×
李启伟；王新雷；梁法明；肖光华

用于肿瘤病理图像分析的贝叶斯标记交互模型。 （英语） Zbl 1433.62310号

Ann.应用。斯达。 1708-1732（2019）第3期13号.
摘要：随着成像技术的进步，肿瘤组织切片的数字病理成像正在成为癌症诊断的常规临床程序。这一过程产生了大量图像数据，以高分辨率捕捉组织学细节。深度学习方法的最新发展使我们能够从大规模数字病理图像中识别和分类单个细胞。建立细胞空间模式模型的可靠统计方法可以为肿瘤进展提供新的见解，并阐明癌症的生物学机制。我们考虑在肿瘤病理图像中观察到的三个常见细胞之间建立空间相关性模型的问题。在贝叶斯框架下，提出了一种新的具有可解释基本参数的地质统计标记模型。我们使用辅助变量MCMC算法从具有难以处理的归一化常数的后验分布中采样。通过对三个基准数据集的应用和对188名肺癌患者病理图像的案例研究，我们展示了这种基于模型的分析如何比普通探索性分析产生更清晰的推断。案例研究表明，肿瘤和基质细胞之间的空间相关性可以预测患者预后。这种统计方法不仅提供了一种新的模型来表征多类型空间点模式中的空间相关性，而且还为理解细胞间相互作用在癌症进展中的作用提供了一个新的视角。

引用于1文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
62华氏35 多元分析中的图像分析
62H11型 定向数据；空间统计学

关键词：

多类型点模式；空间相关性；马尔可夫随机场；双城——黑斯廷斯

软件：

空间的；贝叶斯DA；细胞档案器
PDF格式BibTeX公司 XML格式引用
\textit{Q.Li}等人，Ann.Appl。《法律总汇》第13卷第3期，1708-1732页（2019年；兹bl 1433.62310）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Amin，M.B.、Tamboli，P.、Merchant，S.H.、Ordóñez，N.G.、Ro，J.、Ayala，A.G.和Ro，J·Y.（2002）。肺腺癌的微毛细血管成分：一种具有可能预后意义的独特组织学特征。阿默尔。外科病理学杂志。26 358-364.
[2] Avalos，G.和Bucci，F.（2014）。特定流体-结构相互作用数学模型的指数衰减特性。发展方程的正问题、逆问题和控制问题的新前景。Springer INdAM系列。10 49-78. 查姆施普林格·Zbl 1383.35027号
[3] Baddeley，A.（2010年）。多元和标记点过程。《空间统计手册》（A.E.Gelfand、P.Diggle、P.Guttorp和M.Fuentes编辑）。查普曼和霍尔/CRC Handb。国防部。统计方法371-402。佛罗里达州博卡拉顿CRC出版社。
[4] Baddeley，A.和Turner，R.（2006年）。在\（R\）中建模空间点模式。空间点过程建模案例研究。莱克特。注释统计185 23-74。纽约州施普林格·Zbl 05243453号
[5] Barletta，J.A.、Yeap，B.Y.和Chirieac，L.R.（2010）。肺腺癌分级的预后意义。癌症116 659-669。
[6] Beck，A.H.、Sangoi，A.R.、Leung，S.、Marinelli，R.J.、Nielsen，T.O.、van de Vijver，M.J.，West，R.B.、van der Rijn，M.和Koller，D.（2011）。乳腺癌形态学的系统分析揭示了与生存相关的基质特征。科学。翻译医学3 108-113。
[7] Besag，J.E.（1977年）。评论“空间模式建模”。J.Roy。统计师。Soc.序列号。B 39 193-195年。
[8] Bognar，M.A.（2008年）。连续标记空间点模式的贝叶斯建模。计算。统计师。23 361-379. ·Zbl 1224.62092号 ·doi:10.1007/s00180-007-0073-9
[9] Borczuk，A.C.、Qian，F.、Kazeros，A.、Eleazar，J.、Assaad，A.、Sonett，J.R.、Ginsburg，M.、Gorenstein，L.和Powell，C.A.（2009年）。侵袭大小是肺腺癌生存率的独立预测因素。阿默尔。外科病理学杂志。33 462.
