Podrška vektor model stroja za dijagnozu limfnih čvorova metastaza kod raka želuca s multidetektorskom kompjutorizirana tomografija: preliminarna studija

Podrška vektor model stroja za dijagnozu limfnih čvorova metastaza kod raka želuca s multidetektorskom kompjutorizirana tomografija: preliminarno istraživanje pregled apstraktne pregled pozadine
limfnog čvora metastaza (LNM) od raka želuca je važan prognostički čimbenik u pogledu dugoročne opstanak. No, nekoliko slikovnih tehnika koje se uobičajeno koriste u želucu ne mogu na zadovoljavajući način procijeniti stanje čvor rak želuca limfe. Oni ne mogu postići i visoku osjetljivost i specifičnost. Kao svojevrsna metoda strojno učenje, podršku Vector Machine ima potencijal za rješavanje ovog složenog problema.
Metode
Institutional Review Board odobrio ovu retrospektivnu studiju. 175 uzastopnih bolesnika s rakom želuca koji su podvrgnuti MDCT prije operacije su uključeni. Procijenjena je tumor i limfne pokazatelje čvor na CT slika, uključujući seroznog invazije, klasifikacije tumora, maksimalni promjer tumora, broj limfnih čvorova, maksimalne veličine limfnih čvorova i limfnih čvorova stanice, koja odražava biološko ponašanje karcinoma želuca. Jednosmjerna analiza korištena je za analizu odnosa između šest pokazatelja slika s LNM. SVM Model je izgrađen s ovim pokazateljima iznad kao ulazni indeksa. Indeks izlaz je da limfnih čvorova metastaze bolesnika bio je pozitivan ili negativan. To je potvrdio i operacije i histopatologijom. Standardni strojno učenje tehnika zove k-struka križna validacija (5 puta u našoj studiji) se koristi za obuku i testiranje SVM modeli. Istraživali smo dijagnostičku sposobnost modela SVM u limfnih čvorova metastaze uz prijemnik operativnog karakteristične (RH) krivulje. I radiolog klasificirani limfnih čvorova metastaze bolesnika pomoću maksimalne veličine limfnih čvorova na CT slika kao kriterij. Usporedili smo površine pod ROC krivulje (AUC) od radiologa i SVM modela. pregled Rezultati
U 175 slučajeva, u slučajevima limfnih čvorova metastaze su 134 i 41 slučajeva nisu. Šest pokazatelji slika svi imali su statistički značajne razlike između LNM negativnih i pozitivnih grupa. Sredstva za osjetljivost, specifičnost i AUC SVM modele s 5 puta unakrsne validacije su 88,5%, 78,5% i 0,876, respektivno. Iako je dijagnostička moć radiologa razvrstavanja limfnog čvora metastaziranje maksimalne veličine limfnih čvorova je samo 63,4%, 75,6% i 0,757. Svaki SVM model 5 puta unakrsne validacije provedene znatno bolje od radiologa. Pregled Zaključci
temelju bioloških informacija ponašanja raka želuca na MDCT slike, SVM model može pomoći u dijagnosticiranju limfnih čvorova metastaza preoperativno.
