机构名称：
¥ 5.0
对肿瘤的完整切除对于神经胶质瘤患者的生存很重要。即使达到了总切除术，在切除腔风险中剩下的微尺度组织复发。高分辨率魔术角旋转核磁共振（HRMAS NMR）技术可以使用生物标志物代谢物的峰强度来区分健康和机构组织。该方法是快速，敏感的，并且可以与小型和未经处理的样品一起使用，这使其成为手术期间实时分析的良好功能。然而，只能制作出有针对性的肛门，可以制造出已知肿瘤生物标志物的存在，这需要具有化学背景的技术人员，并且在手术期间就具有有关肿瘤代谢的知识的病理学家。在这里，我们表明我们可以实时执行此分析，并可以使用机器学习以不定目标的方式分析完整的频谱。我们在神经胶质瘤和对照样品的新型和大型HRMA NMR数据集（n = 565）上工作，该数据集也标有定量病理分析。我们的结果表明，基于森林的随机方法可以用肿瘤细胞的样品准确和对照区分，以中位AUC为85.6％，AUPR为93.4％。我们还表明，我们可以进一步区分良性和恶性样本，中位AUC为87.1％，AUPR为96.1％。我们分析了分类的特征（峰值）重要性，以解释分类器的结果并验证已知的恶性生物标志物（如肌酸和2-羟基氯丁烷）在区分肿瘤和正常细胞方面起着重要作用，并提出了新的生物标志物区域。
使用HRMAS的机器学习协助对脑肿瘤边缘的术中评估
主要关键词
相关文件推荐
