×
月亮，丘尔;李启伟;肖光华

使用持久同源拓扑特征描述医学图像：肺癌和脑癌的案例研究。 （英语） Zbl 07789377号

附录申请。斯达。 17，第3期，2192-2211（2023）.
摘要：肿瘤形态是影响肿瘤生长和转移的关键因素。本文提出了一种通过持久同源性计算的拓扑特征，以表征数字病理学和放射学图像中的肿瘤进展，并检查其对事件时间数据的影响。所提出的拓扑特征对尺度-保留变换具有不变性，可以概括各种肿瘤形状模式。拓扑特征在功能空间中表示，并在功能Cox比例风险模型中用作功能预测因子。该模型能够对拓扑形状特征和生存风险之间的关联进行可解释的推断。对连续133名肺癌患者和77名脑瘤患者进行了两项案例研究。两项研究的结果都表明，拓扑特征在调整临床变量后预测生存预后，预测的高危组的生存结果比低危组差。此外，被发现与生存风险呈正相关的拓扑形状特征是与肿瘤进展相关的不规则和异质形状模式。

MSC公司：

62件 统计学的应用

关键词：

Cox比例风险模型;功能数据分析;生存分析;拓扑数据分析;肿瘤形状

软件：

持久性图像;叫做古迪辛;西纳特拉;截面
PDF格式BibTeX公司 XML格式引用
\textit{C.Moon}等人，Ann.Appl。Stat.17，No.3，2192--2211（2023；Zbl 07789377）
全文： DOI程序 arXiv公司

参考文献：

[1] ADAMS，H.、EMERSON，T.、KIRBY，M.、NEVILLE，R.、PETERSON，C.、SHIPMAN，P.、CHEPUSHTANOVA，S.、HANSON，E.、MOTTA，F.等人（2017年）。持久性图像：持久性同源性的稳定矢量表示。J.马赫。学习。决议18第8号文件。数学科学网：MR3625712·Zbl 1431.68105号
[2] BENDER，R.、AUGUSTIN，T.和BLETTNER，M.（2005）。生成生存时间以模拟Cox比例风险模型。《Stat.Med.24 1713-1723》。数字对象标识符：10.1002/sim.2059谷歌学者：查找链接数学科学网：MR2137646·数字对象标识代码：10.1002/sim.2059
[3] BERRY，E.、CHEN，Y.-C.、CISEWSKI-KEHE，J.和FASY，B.T.（2020年）。持久性图的功能摘要。J.应用。计算。白杨。4 211-262. 数字对象标识符：10.1007/s41468-020-00048-w谷歌学者：查找链接数学科学网：MR4096338·Zbl 1452.62999号 ·doi:10.1007/s41468-020-00048-w
[4] BHARATH，K.、KURTEK，S.、RAO，A.和BALADANDAYUTHAPANI，V.（2018年）。基于放射图像的脑肿瘤统计形状分析。J.R.统计社会服务。C.申请。《美国联邦法律大全》第67卷第1357-1378页。数字对象标识符：10.1111/rssc.12272谷歌学者：查找链接数学科学网：MR3873711·doi:10.1111/rssc.12272
[5] BIANCONI，F.、FRAVOLINI，M.L.、BELLO-CEREZO，R.、MINESTRINI，M.、SCIALPI，M.和PALUMBO，B.（2018年）。CT的形状和质地特征作为非小细胞肺癌预后生物标志物的评估。抗癌研究38 2155-2160。数字对象标识符：10.21873/antinores.12456谷歌学者：查找链接·doi:10.21873/抗菌素12456
[6] BONDY，M.L.、SCHEURER，M.E.、MALMER，B.、BARNHOLTZ-SLOAN，J.S.、DAVIS，F.G.、IL'YASOVA，D.、KRUCHKO，C.、MCCARTHY，B.J.、RAJARAMAN，P.等人（2008年）。脑肿瘤流行病学：来自脑肿瘤流行病学协会的共识。癌症113 1953-1968.