Pozadina pregled, raka želuca je jedan od vodećih uzroka smrti izazvane rakom diljem svijeta [1]. status limfnih čvorova je važan prognostički čimbenik u vezi dugoročni opstanak. [2] TNM staging sustav koji se temelji na američkom Zajedničko povjerenstvo za rak (AJCC) je prihvaćen široko sada [3]. 5 godina stopa preživljavanja pacijenata u N0 fazi nakon operacije bio je 86,1%, dok su N1, N2 i N3 stage pacijenata pao je na 58,1%, 23,3% i 5,9%, respektivno. [4]
Trenutno, mnoge tehnike slikovnog su korišteni za procjenu želučanog raka, uključujući abdominalnu ultrazvuk, endoskopsku ultrazvuk (EUS), multi-slice spiralni CT, MRI konvencionalne i FDG-PET. Međutim, ove metode predočavanja ne može sa sigurnošću potvrditi ili isključiti prisutnost limfnih čvorova metastaza [1]. Meta-analiza je pokazala da je prosječna osjetljivost i specifičnost u određivanju LN metastaza su kako slijedi: 39,9% i 81,8% za trbušne ultrazvuka, 70,8% i 84,6% za endoskopske ultrazvuka, 80,0% i 77,8% za MDCT, 68,8% i 75,0% konvencionalnog MRI, 34,3% i 93,2% za FDG-PET, te 54,7% i 92,2% za FDG-PET /CT [2]. Bilo jednom primjena tih slikovne alate ne mogu na zadovoljavajući način procijeniti stanje čvor rak želuca limfe. Razlog tome je što mi uglavnom dijagnosticiraju LNM po veličini limfnih čvorova. Dijagnostički kriteriji u rasponu od 5 mm do 10 mm, [2]. No veliki limfni čvorovi mogu biti uzrokovane upale male limfni čvorovi mogu biti metastatski. Mnoga istraživanja su pokazala da je rak želuca LN metastaza bio povezan s veličinom tumora, dubine invazije histološka tipa i patoloških limfne uključivanja [5-8]. Nema pogodna metoda za kombiniranje limfe veličine čvora s više faktora gore opisani napraviti sveobuhvatnu analizu. Kako integrirati složenih faktora koji utječu na limfni čvorovi i poboljšati točnost dijagnoze LNM je tema našeg istraživanja.
U posljednjih desetak godina, metode za strojno učenje, komplementarni s tradicionalnim statističkim metodama, korišteni su za predviđanje složenih bioloških fenomena , Podrška Vector Machine je nova generacija algoritama učenja razvijenih na osnovu statističke teorije. SVM algoritam ima snažnu teorijsku podlogu, na temelju ideje VC (Vapnik Chervonenkis) dimenzije i strukturne minimizacije rizika. On je zadovoljan točnost [9]. SVM je korištena u nekim medicinskim primjenama, uglavnom u molekularnoj biologiji i neuroprikazivanja [10-12]. To se može koristiti za razvrstavanje i regresije. S obzirom na niz primjera treninga, svaki označen kao pripadaju u jednu od dvije kategorije, algoritam SVM trening gradi model koji predviđa da li novi primjer spada u jednu kategoriju ili drugo.
Svrha ove studije je da koristite SVM metoda za analizu podataka o MDCT snimanja se odnose na biološku ponašanje karcinoma želuca i postavljanje matematičkih modela za procjenu limfnog čvora metastaza preoperativno.
metode pregled pacijenata
Ova retrospektivna studija je odobren od strane naše institucionalni pregled odbor. Između travnja 2006. i rujna 2008. godine, 368 uzastopnih bolesnika s tek dijagnosticiranom raka želuca su davani preoperativnoj poboljšanje kontrasta u trbuhu CT preglede, a potom dobio gastrektomije u našoj bolnici. Pacijenti su odgovarali kriterijima uključivanja i isključivanja u nastavku su bile uključene u ovu studiju. Pregled Kriteriji za uključivanje
Pacijenti su primili radikalnu gastrektomija i D2 limfnih čvorova seciranje. Oni su preoperativno ispitani s multi-detektor red CT. Svi pacijenti su potvrđeni kao rak želuca do postoperativne histopatologijom.
