표현형 간암 레지스트리 (PHELICAR)

이 연구는 두 단계로 진행됩니다.

• 1단계에는 두 가지 주요 단계가 있습니다. 첫 번째 단계에서는 각 개별 표현형에 해당하는 이미지 기반 서명을 추출하는 iBiopsy 표현형 플랫폼을 기반으로 고유한 종양 표현형을 식별하고 iBiopsy 플랫폼의 분석/기술 성능을 평가합니다. 다양한 이미지 획득 조건 하에서 분석 판독값의 특성화 격차와 동일한 분석 조건 하에서의 반복 변동성은 제안된 디자인으로 채워질 것입니다. 일련의 적합한 종양 표현형이 확인되면 특성화 단계로 진행합니다. 이는 초기 대표 특정 데이터 세트(예: 수백 명의 환자) 훈련(발견) 및 검증(강건성 테스트)을 위해. 두 번째 단계에서는 진단 및 질병 하위 유형 지정을 위해 위의 표현형에 대한 예비 생물학적/임상 검증을 완료합니다. 여기에는 대규모 데이터 세트(예: 조직병리학 데이터를 참조 표준으로 사용하고 AI 기반 학습 방법론을 사용하여 이미징 서명을 최적화하여 훈련 및 검증을 위한 CDR(환자 수천 명)
• 2단계에도 2단계가 있습니다. 2단계의 첫 번째 단계는 HCC 환자의 진단을 위해 1단계에서 나온 후보 표현형을 엄격하게 검증하는 것입니다. 2단계의 두 번째 단계는 결과 예측을 위해 이러한 선택된 후보 표현형을 검증하는 것입니다. 이러한 엄격한 검증에는 HCC(후기 생물학적/임상 검증) 환자의 대규모 CDR 사용이 포함됩니다.

PACS(Picture Archival Systems)와 같은 전통적인 의료 이미지 검색 시스템은 구조화된 데이터(메타데이터) 또는 구조화되지 않은 텍스트 주석(의사 보고서)을 사용하여 이미지를 검색합니다. 그러나 이미지의 내용은 단어로 완벽하게 설명할 수 없고 이미지에 대한 이해도 사람마다 다르기 때문에 텍스트 기반 이미지 검색 시스템은 대용량 이미지 검색 요구 사항을 충족할 수 없습니다. 이러한 한계에 대응하여 키워드 대신 이미지에서 추출한 시각적 특징을 사용하는 CBIR 시스템이 개발되었습니다. 이러한 CBIR의 중요하고 유용한 결과는 사용자가 쿼리 의료 이미지에서 직접 추출한 이미지 기반 표현형 서명과 색인화된 표현형 서명의 일치를 허용하는 고급 이미지 기능에 대한 이미지 리포지토리를 검색할 수 있도록 하는 의미론적 격차를 해소할 수 있는 가능성입니다. 레지스트리에서.

Median Technologies CBIR 시스템은 특허 받은 알고리즘과 프로세스를 사용하여 사전 분할 없이 전체 이미지에 걸쳐 계산된 수만 개의 3D 이미지 패치에서 수백 개의 이미징 기능과 매우 컴팩트한 서명을 자동으로 추출하여 이미지를 디코딩합니다. 조직 병리학 및 게놈 및 혈장 프로필과 상호 연관될 수 있는 상세한 표현형 프로필 외에도 시스템은 해당 조직의 "이미지 기반 표현형"의 지문을 제공하는 각 타일에 대한 고유한 서명을 생성합니다. 대규모 병렬 컴퓨팅 방법을 사용하여 대상 이미지에서 이미징 바이오마커 및 표현형 서명을 추출한 다음 유사한 서명의 클러스터로 구성하고 실시간 검색을 위해 인덱싱하고 스키마 없는(NoSQL) 데이터베이스로 가져옵니다.