[10] Brambilla，E.、Le Teuff，G.、Marguet，S.、Lantuejoul，S.，Dunant，A.、Graziano，S.和Pirker，R.、Douillard，J.-Y.、Le Chevalier，T.、Filibits，M.等人（2016年）。肿瘤淋巴细胞浸润对可切除非小细胞肺癌预后的影响。临床杂志。昂科尔。34 1223-1230.
[11] Carpenter，A.E.，Jones，T.R.，Lamprecht，M.R.，Clarke，C.，Kang，I.H.，Friman，O.，Guertin，D.A.，Chang，J.H.，Lindquist，R.A.，Moffat，J.等人（2006年）。CellProfiler：用于识别和量化细胞表型的图像分析软件。基因组生物学。7 R100。
[12] 朱拉耶夫斯基（2014）。具有次指数衰减相互作用的连续多粒子Anderson模型中特征函数的指数衰减。可从arXiv:1408.4646获取。
[13] 考克斯·T·F（1979）。绘制林分密集和稀疏区域的方法。申请。统计师。28 14-19.
[14] Cox，D.R.（1992）。统计学突破中的回归模型和生命表，第二卷。方法和分布（S.Kotz和N.L.Johnson编辑）527-541。柏林施普林格。
[15] Cox，T.F.和Lewis，T.（1976年）。用于分析空间模式的条件距离比方法。生物特征63 483-491·Zbl 0343.62045号 ·doi:10.1093/biomet/63.3.483
[16] Dale，M.R.（2000）。植物生态学中的空间格局分析。剑桥大学出版社，剑桥。
[17] Diggle，P.J.（1986年）。兔视网膜中移位的无长突细胞：双变量空间点模式分析。神经科学方法杂志18 115-125。
[18] Diggle，P.J.和Cox，T.（1981年）。关于多元空间点模式的稀疏抽样方法和独立性测试。国际公报。统计师。仪器49 213-229。
[19] Diggle，P.J.、Eglen，S.J.和Troy，J.B.（2006年）。模拟无长突细胞的二元空间分布。空间点过程建模案例研究。莱克特。票据统计185 215-233。纽约州施普林格·Zbl 05243463号
[20] Diggle，P.J.和Milne，R.K.（1983年）。二元Cox过程：二元空间点模式的一些模型。J.罗伊。统计师。Soc.序列号。B 45 11-21·兹比尔0503.62086 ·doi:10.1111/j.2517-6161.1983.tb01224.x
[21] Fraley，C.和Raftery，A.E.（2002年）。基于模型的聚类、判别分析和密度估计。J.艾默。统计师。协会97 611-631·兹比尔1073.62545 ·doi:10.1198/016214502760047131
[22] Gelfand，A.E.、Diggle，P.、Guttorp，P.和Fuentes，M.（2010年）。空间统计手册。佛罗里达州博卡拉顿CRC出版社·Zbl 1188.62284号
[23] 盖尔曼，A.，鲁宾，D.B.（1992年）。使用多序列的迭代模拟推断。统计师。科学。7 457-472. ·Zbl 1386.65060号 ·doi:10.1214/ss/117701136
[24] Gelman，A.、Carlin，J.B.、Stern，H.S.、Dunson，D.B.、Vehtari，A.和Rubin，D.B.（2014）。贝叶斯数据分析，第三版，《统计科学丛书》。佛罗里达州博卡拉顿CRC出版社·Zbl 1279.62004号
[25] Gillies，R.J.、Verduzco，D.和Gatenby，R.A.（2012年）。致癌的进化动力学和为什么靶向治疗不起作用。《国家癌症评论》12 487-493。
[26] Gleason，D.F.和Mellinger，G.T.（2002年）。结合组织学分级和临床分期预测前列腺癌的预后。泌尿学杂志167 953-958。
[27] Grabarnik，P.、Myllymäki，M.和Stoyan，D.（2011年）。正确测试标记点模式的标记独立性。经济。模型。222 3888-3894.
