×

截面

swMATH ID: 38960
软件作者: 洛林·克劳福德;单音,国歌;陈,安德鲁·X。;穆克吉(Mukherjee,Sayan);劳尔·拉巴丹
说明: 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。多形性胶质母细胞瘤(GBM)是一种侵袭性人脑肿瘤,目前正在癌症生物学领域进行积极研究。它的快速发展和获得分子数据的相对时间成本使其他易于获得的数据形式,如图像,成为患者可采取措施的重要资源。我们的目标是在统计设置中使用GBM患者的医学图像提供的信息。为此,我们设计了一种新的统计方法——平滑欧拉特征变换(SECT)——用于量化肿瘤的磁共振图像。由于其定义明确的内部产品结构,与其他先前提出的拓扑汇总统计相比,SECT可用于更广泛的功能和非参数建模方法。当应用于GBM患者队列时,我们发现SECT比现有的肿瘤形状定量和常见的分子检测更能预测临床结果。具体而言,我们证明,与基因表达、体积特征和形态特征相比,仅SECT特征更能解释GBM患者存活率的差异。因此,我们研究结果的主要结论是双重的。首先,他们认为图像包含有价值的信息,可以在临床预后和其他医疗决策中发挥重要作用。其次,他们表明,SECT是一个可行的工具,用于更广泛的医学成像信息学研究。
主页: https://arxiv.org/abs/1611.06818
源代码:  https://github.com/lorinanthony/SECT网站
依赖项: R;C++;Matlab公司
关键词: 欧拉特性;功能数据;多形性胶质母细胞瘤;形状统计;拓扑数据分析
相关软件: 持久性图像;叫做古迪辛;github;Scikit公司;西纳特拉;科学Py;TDA公司;持久性曲线;t-SNE公司;节点2vec;大Vis;私人电话;净SMF;metatah2vec;DeepWalk公司;线路;深度AR;UMAP公司;铆钉;MRtrix公司
引用于: 17文件

按年份列出的引文