[7] BOOKSTEIN，F.L.（1997）。地标数据的形态测量工具：几何学和生物学。剑桥大学出版社，剑桥。数学科学网：MR1469220
[8] BRü，A.、CASERO，D.、DE FRANCISCIS，S.和HERRERO，M.A.（2008年）。分形分析和肿瘤生长。数学。计算。建模47 546-559。数字对象标识符：10.1016/j.mcm.2007.02.033谷歌学者：查找链接数学科学网：MR2396790·Zbl 1149.92016年9月 ·doi:10.1016/j.mcm.2007.02.033
[9] Bubenik，P.（2015）。使用持久性环境进行统计拓扑数据分析。J.马赫。学习。第16号决议77-102。zbMATH:1337.68221数学科学网：MR3317230·Zbl 1337.68221号
[10] CARLSSON，G.（2009年）。拓扑和数据。牛市。阿默尔。数学。Soc公司(N.S公司.) 46 255-308. 数字对象标识符：10.1090/S0273-0979-09-01249-X谷歌学者：查找链接数学科学网：MR2476414·Zbl 1172.62002号 ·doi:10.1090/S0273-0979-09-01249-X
[11] CHATZISTAMOU，I.、RODRIGUEZ，J.、JOUFFROY，T.、GIROD，A.、POINT，D.、SKLAVOUNOU，A.、KITTAS，C.、SASTRE-GARAU，X.和KLIJANIENKO，J.（2010年）。口腔舌鳞癌肿瘤形态和基质慢性炎症浸润的预后意义。口腔病理学与医学杂志39 667-671。
[12] CHAZAL，F.和MICHEL，B.（2021）。拓扑数据分析简介：数据科学家的基本和实用方面。前面。Artif公司。智力。4 667963. 数字对象标识符：10.3389/frai.2021.667963谷歌学者：查找链接·doi:10.3389/frai.2021.667963
[13] CHAZAL，F.、FASY，B.、LECCI，F.，MICHEL，B.、RINALDO，A.和WASSERMAN，L.（2017）。稳健的拓扑推理：到测度的距离和核距离。J.马赫。学习。决议18第159号文件。数学科学网：MR3813808·Zbl 1435.62452号
[14] CHEN，A.X.和RABADáN，R.（2017）。用于处理脑肿瘤图像的快速半自动分割工具。《迈向集成机器学习和知识提取》170-181。柏林施普林格。
[15] CHEN，K.、CHEN，K、MüLLER，H.-G.和WANG，J.-L.（2011）。用于函数分析的高维数据串。J.Amer。统计师。协会106 275-284。数字对象标识符：10.1198/jasa.2011.tm10314谷歌学者：查找链接数学科学网：MR2816720·Zbl 1396.62173号 ·doi:10.1198/jasa.2011.tm10314
[16] CHEN，Y.C.，WANG，D.，RINALDO，A.和WASSERMAN，L.（2015）。持久性强度函数的统计分析。arXiv电子打印。
[17] COUPRIE，M.、BEZERRA，F.-N.和BERTRAND，G.（2001）。灰度图像处理的拓扑运算符。电子成像杂志10 1003-1015。
[18] 考克斯，D.R.（1972年）。回归模型和生命表。J.罗伊。统计师。Soc.序列号。B 34 187-220。数学科学网：MR0341758·Zbl 0243.62041号
[19] Crawford，L.、Monod，A.、Chen，A.X.、Mukherjee，S.和Rabadán，R.（2020年）。预测胶质母细胞瘤的临床结局：拓扑和功能数据分析的应用。J.Amer。统计师。协会115 1139-1150。数字对象标识符：10.1080/01621459.2019.1671198谷歌学者：查找链接数学科学网：MR4143455·Zbl 1441.62316号 ·doi:10.1080/01621459.2019.1671198
[20] DLOTKO，P.（2015）。立方复合体。在GUDHI用户和参考手册GUDHI.编委会中。
[21] Efron，B.（1977年）。删失数据下Cox似然函数的效率。J.Amer。统计师。协会72 557-565。数学科学网：MR0451514·Zbl 0373.62020号
[22] EISENHAUER，E.A.、THERASSE，P.、BOGAERTS，J.、SCHWARTZ，L.H.、SARGENT，D.、FORD，R.、DANCEY，J.，ARBUCK，S.、GWYTHER，S.等人（2009年）。实体肿瘤的新反应评估标准：修订的RECIST指南（1.1版）。《欧洲癌症杂志》45 228-247。
[23] FABBRI，R.、COSTA，L.D.F.、TORELLI，J.C.和BRUNO，O.M.（2008）。二维欧几里德距离变换算法：比较调查。ACM计算。Surv公司。40 1-44.