[28] Hammersley，J.M.和Clifford，P.（1971）。有限图和格上的马尔可夫场。
[29] Hanahan，D.和Weinberg，R.A.（2011年）。癌症的标志：下一代。手机144 646-674。
[30] Hughes，A.（1981年A）。猫视网膜和取样定理：短暂和持续的活跃单位截止频率与（α）和（β）模式细胞密度的关系。实验脑研究42 196-202。
[31] Hughes，A.（1981b）。根据HRP填充和对经典神经元胞体直径谱的系统调查估计猫视网膜神经节细胞主要模态类的数量级和分布。《比较神经学杂志》197 303-339。
[32] Huh，J.W.、Lee，J.H.和Kim，H.R.（2012）。肿瘤浸润淋巴细胞对结直肠癌患者的预后意义。外科学档案147 366-372。
[33] Hui，E.E.和Bhatia，S.N.（2007年）。细胞间相互作用的微机械控制。程序。国家。阿卡德。科学。104 5722-5726.
[34] Illian，J.、Penttinen，A.、Stoyan，H.和Stoyan的D.（2008）。空间点模式的统计分析和建模。实践中的统计。奇切斯特·威利·Zbl 1197.62135号
[35] Junttila，M.R.和de Sauvage，F.J.（2013）。肿瘤微环境异质性对治疗反应的影响。自然501 346-354。
[36] Kamentsky，L.、Jones，T.R.、Fraser，A.、Bray，M.-A.、Logan，D.J.、Madden，K.L.、Ljosa，V.、Rueden，C.、Eliceiri，K.W.和Carpenter，A.E.（2011）。改进了CellProfiler的结构、功能和兼容性：模块化高通量图像分析软件。生物信息学27 1179-1180。
[37] Kashima，Y.（2010）。多电子系统中相关函数的指数衰减。数学杂志。物理。51 063521, 40. ·Zbl 1311.82034号 ·数字对象标识代码：10.1063/1.3409395
[38] Li，Q.，Yi，F.，Wang，T.，Xiao，G.和Liang，F.（2017）。使用隐藏的Potts模型进行肺癌病理图像分析。癌症信息学16 117693511711910。
[39] Li，Q.，Wang，X.，Liang，F.和Xiao，G.（2019年）。补充“用于肿瘤病理图像分析的贝叶斯标记交互模型”。DOI:10.1214/19-AOAS1254SUPA，DOI:10.1 214/19-AOAS1254SUPB·Zbl 1433.62310号
[40] Liang，F.（2010）。具有难以处理的归一化常数的空间模型的双Metropolis-Hastings采样器。J.统计计算。模拟。80 1007-1022. ·Zbl 1233.62117号 ·doi:10.1080/00949650902882162
[41] Liang，F.、Jin，I.H.、Song，Q.和Liu，J.S.（2016）。一种自适应交换算法，用于从具有难以处理的归一化常数的分布中采样。J.艾默。统计师。协会111 377-393。
[42] Lotwick，H.W.和Silverman，B.W.（1982）。分析几种类型点的空间过程的方法。J.罗伊。统计师。Soc.序列号。乙44 406-413。
[43] Luo，X.、Zang，X.，Yang，L.、Huang，J.、Liang，F.、Canales，J.R.、Wistuba，I.I.、Gazdar，A.、Xie，Y.和Xiao，G.（2016）。综合计算机病理图像分析预测肺癌预后。J.托拉克。昂科尔。DOI:10.1016/j.jtho.2016.10.017。
[44] Mantovani，A.、Sozzani，S.、Locati，M.、Allavena，P.和Sica，A.（2002）。巨噬细胞极化：肿瘤相关巨噬细胞作为极化M2单核吞噬细胞的范例。免疫学趋势23 549-555。
[45] Mattfeldt，T.、Eckel，S.、Fleischer，F.和Schmidt，V.（2009年）。乳腺癌细胞核在组织切片上标记模式的统计分析。《微生物学杂志》。235 106-118.
