文献

J-GLOBAL ID：202202228269766145   整理番号：22A0827833

組織病理学的イメージングに基づく癌データ解析のための回帰のBayes階層的有限混合【JST・京大機械翻訳】

Bayesian hierarchical finite mixture of regression for histopathological imaging-based cancer data analysis

著者 (4件)： Im Yunju (Department of Biostatistics, Yale University, New Haven, Connecticut, USA) ,  Huang Yuan (Department of Biostatistics, Yale University, New Haven, Connecticut, USA) ,  Huang Jian (Department of Statistics and Actuarial Science, University of Iowa, Iowa, Iowa, USA) ,  Ma Shuangge (Department of Biostatistics, Yale University, New Haven, Connecticut, USA)
資料名： Statistics in Medicine  (Statistics in Medicine)
巻： 41  号： 6  ページ： 1009-1022  発行年： 2022年 
JST資料番号： A1551A  ISSN： 0277-6715  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 癌は不均一であり,一見類似の癌患者では,転帰/表現型と共変量の間の関係が異なる。そのような違いを記述するために,回帰(FMR)と他のモデリング技術の有限混合物を開発した。「Classic」FMR分析は,通常,臨床,人口統計および分子変数に基づく。より最近では,生検の副産物であり,より広範なデータ利用性とより高い費用対効果を有する,病理組織学的画像データは,癌モデリングでますます使用されているが,癌FMR分析への応用は,未だ限られている。本稿では,組織病理学的画像データに基づいて癌FMR解析をさらに進める。不均一性と均一性の下で既存の分析から著しく前進して,著者らの目標は,それぞれ,ドメイン特異的生物医学知識に基づいて抽出され,自動信号処理ソフトウェアを使用して抽出される,2つのタイプの組織病理学的画像特徴を同時に使用することである。重要なモデリング/方法論的進歩は,第1タイプ上の2番目のタイプのイメージング特徴の「増加解像度」を反映するため,混合構造の階層構造を課す。効果的で柔軟なBayesアプローチを提案した。シミュレーションは,いくつかの代替案に関してその競争力を示した。TCGA肺癌データを解析し,代替を用いて異なる興味深い不均一構造を見出した。全体として,この研究は,癌および他の複雑な疾患に対するFMR分析に対する新しい静脈を提供する。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信号処理 ,  静脈 ,  表現型 ,  Bayes推定 ,  *画像処理 ,  病気 ,  画像特性 ,  臨床医学 ,  ソフトウェア ,  生検 ,  肺腫瘍 ,  混合構造
準シソーラス用語： 費用対効果 ,  癌患者 ,  共変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes推定 ,  癌 ,  回帰の有限混合 ,  階層 ,  組織病理学的イメージングデータ

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (4件)： 組織病理学 ,  イメージング ,  癌 ,  データ解析