Перенос обучения для извлечения глубинных признаков в сочетании с традиционными признаками позволяет прогнозировать выживаемость пациентов с аденокарциномой легкого

Рак легкого — наиболее частая причина смерти от злокачественных новообразований в США. Выявлять и диагностировать его можно с помощью изображений компьютерной томографии. Для автоматизированного классификатора ключевой задачей является выявление прогностических признаков на медицинских изображениях. В последнее время в ряде областей анализа изображений успешно применяют извлечение глубинных признаков с использованием предварительно обученных сверточных нейронных сетей (CNN). В настоящем исследовании предварительно обученную CNN использовали для извлечения глубинных признаков из 40 контрастных КТ-изображений аденокарциномы легкого — разновидности немелкоклеточного рака легкого; затем глубинные признаки объединяли с традиционными признаками изображений и обучали классификаторы для прогнозирования кратко- и долгосрочной выживаемости. Были протестированы несколько предварительно обученных CNN и несколько методов отбора признаков. Наилучшая ранее опубликованная точность при использовании традиционных количественных признаков составляла 77,5% (площадь под кривой, AUC, 0,712); этот результат был достигнут с помощью классификатора на основе дерева решений. Наилучшая опубликованная точность при использовании переноса обучения и глубинных признаков также составляла 77,5% (AUC, 0,713) при применении классификатора на основе дерева решений. При объединении признаков, извлеченных глубокой нейронной сетью, с традиционными количественными признаками точность составила 90% (AUC, 0,935). Для этого использовали пять наиболее информативных признаков после выпрямленной линейной единицы, извлеченных из предварительно обученной CNN VGG-F, и пять наиболее информативных традиционных признаков. Наилучшие результаты были получены при ранжировании признаков с использованием алгоритма симметричной неопределенности с последующим применением классификатора на основе случайного леса.