JOINT AND INDIVIDUAL ANALYSIS OF BREAST CANCER HISTOLOGIC IMAGES AND GENOMIC COVARIATES.
JOINT AND INDIVIDUAL ANALYSIS OF BREAST CANCER HISTOLOGIC IMAGES AND GENOMIC COVARIATES.
复制标题
DOI：
10.1214/20-aoas1433
复制
发表时间：
2021-12
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
乳腺癌研究的两种主要方法是组织病理学（分析肿瘤的视觉特征）和基因组学。虽然组织病理学和基因组学都是癌症研究的基础，但这些领域之间的联系相对肤浅。我们通过研究卡罗莱纳乳腺癌研究，通过开发一个综合性的探索性分析框架来弥合这一差距。我们的分析提供了一些见解-一些已知的，一些新的-这是从事病理学家和遗传学家。我们的分析框架基于基于角度的联合和个体变异解释（AJIVE）进行统计数据集成，并利用卷积神经网络（CNN）作为图像特征提取的强大自动方法。CNN提出了可解释性问题，我们通过开发新的方法来探索应用于CNN特征的统计算法（例如PCA或AJIVE）捕获的视觉变化模式来解决这些问题。
The two main approaches in the study of breast cancer are histopathology (analyzing visual characteristics of tumors) and genomics. While both histopathology and genomics are fundamental to cancer research, the connections between these fields have been relatively superficial. We bridge this gap by investigating the Carolina Breast Cancer Study through the development of an integrative, exploratory analysis framework. Our analysis gives insights – some known, some novel – that are engaging to both pathologists and geneticists. Our analysis framework is based on Angle-based Joint and Individual Variation Explained (AJIVE) for statistical data integration and exploits Convolutional Neural Networks (CNNs) as a powerful, automatic method for image feature extraction. CNNs raise interpretability issues that we address by developing novel methods to explore visual modes of variation captured by statistical algorithms (e.g. PCA or AJIVE) applied to CNN features.
登录
查看更多内容
影响因子：
7.5
作者：
Chollet-Hinton, Lynn;Puvanesarajah, Samantha;Troester, Melissa A.
通讯作者：
Troester, Melissa A.
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y
DOI：
10.1038/s41379-018-0073-z
发表时间：
2018-10
期刊：
Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
影响因子：
--
作者：
Ehteshami Bejnordi B;Mullooly M;Pfeiffer RM;Fan S;Vacek PM;Weaver DL;Herschorn S;Brinton LA;van Ginneken B;Karssemeijer N;Beck AH;Gierach GL;van der Laak JAWM;Sherman ME
通讯作者：
Sherman ME
影响因子：
1.9
作者：
Gaynanova, Irina;Li, Gen
通讯作者：
Li, Gen
影响因子：
50.5
作者：
Colleoni, M.;Rotmensz, N.;Viale, G.
通讯作者：
Viale, G.