[24] GELLAR，J.E.、COLANTUONI，E.、NEEDHAM，D.M.和CRAINICEANU，C.M.（2015）。生存数据的功能协变量考克斯回归模型。统计模型。15 256-278. 数字对象标识符：10.1177/1471082X14565526谷歌学者：查找链接数学科学网：MR3349796·Zbl 07258989号 ·doi:10.177/1471082X14565526
[25] GILLIES，R.J.、KINAHAN，P.E.和HRICAK，H.（2016）。无线电技术：图像不仅仅是图片，它们是数据。放射科278 563-577. 数字对象标识符：10.1148/radiol.20151169谷歌学者：查找链接·doi:10.1148/radiol.20151169
[26] GROVE，O.，BERGLUND，A.E.，SCHABATH，M.B.，AERTS，H.J.，DEKKER，A.，WANG，H.，VELAZQUEZ，E.R.，LAMBIN，P.，GU，Y.等人（2015）。定量CT描述符将肿瘤形状复杂性和瘤内异质性与肺腺癌预后相关。公共科学图书馆ONE 10 e0118261。
[27] HAMMOUD，M.A.、SAWAYA，R.、SHI，W.、THALL，P.F.和LEEDS，N.E.（1996年）。术前MRI扫描对多形性胶质母细胞瘤的预后意义。神经肿瘤学杂志。27 65-73之间。数字对象标识符：10.1007/BF00146086谷歌学者：查找链接·doi:10.1007/BF00146086
[28] HAO，M.，LIU，K.，XU，W.和ZHAO，X.（2021）。函数Cox模型的半参数推断。J.Amer。统计师。协会116 1319-1329。数字对象标识符：10.1080/01621459.2019.1710155谷歌学者：查找链接数学科学网：MR4309275·Zbl 1510.62401号 ·doi:10.1080/01621459.2019.1710155
[29] HARALICK，R.M.、SHANMUGAM，K.和DINSTEIN，I.（1973年）。图像分类的纹理特征。IEEE传输。系统。人类网络。SMC-3 610-621。
[30] 哈瓦伊，M.、达维，A.、沃德·法利，D.、比亚德，A.、库维尔，A.、贝吉奥，Y.、帕尔，C.、乔丹，P.-M.和拉罗切尔，H.（2017）。基于深度神经网络的脑肿瘤分割。医学图像分析。35 18-31. 数字对象标识符：10.1016/j.media.2016.05.004谷歌学者：查找链接·doi:10.1016/j.media.2016.05.004
[31] HENSON，J.W.、GAVIANI，P.和GONZALEZ，R.G.（2005）。MRI在成人胶质瘤治疗中的应用。柳叶刀Oncol。6 167-175. 数字对象标识符：10.1016/S1470-2045（05）01767-5谷歌学者：查找链接·doi:10.1016/S1470-2045（05）01767-5
[32] KARHUNEN，K.（1947年）。在Wahrscheinlichkeitsrechnung中使用线性方法。安·阿卡德。科学。小茴香科序列。A.I.数学-物理学。1947年79。数学科学网：MR23013·Zbl 0030.16502号
[33] KILDAY，J.、PALMIERI，F.和FOX，M.D.（1993）。使用计算机图像分析对乳房X射线照相病变进行分类。IEEE传输。医学图像。12 664-669. 数字对象标识符：10.1109/42.251116谷歌学者：查找链接·doi:10.1109/42.251116
[34] KONG，D.、IBRAHIM，J.G.、LEE，E.和ZHU，H.（2018年）。FLCRM：函数线性考克斯回归模型。生物计量学74 109-117。数字对象标识符：10.1111/biom.12748谷歌学者：查找链接MathSciNet:MR3777931·Zbl 1415.62111号 ·doi:10.1111/biom.12748
[35] KUSANO，G.、HIRAOKA，Y.和FUKUMIZU，K.（2016）。拓扑数据分析的持久性加权高斯核。第33届机器学习国际会议论文集48 2004-2013。