Kriteriji za isključenje pregled Pacijenti su primili postoperativnog neoadjuvant terapiju. Udaljene metastaze pronađen je u preoperativnoj ispitu ili rad
Konačno, 175 bolesnika (125 muškaraca, 50 žena, srednja dob, 59,8 godina, raspon, 30-85 godina). Sastojale naše studije stanovništva. Mi smo dobili pristanak od svih odabranih bolesnika prije rutinskog kliničkom toku CT pregleda
CT protocol pregled MDCT provedena je pomoću 64-detektor red CT skener (svjetlosti 64, GE Healthcare, Milwaukee, WI).. Svaki pacijent je postio za više od 8 sati prije CT pregleda. Da biste omogućili želučane istezanja i smanjuju želučane pokretljivosti, pacijenti su primili 8 kristale g plina za proizvodnju usmeno i intramuskularna injekcija 10 mg anisodamine 10-15 minuta prije ispita. Gornje trbušne unenhanced CT iz dijafragme kupola do 2 cm ispod donje razine klima-proširenih želučane tijela su stečene s kolimacijskim od 0.625 mm, 120-140 KVP i 300-350 mas. Zatim se ukupno 100 ml jopromid (Ultravist, Schering, Berlin, Njemačka), je dat intravenski kroz 18-gauge angiografskim kateter umetnut u antekubitalne vene na 3mL /sec pomoću automatskog mlaznicu. Kontrastna CT su provedena u arterijska faza (30 sekundi) i na portalu venskoj fazi (70 sekundi). Napravili smo rekonstrukciju multi-ravni s portala faze slike venske. Analiza pregled slika pregled dva radiologa, jedan sa 3 god, a drugi sa 8 god iskustva u trbušnoj CT izvedena analiza slike zajednički sporazum. Ako postoji neslaganje, oni konzultirali s drugim radiolog koji je imao 20 god iskustva u trbušnoj CT dok je ostvaren dogovor. Mjerili smo i broje šest pokazatelje o MDCT slike po rukama kako slijedi: maksimalni promjer pregled tumora pregled Izmjerite promjer od raka želuca u aksijalnom, koronarnog i sagitalnoj slike koje se temelje na MPR slike. I odrediti najveći promjer tumora. Utvrđena je pregled Klasifikacija tumora na pregled Rani karcinom želuca ili Borrmann klasifikacija uznapredovalim rakom u MPR slike.
Serozne Invazija pregled, aksijalni i MPR slika istovremeno su procijenjeni kako bi se utvrdilo serozne invazija. Cijeli zadebljanje želuca zid nenormalno pojačan, ravni ili retikularne strukture u masnom sloju oko želuca naznačeno serozne invaziju [13]. Pregled, Broj limfnih čvorova
broj svih vidljivih želučane regionalnih limfnih čvorova u MDCT slikama po grupama se broje [14] pregled.
Maksimalna veličina limfnog čvora pregled bio mjeren kratka os najvećih limfnog čvora otkriven u CT slikama. limfni čvorovi postaju
limfnih čvorova stanica s MDCT slike koje se temelje na određeno je japanska klasifikacija želučanog karcinoma [14]. pregled Podrška vektor za kavu pregled, podršku Vector Machine je nadzirani tehnika strojnog učenja koji se često koristi u raspoznavanje uzoraka i klasifikaciju problema. SVM algoritam provodi klasifikaciju izgradnjom višedimenzionalni hyperplane da optimalno diskriminira između dvije klase povećavanjem granicu između dva klastera podataka. Ovaj algoritam postiže visoku razlikovnu moć pomoću posebnih nelinearnih funkcija zove zrna pretvoriti ulazni prostor u višedimenzionalnom prostoru [15]. U ovoj studiji, slobodan dostupan SVM softver pod nazivom LibSVM 2.89 je korišten za generiranje modela SVM [16]. Ulazni indeksi bili su šest pokazatelji prikupljeni MDCT slike iznad. Za ovim pokazateljima, podaci mjerenja mogu se unijeti SVM modela izravno. Iako se podaci Broj bi trebao biti definiran kao neke brojeve. Na primjer, pozitivan serozne invazija definirana kao 1 i negativna je -1. Indeks izlaz je limfni čvor metastaze bolesnika. To je potvrdio i operacije i histopatologijom. Ako je pacijent imao jedan ili više limfnih čvorova metastaze, to se smatra kao pozitivan LNM. Definirali smo pozitivnu LNM kao 1, dok je negativna je -1. Odabrali smo za RBF kernela za izgradnju modela. Trenirati i testirati naše SVM modela, koristili smo standardnu ​​strojno učenje tehniku ​​nazvanu k-struka križna validacija. Budući da je cijela veličina uzorka naše studije nije bio jako velik, koristili smo 5 puta križne validacije. Cijeli Podaci su podijeljeni u 5 jednakih i različite podskupine. Četiri od tih podskupova se spoje i koriste za obuku, a preostalih jedan set se koristi za testiranje. Ovaj proces križna validacija se ponavlja 5 puta, omogućujući svakom podskup služiti jednom kao skup test podataka. Pregled, Statistička analiza