[46] Merlo，L.M.、Pepper，J.W.、Reid，B.J.和Maley，C.C.（2006）。癌症是一个进化和生态过程。Nat.Rev.癌症6 924-935。
[47] Möller，J.、Pettitt，A.N.、Reeves，R.和Berthelsen，K.K.（2006）。一种求解具有难处理归一化常数分布的有效马尔可夫链蒙特卡罗方法。生物特征93 451-458·Zbl 1158.62020号 ·doi:10.1093/biomet/93.2.451
[48] Murray，I.、Ghahramani，Z.和MacKay，D.（2012年）。用于双重棘手分布的MCMC。可从arXiv:1206.6848获取。
[49] Ogata，Y.和Tanemura，M.（1985年）。通过最大似然法估计标记空间点模式的相互作用势。生物计量学41 421-433·Zbl 0607.62121号 ·doi:10.2307/2530867
[50] Orimo，A.、Gupta，P.B.、Sgroi，D.C.、Arenzana-Seisdedos，F.、Delaunay，T.、Naeem，R.、Carey，V.J.、Richardson，A.L.和Weinberg，R.A.（2005）。浸润性乳腺癌中的基质成纤维细胞通过SDF-1/CXCL12分泌增加促进肿瘤生长和血管生成。手机121 335-348。
[51] Peichl，L.和Wässle，H.（1981）。猫视网膜内正中和偏中快速瞬变（Y）细胞的形态学鉴定。程序。罗伊。Soc.伦敦Ser。B、 生物志。科学。212 139-153.
[52] Penrose，O.和Lebowitz，J.L.（1974年）。关于相关函数的指数衰减。公共数学。物理。39 165-184.
[53] Polyak，K.、Haviv，I.和Campbell，I.G.（2009年）。肿瘤细胞及其微环境的协同进化。趋势Genet。25 30-38.
[54] Ren，Q.、Banerjee，S.、Finley，A.O.和Hodges，J.S.（2011年）。空间数据分析的变分贝叶斯方法。计算。统计师。数据分析。55 3197-3217. ·Zbl 1271.62113号 ·doi:10.1016/j.csda.2011.05.021
[55] Rincón，J.、Ganahl，M.和Vidal，G.（2015）。指数衰减相互作用的Lieb-Liniger模型：连续矩阵乘积状态研究。物理。版次B 92 115107。
[56] Ripley，B.D.（1977年）。建模空间模式。J.罗伊。统计师。Soc.序列号。B 39 172-212·Zbl 0369.60061号 ·doi:10.1111/j.2517-6161.1977.tb01615.x
[57] Rockhill，R.L.、Euler，T.和Masland，R.H.（2000年）。不同类型视网膜神经元之间的空间顺序。程序。国家。阿卡德。科学。97 2303-2307。
[58] Sabo，E.、Beck，A.H.、Montgomery，E.A.、Bhattacharya，B.、Meitner，P.、Wang，J.Y.和Resnick，M.B.（2006年）。计算机形态计量学有助于确定Barrett食管异型增生和腺癌进展的等级。实验室调查86 1261。
[59] Segal，D.M.和Stephany，D.A.（1984年）。特异性细胞的测量：双参数流式细胞术的细胞相互作用。细胞测定A 5 169-181。
[60] Sertel，O.，Kong，J.，Catalysturek，U.V.，Lozanski，G.，Saltz，J.H.和Gurcan，M.N.（2009年a）。使用基于模型的中间表示和颜色纹理进行组织病理学图像分析：滤泡性淋巴瘤分级。J.信号处理系统55 169。
[61] Sertel，O.，Kong，J.，Shimada，H.，Catalysturek，U.V.，Saltz，J.H.和Gurcan，M.N.（2009b）。全幻灯片图像上神经母细胞瘤的计算机辅助预后：基质发育的分类。模式识别。42 1093-1103.
[62] Stoyan，D.和Penttinen，A.（2000年）。点处理方法在林业统计中的最新应用。统计师。科学。15 61-78.
[63] Tabesh，A.、Teverovskiy，M.、Pang，H.-Y.、Kumar，V.P.、Verbel，D.、Kotsianti，A.和Saidi，O.（2007年）。组织学图像的多特征前列腺癌诊断和Gleason分级。IEEE传输。医学图像。26 1366-1378.