[36] LAWSON，P.、SHOLL，A.、BROWN，J.、FASY，B.T.和WENK，C.（2019年）。前列腺癌组织学结构特征定量评估的持续同源性。科学。代表9 1139。
[37] LEE，E.、ZHU，H.、KONG，D.、WANG，Y.、SULLIVAN GIOVANELLO，K.和IBRAHIM，J.G.（2015）。BFLCRM：用于预测阿尔茨海默病转化时间的贝叶斯函数线性考克斯回归模型。附录申请。统计数据9 2153-2178。数字对象标识符：10.1214/15-AOAS879谷歌学者：查找链接数学科学网：MR3456370·Zbl 1397.62456号 ·doi:10.1214/15-AOAS879
[38] LEVINE，A.B.、SCHLOSSER，C.、GREWAL，J.、COOPE，R.、JONES，S.J.和YIP，S.（2019年）。机器的兴起：癌症诊断的深度学习进展。癌症趋势5 157-169。
[39] LI，K.，XIAO，J.，YANG，J.、LI，M.、XIONG，X.、NIAN，Y.、QIAO，L.、WANG，H.、ERESEN，A.等人（2019年）。胰腺导管腺癌放射成像特征和基因表达谱作为预后因素的相关性。美国翻译研究杂志11 4491。
[40] LOÈVE，M.（1946）。函数al-aléatories a décomposition orthononale exponentielle。Revue科学。84 159-162. 数学科学网：MR0017892·兹比尔0063.03611
[41] MADABHUSHI，A.和LEE，G.（2016）。数字病理学中的图像分析和机器学习：挑战和机遇。医学图像分析。33 170-175.
[42] MATSUDA，T.和MACHII，R.（2015）。五大洲肺癌发病率的形态学分布第十卷日本临床肿瘤学杂志45 404-404。
[43] MILLER，T.R.、PINKUS，E.、DEHDASHTI，F.和GRIGSBY，P.W.（2003）。通过对宫颈癌患者肿瘤特征的简单视觉分析，18F-FDG PET的预后价值得到了提高。J.编号。《医学》第44卷，192-197年。
[44] MOON，C.、LI，Q.和XIAO，G.（2023年）。补充“使用持久同源拓扑特征描述医学图像：肺癌和脑癌的案例研究”https://doi.org/10.1214/22-AOAS1714补充，https://doi.org/10.1214/22-AOAS1714增补
[45] MOON，H.-G.，KIM，N.，JEONG，S.，LEE，M.，MOON，HL，KIM。乳腺癌空间肿瘤形态的临床意义和分子特征。公共图书馆·综合频道10 e0143811。
[46] NELSON，J.S.、TSUKADA，Y.、SCHOENFELD，D.、FULLING，K.、LAMARCHE，J.和PERESS，N.（1983年）。坏死作为幕上星形细胞恶性胶质瘤的预后标准。癌症52 550-554. 数字对象标识符：10.1002/1097-0142（19830801）52:3<550:：aid-cncr2820520327>3.0.co；2-c谷歌学者：查找链接·doi:10.1002/1097-0142（19830801）52:3<550:：aid-cncr2820520327>3.0.co；2-c型
[47] OBAYASHI，I.、HIRAOKA，Y.和KIMURA，M.（2018年）。线性机器学习模型的持久性图。J.应用。计算。白杨。1 421-449. 数字对象标识符：10.1007/s41468-018-0013-5谷歌学者：查找链接数学科学网：MR3975560·Zbl 1405.62250号 ·doi:10.1007/s41468-018-0013-5
[48] OYAMA，A.、HIRAOKA，Y.、OBAYASHI，I.、SAIKAWA，Y.，FURUI，S.、SHIRAISHI，K.、KUMAGAI，S.，HAYASHI，T.和KOTOKU，J.（2019）。使用非穿透增强三维T1加权MR图像的纹理和拓扑分析以及放射方法对肝脏肿瘤进行分类。科学。报告9 1-10。
[49] QAISER，T.、SIRINUKUNWATTANA，K.、NAKANE，K.，TSANG，Y.-W.、EPSTEIN，D.和RAJPOOT，N.（2016）。全幻灯片组织学图像中快速肿瘤分割的持久同源性。程序。计算。科学。90 119-124.