A Univarijatnom statističku analizu pomoću SPSS /PC + statističkim paketom verzija 11.5 (SPSS Inc, IL, Chicago, USA) je izvedena procijeniti razlike u šest pokazatelja za snimanje među pacijentima koji su imali LNM ili ne. Statističke metode analize su neovisna uzorka t-test i test sume rangova. P < 0.05 je smatrana značajnom razlikom. Prijemnik karakteristika (RH) krivulja korištena je za procjenu dijagnostičku učinkovitost SVM modela. Softver verzija MedCalc 11,2 (MedCalc, MedCalc Software, Ghent, Belgija) se koriste kako bi krivulje RH i usporediti ih. Ukratko, u prosjeku se površina ispod krivulje (AUC) krivulja ROC od 5-struka križna validacija. Mi smo također broje sredstva osjetljivosti i specifičnosti. Za usporedbu sa SVM model, konstruirali smo ROC krivulje za procjenu radiolog pomoću maksimalne veličine limfnog čvora kao kriteriji za klasificiranje LNM. Osjetljivost i specifičnost od najboljih cut-off točke su računali. Pregled Rezultati
U tim 175 slučajeva, bilo je 134 slučajeva koji su imali limfnog čvora metastaza i 41 slučajeva nije. Pacijenata kliničkopatološkim značajke su detaljno u tablici 1. Mi smo prikupili šest pokazatelje o MDCT slike. Rezultati univarijantne statističke analize pokazuju da su svi šest pokazatelja, uključujući seroznog invazije, klasifikacije tumora, maksimalni promjer tumora, broj limfnih čvorova, maksimalne veličine limfnih čvorova i limfnih čvorova stanice bile su značajno razlikuju između LNM pozitivnog i negativnog skupine (P <0,001). Sredstva za maksimalni promjer tumora, a broj limfnih čvorova, te maksimalna veličina limfnog čvora u LNM pozitivne grupi su 56,6 ± 19,5 mm, 10,0 ± 5,5 mm, i 12 ± 8, respektivno. Svi su bili viši od onih LNM negativne skupine (Tablica 2) .table 1 bolesnika Karakteristike pregled kliničkopatološkim značajke pregled
vrijednost
br pacijenata pregled 175 pregled Prosječna dob (y)
59,8 (30-85)
Omjer muškaraca i žena je
50: 125
histopatoloških pregled Adenokarcinom pregled 173 ( 98,9%), pregled, dobro diferencirani pregled 6 (3,4%), pregled, umjereno diferencirani pregled 91 (52%) pregled, slabo diferencirani pregled 76 (43,5%)
karcinom malih stanica
2 (1,1%)
limfnih čvorova metastaze pregled pozitivnih pregled, 134 (76,6%) pregled Negativna pregled 41 (23,4%) pregled Napomena .-- brojevi u zagradama su rasponi. pregled Tablica 2 Pacijent podaci: u 6 pokazateljima 'podaci o MDCT slike i rezultati univarijantne statističke analize pregled Pacijent podaci
LNM (. -)
LNM (+)
P vrijednost
Pacijent broj pregled 41/175 (23,4%) pregled, 134/175 (76,6%)
maksimalni promjer Mjerenje podaci * pregled tumora (mm) pregled, 39,0 ± 17,0 pregled 56,6 ± 19,5 izvoznici < 0,001 pregled maksimalna veličina limfnih čvorova (mm) pregled, 6,5 ± 2,8 pregled, 10,0 ± 5,5 izvoznici < 0,001 pregled Broj limfnih čvorova pregled 7 ± 4 pregled, 12 ± 8 izvoznici < 0,001 pregled grof podataka #
serozne invazije izvoznici < 0.001 pregled, Da
15/175 (8,6%)
120/175 (68,6%) pregled, br pregled 26/175 (14,8%) pregled, 14/175 (8%)
Tumor klasifikacija izvoznici < 0,001 pregled Rani karcinom želuca pregled 9/175 (5,1%)
1/175 (0,6%) pregled BorrmannI pregled 2/175 (1,1%) pregled 0/175 pregled BorrmannII pregled 3/175 (1,7%)
9/175 (5,1%) pregled Borrmann III
27/175 (15,4%)
121 /175 (69,1%) pregled Borrmann IV
0/175 pregled 3/175 (1,7%), pregled limfnih čvorova postaju izvoznici < 0,001 pregled Station1
29/175 (16,6 %)
44/175 (25,1%) pregled Station2
12/175 (6,9%), pregled, 54/175 (30,9%) pregled Station3
0/175
36 /175(20.5) pregled * vrijednost podataka mjerenja je prosjek ± standardna devijacija. P vrijednost je od neovisan uzoraka T testa. Pregled, # Vrijednost podataka grofa je broj podataka. P vrijednost je od Mann-Whitney U testa.
