する。
私たちのフレームワークには2つの大きな利点があります。
まず、トポロジカル永続性は信号とノイズを区別するのに役立つ。
次に、MALDIデータを圧縮し、ストレージスペースを節約し、その後の分類タスクの計算時間を最適化する。
単一のチューニングパラメータに依存するトポロジカルフレームワークを効率的に実装するアルゴリズムを提案する。
その後、抽出された持続特性にロジスティック回帰とランダム森林分類器を用い、自動化された腫瘍(サブ)タイピングプロセスを実現する。
提案フレームワークの競争性を実証するため,クロスバリデーションを用いた実世界のMALDIデータセットの実験を行った。
さらに, ノイズレベルの異なる合成MALDI画像に対して, その性能を評価することで, 単一雑音パラメータの有効性を示す。
結論: 提案した代数的トポロジカル・フレームワークは, MALDIデータから固有のスペクトル情報を捕捉し, 利用し, 肺がんの亜型分類における競合的な結果をもたらすことを示した。
さらに、denoisingのために微調整されるフレームワークは、maldiアプリケーションでデータ分析を強化するための汎用性と可能性を強調している。
関連論文リスト
- RO-LLaMA: Generalist LLM for Radiation Oncology via Noise Augmentation
and Consistency Regularization [51.877826904868975]
放射線腫瘍学の分野に適した汎用汎用大言語モデル(LLM)であるRO-LLaMAを提案する。
このモデルは、臨床報告の要約などの様々なタスクに適応し、放射線腫瘍専門医の幅広いワークフローをシームレスにカバーする。
また,新しいCEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
論文 参考訳(メタデータ) (2023-11-27T14:49:06Z) - LLM-driven Multimodal Target Volume Contouring in Radiation Oncology [55.20049911531224]
大規模言語モデル(LLM)は、テキスト情報と画像の統合を容易にする。
LLM駆動型マルチモーダルAIを,放射線治療における目標音量調整の課題に適用する。
提案モデルでは,従来の視覚のみのAIモデルと比較して,性能が著しく向上していることを示す。
論文 参考訳(メタデータ) (2023-11-03T13:38:42Z) - Intelligent Breast Cancer Diagnosis with Heuristic-assisted
Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。
悪性の腫瘤を正確に識別することは 依然として困難です
マンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-10-30T10:22:14Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Brain tumor grade classification Using LSTM Neural Networks with Domain
Pre-Transforms [0.0]
本稿では,手工芸品の組み合わせに基づく弱教師付き画像分類手法を提案する。
本研究では,脳腫瘍のグレードを実験的に分類し,256 x 256の解像度で術式の評価を行った。
論文 参考訳(メタデータ) (2021-06-21T07:04:52Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - Towards learned optimal q-space sampling in diffusion MRI [1.5640063295947522]
ファイバトラクトグラフィーのための統一的な推定フレームワークを提案する。
提案手法は,信号推定の精度とそれに続く解析精度を大幅に向上させる。
本稿では,Human Connectome Projectデータに基づく包括的比較分析を提案する。
論文 参考訳(メタデータ) (2020-09-07T10:46:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。