[50] QU，S.、WANG，J.-L.和WANG，X.（2016）。函数Cox模型的最优估计。安。统计师。44 1708-1738. 数字对象标识符：10.1214/16-AOS1441谷歌学者：查找链接MathSciNet:MR3519938·Zbl 1345.62028号 ·doi:10.1214/16-AOS1441
[51] RAZA，S.M.、LANG，F.F.、AGGARWAL，B.B.、FULLER，G.N.、WILDRICK，D.M.和SAWAYA，R.（2002）。坏死和胶质母细胞瘤：朋友还是敌人？回顾和假设。神经外科学51 2-13. 数字对象标识符：10.1097/00006123-200207000-00002谷歌学者：查找链接·doi:10.1097/00006123-200207000-00002
[52] REININGHAUS，J.、HUBER，S.M.、BAUER，U.和KWITT，R.（2015）。拓扑机器学习的稳定多尺度核。2015 IEEE计算机视觉和模式识别会议4741-4748。
[53] RIZZO，S.、BOTTA，F.、RAIMONDI，S.、ORIGGI，D.、FANCIULLO，C.、MORGANTI，A.G.和BELLOMI，M.（2018）。放射组学：图像分析的事实和挑战。欧洲放射实验2 1-8。
[54] ROBINS，V.、SAADATFAR，M.、DELGADO-FRIEDRICHS，O.和SHEPPARD，A.P.（2016）。多孔材料显微CT图像拓扑持久性分析的渗透长度尺度。水资源。第52 315-329号决议。
[55] SCARPACE，L.、MIKKELSEN，L.，CHA，T.、RAO，S.、TEKCHANDANI，S.，GUTMAN，S.和PIERCE，D.（2016）。癌症基因组图谱多形性胶质母细胞瘤[TCGA-GBM]收集的放射学数据。癌症影像档案11 1。
[56] SEFIDGAR，M.、SOLTANI，M.，RAAHEMIFAR，K.、BAZMARA，H.、NAYINIAN，S.M.和BAZARGAN，M.（2014）。肿瘤形状、大小和组织运输特性对药物输送至实体肿瘤的影响。生物学杂志。工程8 12。数字对象标识符：10.1186/1754-1611-8-12谷歌学者：查找链接·doi:10.1186/1754-1611-8-12
[57] SIEGEL，R.L.、MILLER，K.D.和JEMAL，A.（2020年）。癌症统计，2020年。加州癌症杂志临床。70 7-30. 数字对象标识符：10.3322/caac.21590谷歌学者：查找链接·doi:10.3322/caac.21590
[58] SOLTANI，M.和CHEN，P.（2012）。肿瘤形状和大小对实体肿瘤药物传递的影响。生物工程杂志6 4。
[59] SOMASUNDARAM，E.、LITZLER，A.、WADHWA，R.、OWEN，S.和SCOTT，J.（2021）。肿瘤CT扫描的持续同源性与肺癌的生存率相关。医学物理。48 7043-7051. 数字对象标识符：10.1002/mp.15255谷歌学者：查找链接·doi:10.1002页/页15255
[60] SURAWICZ，T.S.、MCCARTHY，B.J.、KUPELIAN，V.、JUKICH，P.J.、BRUNER，J.M.和DAVIS，F.G.（1999）。原发性脑和中枢神经系统肿瘤的描述性流行病学：美国中央脑肿瘤登记处的结果，1990-1994年。神经控制。1 14-25. 数字对象标识符：10.1093/neuonc/1.1.14谷歌学者：查找链接·doi:10.1093/neuonc/1.1.14
[61] 癌症基因组图谱研究网络（2008年）。全面的基因组特征定义了人类胶质母细胞瘤基因和核心通路。自然455 1061.