Radiolog postići AUC od 0.757 kao razvrstavanja limfnog čvora metastaziranje pacijentu maksimalne veličine limfnih čvorova. Najbolji cut-off točka maksimalne veličine limfnih čvorova bio je 7.7 mm. Osjetljivost i specifičnost je samo 63,4%, odnosno 75,6%. SVM-a sredstvo za osjetljivost, specifičnost i AUC s 5-struka križna validacija su 88,5%, 78,5% i 0,876, odnosno (tablica 3). U odnosu na radiologa svaki AUC 5-struka križna validacija modela SVM znatno bolje izvesti (P ​​0,05), u odnosu na radiologa (Slika 1, Tablica 3). Slika 1. ROC krivulje za LNM. Za uspored (ROC) krivulja za limfnih čvorova metastaze s 5-struka križna validacija SVM modela i radiolog. AUC K1 do K5 SVM modeli bili su 0,862, 0866, 0,878, 0,900 i 0876, respektivno. U usporedbi s radiolog, a P vrijednosti su svi manji od 0,05 (Tablica 3). Za pet SVM modela, srednja vrijednost AUC je bio 0,876. I AUC veličine radiolog temelji LN bio 0,757. Pregled Tablica 3 AUC SVM model i radiolog Netlogu Model

K-fold

Sensitivity

Specificity

AUC*

P vrijednost (AUC u usporedbi s radiolog)
SVM pregled K1 pregled 0,881
0.780
0,862 ± 0,038 pregled 0,002 pregled K2 pregled 0,866 pregled 0,780
0,866 ± 0,037 izvoznici &0,001
K3 pregled 0,858
0.805
0,878 ± 0,033 Netlogu &0,001
K4 pregled 0,933 pregled 0,780 pregled 0.900 ± 0,031 izvoznici < 0.001
K5 pregled 0,888
0.780
0,876 ± 0,038 Netlogu < 0,001 pregled znači pregled 0,885 pregled 0.785 pregled 0,876
radiologa pregled 0,634 pregled 0,756 pregled 0,757 ± 0,042 pregled osjetljivost, specifičnost i AUC 5 puta modelima cross-valjanosti SVM i radiologa za dijagnosticiranje limfnog čvora metastaza pacijenta. pregled * vrijednost od podataka je AUC ± standardna devijacija. pregled Rasprava pregled limfnih čvorova metastaze utječe na kirurško liječenje bolesnika s rakom želuca, a također je važan čimbenik u prognozi. Trenutno, preoperativna dijagnostika uglavnom ovisi o raznim metodama oslikavanja. Standard za prosudbu limfnog čvora metastaza oslanja na morfološkim pokazateljima. veličina limfnih čvorova je dominantna pokazatelj. Međutim, Dorfman RE sur izvijestio da je gornja granica normalne veličina limfnih čvorova u trbušnoj kompjutoriziranom tomografijom varirala je od 6 do 11 mm [17]. Oni su djelomično preklapa se s malignim limfadenopatijom. Fukuya T i sur pokazali da CT gušenja i konfiguracija limfnih čvorova može pomoći u dijagnozi maligne adenopatiju [18]. Naprotiv, Deutch SJ i sur izrazio tu veličinu, položaj, konture, gustoća nisu bili od pomoći u razlikovanju benignih od malignih limfadenopatijom [19]. Nedostatak kriterija za ocjenjivanje je glavni ograničenje za predviđanje limfnih čvorova metastaze preoperativno.
