基于多字典学习框架的肾透明细胞癌预后分析模型

肾透明细胞癌是一种高度异质的肿瘤,具有复杂多变的临床表现。基于病理全切片图像的肾透明细胞癌自动预后分析,可辅助医生做出临床决策,从而达到更好的治疗目的。肾透明细胞癌的组织异构性使得针对预后分析任务的特征提取存在很大的挑战性。提出针对肾透明细胞癌病理全切片图像的多字典学习框架,自适应获取病理全切片图像的有效信息,进行肾透明细胞癌预后分析。该框架主要包括基于图像块水平的多字典学习和基于患者水平的生存模型构建两个阶段。利用癌症基因组图谱数据库的肾透明细胞癌数据集(TCGA-KIRC)中378例苏木素-伊红染色的全切片图像上进行评估,实验结果(C-index=0.681,AUC=0.751,P<0.05)优于现流行的各种生存模型,其中较传统的Boosted模型和随机生存森林模型,C-index指标分别提高0.138和0.155,AUC指标分别提高0.149和0.191;较Deep Surv和WSISA两个深度学习模型,C-index指标分别提高0.046和0.035,AUC指标分别提高0.096和0.090。所提出的方法可以更准确地对肾透明细胞癌进行预后分析。