[62] UPADHYAY，N.和WALDMAN，A.（2011年）。胶质瘤的常规MRI评估。Br.J.无线电。84 S107-S111。
[63] VOGL，T.J.、WORST，T.S.、NAGUIB，N.N.N.、ACKERMANN，H.、GRUBER-ROUH，T.和NOUR-ELDIN，N.-E.A.（2013年）。影响微波消融治疗的肺肿瘤结节患者局部肿瘤控制的因素：一项风险因素分析。美国伦琴诺尔。200 665-672. 数字对象标识符：10.2214/AJR.12.8721谷歌学者：查找链接·doi:10.2214/AJR.12.8721
[64] WAGNER，H.、CHEN，C.和VU J INI，E.（2012）。有效计算立方体数据的持久同源性。数据分析和可视化中的拓扑方法2。数学。视觉。91-106. 海德堡施普林格。数字对象标识符：10.1007/978-3642-23175-9_7谷歌学者：查找链接数学科学网：MR3025945·Zbl 1246.68245号 ·doi:10.1007/978-3-642-23175-97
[65] WANG，S.、CHEN，A.、YANG，L.、CAI，L.，XIE，Y.、FUJIMOTO，J.、GAZDAR，A.和XIAO，G.（2018）。对肺癌病理图像进行综合分析，以发现预测生存结果的肿瘤形状和边界特征。科学。代表8 10393。
[66] WANG，S.、YANG，D.M.、RONG，R.、ZHAN，X.和XIAO，G.（2019年）。使用分割深度学习算法进行病理图像分析。美国病理学杂志。189 1686-1698.
[67] WANG，B.，SUDIJONO，T.，KIRVESLAHTI，H.，GAO，T.、BOYER，D.M.、MUKHERJEE，S.和CRAWFORD，L.（2021年）。用于识别区分3D形状类别的物理特征的统计管道。附录申请。统计数据15 638-661。数字对象标识符：10.1214/20-aoas1430谷歌学者：查找链接MathSciNet:MR44298966·Zbl 1478.62390号 ·doi:10.1214/20-aoas1430
[68] Yao，F.、Müller，H.-G.和Wang，J.-L.（2005）。稀疏纵向数据的功能数据分析。J.Amer。统计师。协会100 577-590。数字对象标识符：10.1198/0162145004000001745谷歌学者：查找链接数学科学网：MR2160561·Zbl 1117.62451号 ·doi:10.1198/0162145000001745
[69] YOKOYAMA，I.，SHEAHAN，D.G.，CARR，B.，KAKIZOE，S.，SELBY，R.，TZAKIS，A.G.，TODO，S..，IWATSUKI，S.和STARZL，T.E.（1991）。影响肝癌原位肝移植术后患者生存和肿瘤复发的临床病理因素。移植。程序。23 2194-2196.
[70] ZAPPA，C.和MOUSA，S.A.（2016年）。非小细胞肺癌：当前治疗和未来进展。Transl.公司。肺癌研究5 288-300。数字对象标识符：10.21037/tlc.2016.06.07谷歌学者：查找链接·doi:10.21037/tlcr.2016.06.07
[71] ZHANG，C.，XIAO，G.，MOON，C.，CHEN，M.和LI，Q.（2020年）。基于贝叶斯地标的肿瘤病理图像形状分析。ArXiv预印本。可从ArXiv:2012.01149获取。
[72] ZHU，X.，LI，K.，KAMALY-ASL，I.，CHECKLEY，D.，TESSIER，J.，WATERTON，J.和JACKSON，A.（2000）。使用T1和T2*联合增强动态MR成像定量脑肿瘤的内皮通透性、渗漏空间和血容量。磁共振成像杂志：国际医学磁共振学会官方杂志11 575-585。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。