2021年12月 乳腺癌组织学图像和基因组协变量的联合和个体分析
伊恩·卡迈克尔,本杰明·卡尔霍恩,凯瑟琳·霍德利,梅丽莎·特洛伊斯特,约瑟夫·杰拉德斯,希瑟·D·时装,林尼娅·奥尔森,查尔斯·佩罗,马克·尼塔默尔,简·汉尼格,J.S.马隆
作者关联+
附录申请。斯达。 15(4): 1697-1722 (2021年12月)。 DOI:10.1214/20-AOAS1433

摘要

乳腺癌研究的两种主要方法是组织病理学(分析肿瘤的视觉特征)和基因组学。虽然组织病理学和基因组学都是癌症研究的基础,但这些领域之间的联系相对肤浅。我们通过开发一个综合性、探索性的分析框架来调查卡罗来纳州乳腺癌研究,从而弥合了这一差距。我们的分析提供了一些见解——一些已知的,一些新颖的——这对病理学家和遗传学家都有吸引力。我们的分析框架基于用于统计数据集成的基于角度的联合和个体变异解释(AJIVE),并利用卷积神经网络(CNN)作为强大的自动图像特征提取方法。细胞神经网络提出了可解释性问题,我们通过开发新的方法来探索应用于细胞神经网络特征的统计算法(如PCA或AJIVE)捕获的视觉变化模式来解决这些问题。

资金筹措表

本出版物中报告的研究得到了支持乳腺癌卓越研究专业计划(SPORE)CA058223),由苏珊·科曼基金会(OGUNC1202)颁发,北部卡罗来纳大学癌症研究基金和癌症中心支持拨款(P30CA016086)。Iain Carmichael和J.S.Marron得到了NSF的部分支持IIS-1633074号拨款,2016–2019年大数据。Iain Carmichael目前由NSF MSPRF DMS-1902440。Katherine Hoadley得到了Komen Career Catalyst的支持拨款(16376756加元)。

致谢

我们感谢卡罗来纳州乳腺癌研究的参与者和工作人员。我们还要感谢卡罗来纳州乳腺癌研究第三阶段的创始人Robert C.Millikan。

资金筹措表

本出版物中报告的研究得到了支持乳腺癌卓越研究专业计划(SPORE)CA058223),由苏珊·科曼基金会(OGUNC1202)颁发,北部卡罗来纳大学癌症研究基金和癌症中心支持拨款(P30约016086)。Iain Carmichael和J.S.Marron得到了NSF的部分支持拨款IIS-1633074,2016-2019年大数据。Iain Carmichael目前由NSF MSPRF DMS-1902440。Katherine Hoadley得到了Komen Career Catalyst的支持拨款(16376756加元)。

致谢

我们感谢卡罗来纳州乳腺癌研究的参与者和工作人员。我们还要感谢卡罗来纳州乳腺癌研究第三阶段的创始人Robert C.Millikan。

引用

下载引文

伊恩·卡迈克尔。 本杰明·卡尔霍恩。 凯瑟琳·霍德利(Katherine A.Hoadley)。 梅丽莎·特洛伊斯特。 约瑟夫·杰拉德。 希瑟·D·时装。 林尼娅·奥尔森。 查尔斯·佩罗(Charles M.Perou)。 马克·尼塔默尔(Marc Niethammer)。 简·汉尼格。 J.S.马隆。 “乳腺癌组织学图像和基因组协变量的联合和个体分析。” 附录申请。斯达。 15 (4) 1697 - 1722, 2021年12月。 https://doi.org/10.1214/20-AOAS1433

问询处

收到日期:2020年4月1日;修订日期:2020年10月1日;发布日期:2021年12月
欧几里德项目首次提供:2021年12月21日

数学科学网:4355072英镑
zbMATH公司:1498.62197
数字对象标识符:10.1214/20-AOAS1433

关键词:乳腺癌组织病理学,深度学习,降维,基因表达,图像分析,可解释性,多视图数据

版权所有©2021数学统计研究所

期刊文章
26页

此文章仅适用于订户.
它不可单独出售。
+ 保存到我的库中

第15卷•第4期•2021年12月
返回页首