MATLAB활용 머신러닝 심층 학습 모델을 통한 골육종 슬라이드 영상에서 실행 가능한 괴사성 종양연구

MATLAB 머신러닝

Harish Babu Arunachalam , Ovidiu Daescu , Dinesh Rakheja , David Leonard , Patrick Leavey , Rashika Mishra , Kevin Cederberg , Anita Sengupta , Rami Hallac 지음

아진 2020년 07월 07일 출간

작품소개

책소개

Pathological estimation of tumor necrosis after chemotherapy is essential for patients with osteosarcoma. This study reports the first fully automated tool to assess viable and necrotic tumor in osteosarcoma, employing advances in histopathology digitization and automated learning. We selected 40 digitized whole slide images representing the heterogeneity of osteosarcoma and chemotherapy response. With the goal of labeling the diverse regions of the digitized tissue into viable tumor, necrotic tumor, and non-tumor, we trained 13 machinelearning models and selected the top performing one (a Support Vector Machine) based on reported accuracy. We also developed a deep-learning architecture and trained it on the same data set. We computed the receiver-operator characteristic for discrimination of nontumor from tumor followed by conditional discrimination of necrotic from viable tumor and found our models performing exceptionally well. We then used the trained models to identify regions of interest on image-tiles generated from test whole slide images. The classification output is visualized as a tumor-prediction map, displaying the extent of viable and necrotic tumor in the slide image. Thus, we lay the foundation for a complete tumor assessment pipeline from original histology images to tumor-prediction map generation. The proposed pipeline can also be adopted for other types of tumor.

목차

제 1편 : MATLAB 기본편
1. MATLAB 기본사용편 003
1.1 MATLAB 시작하기 003
명령창(command Window)에서의 입력 005
도움말(Help)의 이용 007
1.2 입력 오류의 수정 008
계산의 중지 009
MATLAB 종료하기 009
1.3 연산과 변수의 할당 009
연산자 우선순위 011
내장함수 012
1.4 데이터의 표현 013
1.5 변수의 처리 015
변수 이름 015
clear 명령어 016
특수변수와 정수 017
whos 명령어 017
1.6 벡터와 행렬 018
벡터 018
행렬 023
스크린 출력과 억제 024
1.7 랜덤(Random)수와 복소수 025
랜덤 수 025
복소수 027
1.8 기호를 이용한 연산 028
기호식에서의 치환 029
1.9 코드 파일 030
스크립트 코드 파일 030
코멘트의 추가 032
함수 코드 파일 033
사용자 정의함수 036
1.10 간단한 그래프의 생성 037
ezplot을 이용한 그래프 037
plot을 이용한 그래프 039
3차원 그래프 042
1.11 MATLAB과 엑셀(Excel)의 접속 043
엑셀 데이터 불러오기 043
데이터 가져오기 옵션 046
스크립트 생성 옵션 049
함수 생성 옵션 049
생성된 데이터를 엑셀파일로 저장하기 050


제 2편 : 연구논문
Viable and necrotic tumor assessment from whole slide images of
osteosarcoma using machine-learning and deep-learning models
1. Introduction 51
2. Materials and methods 53
3. Machine-learning 56
4. Deep-learning 58
5. Results 59
6. Analyzing feature importance 60
7. Discussion 65
8. References 66

작가정보

저자(글) Harish Babu Arunachalam

저자(글) Ovidiu Daescu

저자(글) Dinesh Rakheja

저자(글) David Leonard

저자(글) Patrick Leavey

저자(글) Rashika Mishra

저자(글) Kevin Cederberg

저자(글) Anita Sengupta

저자(글) Rami Hallac