[64] Tsao，M.-S.、Marguet，S.、Le Teuff，G.、Lantuejoul，S.，Shepherd，F.A.、Seymour，L.、Kratzke，R.、Graziano，S.L.、Popper，H.H.、Rosell，R.等人（2015）。肺腺癌的亚型分类预测了接受完全切除术患者辅助化疗的益处。临床杂志。昂科尔。33 3439-3446.
[65] van Lieshout，M.N.M.和Baddeley，A.J.（1996）。点模式中空间相互作用的非参数度量。内尔统计局。50 344-361. ·Zbl 0898.62118号 ·doi:10.1111/j.1467-9574.1996.tb01501.x
[66] van Lieshout，M.N.M.和Baddeley，A.J.（1999）。多元点模式中类型之间的依赖指数。扫描。《美国联邦法律大全》第26卷第511-532页·Zbl 0942.62061号 ·doi:10.1111/1467-9469.00165
[67] Vaney，D.I.、Peichl，L.和Boycott，B.（1981年）。匹配兔视网膜内核和神经节细胞层中无长突细胞的数量。《比较神经学杂志》199 373-391。
[68] Vincent，L.和Jeulin，D.（1989年）。最小路径和裂纹扩展模拟。立体学报8 487-494。
[69] Waller，L.A.（2005年）。空间统计中的贝叶斯思维。贝叶斯思维：建模与计算。统计师手册。25 589-622。爱思唯尔/荷兰北部，阿姆斯特丹·Zbl 1136.62012年
[70] Wang，S.，Wang，T.，Yang，L.，YI，F.，Luo，X.，Yang（Y.），Gazdar，A.，Fujimoto，J.，Wistuba，I.I.，Yao，B.等人（2018年）。ConvPath：一种通过卷积神经网络辅助进行肺腺癌数字病理图像分析的软件工具。网址：arXiv:1809.10240。
[71] Wässle，H.和Illing，R.-B.（1981）。猫视网膜中β细胞和非β细胞的形态和镶嵌，以及一些功能方面的考虑。程序。罗伊。Soc.伦敦Ser。B、 生物志。科学。212 177-195.
[72] Wässle，H.、Peichl，L.和Boycott，B.B.（1981）。猫视网膜神经节细胞的树突区域。自然292 344-345。
[73] Wässle，H.和Riemann，H.（1978）。哺乳动物视网膜中神经细胞的镶嵌。程序。罗伊。Soc.伦敦Ser。B、 生物志。科学。200 441-461.
[74] Wiegand，T.和Moloney，K.A.（2004年）。生态学中用于点模式分析的环、圆和零模型。Oikos 104 209-229。
[75] Wiseman，B.S.和Werb，Z（2002）。基质对乳腺发育和乳腺癌的影响。科学296 1046-1049。
[76] Xiao，G.、Reilly，C.和Khodursky，A.B.（2009年）。通过合并基因位置改进差异表达基因的检测。生物统计学65 805-814·Zbl 1172.62068号 ·doi:10.1111/j.1541-0420.2008.01161.x
[77] Xiao，G.，Wang，X.和Khodursky，A.B.（2011）。使用基因表达数据建模三维染色体结构。J.艾默。统计师。协会106 61-72·Zbl 1396.62262号 ·doi:10.1198/jasa.2010.ap09504
[78] Yu，K.-H.，Zhang，C.，Berry，G.J.，Altman，R.B.，Ré，C.，Rubin，D.L.和Snyder，M.（2016）。全自动显微镜病理图像特征预测非小细胞肺癌预后。国家公社。7
[79] Yuan，Y.，Failmezger，H.，Rueda，O.M.，Ali，H.R.，Gräf，S.，Chin，S.-f.，Schwarz，R.f.，Curtis，C.，Dunning，M.J.，Bardwell，H.等人（2012年）。乳腺肿瘤细胞异质性的定量图像分析补充了基因组分析。科学。翻译医学。4 157ra143。
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。