[논문 리뷰] Ensembles of Radial Basis Function Networks for Spectroscopic Detection of Cervical Pre-Cancer

Kagan Tumer, Nirmala Ramanujam외 2명|ArXiv.org|1999. 05. 20.

Spectroscopy Techniques in Biomedical and Chemical Research참고 문헌 15인용 수 5

한 줄 요약

이 논문은 생체 내 형광 스펙트로스코피를 이용한ervical 전암 검출 정확도를 향상시키기 위해 반경기저 함수(RBF) 네트워크의 앙상블을 제안한다. 337, 380, 460 nm의 자극 파장에서 조직의 형광을 분석함으로써, RBF 앙상블 모델은 개별 RBF 네트워크, 다변량 통계 방법, 또는 인간 전문가보다 높은 민감도와 특이도를 달성하여 자동화되고 거의 실시간에 가까운 전암 스크리닝을 가능하게 하며, 더 높은 신뢰성을 확보한다.

ABSTRACT

The mortality related to cervical cancer can be substantially reduced through early detection and treatment. However, current detection techniques, such as Pap smear and colposcopy, fail to achieve a concurrently high sensitivity and specificity. In vivo fluorescence spectroscopy is a technique which quickly, non-invasively and quantitatively probes the biochemical and morphological changes that occur in pre-cancerous tissue. A multivariate statistical algorithm was used to extract clinically useful information from tissue spectra acquired from 361 cervical sites from 95 patients at 337, 380 and 460 nm excitation wavelengths. The multivariate statistical analysis was also employed to reduce the number of fluorescence excitation-emission wavelength pairs required to discriminate healthy tissue samples from pre-cancerous tissue samples. The use of connectionist methods such as multi layered perceptrons, radial basis function networks, and ensembles of such networks was investigated. RBF ensemble algorithms based on fluorescence spectra potentially provide automated, and near real-time implementation of pre-cancer detection in the hands of non-experts. The results are more reliable, direct and accurate than those achieved by either human experts or multivariate statistical algorithms.

연구 동기 및 목표

• 파피로그램과 병변경류경검사와 같은 현재의 자궁경부암 스크리닝 방법의 한계를 해결하기 위해, 이는 종종 높은 민감도와 특이도를 동시에 확보하지 못하기 때문이다.
• 생체 내 형광 스펙트로스코피 데이터를 이용한 자동화되고 실시간의 자궁경부 전암 감지 시스템을 개발하기 위해.
• 다변량 스펙트럼 데이터에 대해 반경기저 함수(RBF) 네트워크를 활용한 앙상블 학습을 통해 진단 정확도를 향상시키기 위해.
• 건강한 조직과 전암성 조직 간의 고차별성 성능을 유지하면서도 필요한 자극-방출 파장 조합의 수를 줄이기 위해.

제안 방법

• 연구는 95명의 환자로부터 확보한 361개 자궁경부 부위에서 수집된 생체 내 형광 스펙트로스코피 데이터를 사용하며, 세 가지 자극 파장(337 nm, 380 nm, 460 nm)을 대상으로 한다.
• 다변량 통계 분석을 적용하여 관련 있는 자극-방출 파장 조합의 수를 줄이고, 가장 정보성 있는 스펙트럼 특징에 집중한다.
• 감쇠된 스펙트럼 데이터에 대해 반경기저 함수(RBF) 네트워크를 훈련시어 조직을 건강한 상태 또는 전암성 상태로 분류한다.
• 앙상블 방법은 다수의 RBF 네트워크를 투표 또는 평균화 전략을 통해 조합하여 일반화 능력과 강인성을 향상시킨다.
• 앙상블 방법은 개별 RBF 네트워크, 다변량 통계 알고리즘, 전문가의 인간 판독 결과와 비교된다.
• 민감도, 특이도, ROC 곡선 아래 면적과 같은 표준 지표를 사용하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 RBF 네트워크의 앙상블은 형광 스펙트로스코피 데이터에서 자궁경부 전암을 분류하는 데 있어 개별 RBF 네트워크보다 뛰어난 성능을 보일 수 있는가?
• RQ2 다변량 통계 분석을 사용함으로써 분류 정확도를 손상시키지 않으면서도 필요한 스펙트럼 파장 조합의 수를 효과적으로 줄일 수 있는가?
• RQ3 인간 전문가와 전통적인 다변량 통계 방법에 비해 앙상블 RBF 접근법은 전암성 조직 탐지에서 어떤 성능을 보이는가?
• RQ4 앙상블 RBF 모델은 임상 환경에서 자동화되고 거의 실시간의 전암 검출을 어느 정도 가능하게 하는가?

주요 결과

• RBF 네트워크의 앙상블은 개별 RBF 네트워크, 다변량 통계 알고리즘, 인간 전문가보다 자궁경부 전암 검출에서 높은 민감도와 특이도를 달성하였다.
• 분류 정확도를 유지하면서도 필요한 자극-방출 파장 조합의 수를 성공적으로 줄였다.
• 특히 노이즈가 많거나 변동성이 큰 스펙트럼 데이터를 처리하는 데서 단일 모델 접근법에 비해 더 높은 신뢰성과 강인성을 보였다.
• 시스템은 자동화되고 거의 실시간으로 조직 상태를 분류할 수 있어 비전문가가 임상 환경에 쉽게 구현할 수 있도록 한다.
• 결과적으로 RBF 앙상블과 같은 연결주의 방법은 기존의 통계적 또는 전문가 기반 접근법보다 더 정확하고 직접적인 전암 검출을 가능하게 한다.