[论文解读] Stable prediction with radiomics data

Carel F.W. Peeters, Caroline Übelhör+10 more|arXiv (Cornell University)|Mar 27, 2019

Radiomics and Machine Learning in Medical Imaging参考文献 34被引用 3

一句话总结

本文提出FMradio，一种四步法，通过冗余过滤因子分析将高维、多重共线性的特征投影到低维潜在空间，从而稳定放射组学预测。该方法在鳞状细胞癌的生存预测中优于现有方法，实现了最低的预测误差和最高的可解释方差，且在内部和外部验证中均表现优异。

ABSTRACT

Motivation: Radiomics refers to the high-throughput mining of quantitative features from radiographic images. It is a promising field in that it may provide a non-invasive solution for screening and classification. Standard machine learning classification and feature selection techniques, however, tend to display inferior performance in terms of (the stability of) predictive performance. This is due to the heavy multicollinearity present in radiomic data. We set out to provide an easy-to-use approach that deals with this problem. Results: We developed a four-step approach that projects the original high-dimensional feature space onto a lower-dimensional latent-feature space, while retaining most of the covariation in the data. It consists of (i) penalized maximum likelihood estimation of a redundancy filtered correlation matrix. The resulting matrix (ii) is the input for a maximum likelihood factor analysis procedure. This two-stage maximum-likelihood approach can be used to (iii) produce a compact set of stable features that (iv) can be directly used in any (regression-based) classifier or predictor. It outperforms other classification (and feature selection) techniques in both external and internal validation settings regarding survival in squamous cell cancers.

研究动机与目标

• 为解决标准机器学习分类器在放射组学数据中因高维多重共线性导致的不稳定性问题。
• 开发一种稳健、易于使用的放射组学特征下游分析流程，适用于分类和预测任务。
• 利用放射组学数据提升鳞状细胞癌生存建模中的预测性能和特征稳定性。
• 提供一个专用且经过验证的工作流程，填补当前放射组学研究中下游分析的空白。

提出的方法

• 首先，对冗余过滤后的相关矩阵应用惩罚最大似然估计，以减少多重共线性。
• 其次，对过滤后相关矩阵执行最大似然因子分析，以提取潜在因子。
• 第三，将所得因子用作下游建模的紧凑且稳定的特征集。
• 第四，直接将这些稳定的潜在特征整合到任何基于回归的分类器或预测器中。
• 该方法结合冗余过滤与两阶段最大似然估计，确保结果的稳定性和可解释性。
• FMradio R包实现了完整流程，支持可重现且可扩展的分析。

实验结果

研究问题

• RQ1 两阶段最大似然方法是否能减少高维放射组学数据中的多重共线性，并提升预测稳定性？
• RQ2 FMradio在预测性能和稳定性方面与标准特征选择及分类技术相比如何？
• RQ3 冗余过滤是否能提升放射组学数据中生存模型的性能？
• RQ4 从因子分析中提取的潜在特征是否可在外部验证环境中作为稳健预测因子？
• RQ5 多重共线性对放射组学分类中特征选择的唯一性和稳定性有何影响？

主要发现

• FMradio实现了最低的交叉验证集成Brier分数0.108，显著优于其他方法，包括Cox boosting（0.109）和随机生存森林（0.113）。
• 该方法在交叉验证中平均解释方差（R²）达到0.169，为所有评估方法中的最高值。
• 在内部验证中，FMradio表现出最稳定的预测误差曲线和最高的R²值，表明其具有卓越的鲁棒性。
• 冗余过滤在所有对比方法中均提升了性能，但FMradio在整体上仍保持最稳定和最准确。
• 从因子分析中提取的潜在特征在内部和外部验证环境中均表现出一致的预测能力和稳定性。