Biološko ponašanje karcinoma želuca odražava histološki izvedbu tumora kancerogenost i invaziju. To utječe na limfni čvor metastaza izravno ili neizravno. Konkretna manifestacija biološkog ponašanja uključuje, na primjer, veličina tumora, dubina invazije, tumorske invazije drugih organa, limfnih čvorova metastaza i udaljene metastaze. MDCT može jasno prikazati ove patološke pojave. Neke studije su izvijestili da je točnost želučanog karcinoma T skele s MDCT u kombinaciji s 3D rekonstrukcije je bio 84-89% [20, 21]. Zhang XP i suradnici objavili da je broj limfnih čvorova otkrivenih MDCT pokazala značajnu razliku između limfnih čvorova metastaza grupe i bez metastaza grupe srčanog raka [22]. MDCT također mogu ukazati na stanje u drugim trbušnih organa i peritoneum. Dakle, MDCT slikanje može točno odražavaju biološko ponašanje želučanog histopatologijom raka. Jednosmjerna analiza u našem istraživanju pokazali da 6 pokazatelji rak želuca i limfni čvorovi informacije o CT slikama svi imaju odnos prema LNM. Tako smo trebali uzeti u obzir ove biološke čimbenike ponašanja sveobuhvatno u predviđanju LNM.
Bilo je i nekih drugih strojno učenje metode koje se koriste u medicinskim istraživanjima. Najčešće se metoda bila umjetna neuronska mreža (ANN). ANN smatra se odgovarajuća metoda za medicinske analize podataka [23]. Bollschweiler sur primjenjuje samo jednog sloja perceptron, što je neka vrsta Ann, predvidjeti limfni čvor metastaza kod raka želuca. Točnost Ann je 79% [24]. Međutim, ANN je imao neke nedostatke. Ann je model bio sklon overfitting. To zahtijeva dugotrajan razvoj i vremena za optimizaciju. Oni su bili teže koristiti u polju zbog računalnih zahtjeva [25]. U razmatranju navedenih razloga odabrali smo SVM modela umjesto. SVM mogao proizvesti manju pogreška predviđanja u odnosu na klasifikatora na temelju drugih metoda kao što su umjetne neuronske mreže [26]. U usporedbi s Ann, SVM mogu imati isti još bolje prediktivna sposobnost [27, 28]. Trenutno, postoji nekoliko izvješća o primjeni SVM u želučanom rak limfnih čvorova metastaze. Kao preliminarne studije, naši rezultati pokazuju da SVM model ima bolju dijagnostičku sposobnost za LNM od tradicionalnih kriterija veličine LN. AUC je postigla dobru dijagnostičku moć. Uz daljnje unapređenje, SVM može postati učinkovita metoda za predviđanje limfnog čvora stupnjevanje karcinoma želuca.
Zaključci
temelju bioloških informacija ponašanja raka želuca na MDCT slike, SVM model može pomoći u dijagnosticiranju limfnog čvora metastaza preoperativno.
deklaracijama
Zahvale pregled Zahvaljujemo Jie Li, Yong Cui, Li-Ping Qi, Xiao-Ting Li za uredničke potpore i lipnja Shan, Ning Wang, Ying Li, Shun-Yu Gao za ocjenu rukopisa.
Projekt podržan od strane Nacionalne zaklade prirodoslovni Kine (Grant br 30970825) i Općinskog Beijing Natural Science Foundation (br 7092020).
autora originalne dostavljeni datoteke za slike
Ispod su linkovi na autora 'original poslanih datoteka za slike. 12885_2010_2503_MOESM1_ESM.jpeg autora izvorna datoteka za Slika 1 suprotstavljenih interesa
Autori izjavljuju da nemaju konkurentne interese. Pregled

• Promjene E-kadherina i beta-katenina u želučanom cancer
• Ekspresija p53, dušik-oksid sintazu i faktora rasta vaskularnog endotela u želučanom predkancerozni i kancerozni lezija: korelaciji s kliničkim features