Reelele neuronale artificiale pentru procesare datelor de spectroscopie fluorescenta n diagnosticarea cancerului de piele

L Lenhardt, I Zekovic, T Dramicanin and M D Dramicanin

Institute for Nuclear Sciences Vinca, University of Belgrade, PO Bo !"", ##$$# Belgrade, Ser%ia &'(ail) dra(ican*vinca+rs

Received "! ,ugust "$#" ,ccepted for pu%lication #- .anuary "$#/ Pu%lis0ed #! Nove(%er "$#/ Online at stac1s+iop+org2P0ysScr23#!42$#-$!4

,%stract 5e'a lungul anilor diverse te0nici spectroscopice optice au fost utili6ate pe scar7 larg7 ca instru(ente de diagnosticarea ndiscri(inarea (ultor tipuri de %oli (aligne + Recent , spectroscopie fluorescent7 sincrona 8 S9S : cuplat7 cu c0e(o(etrici a fost aplicat n diagnosticarea cancerului+ ;etoda S9S i(plic7 scanarea si(ultana a e(isilor si a e citatiei lungi(ilor de und7 undeintervalul lungi(ilor de und7 a fost (entinut constant8 (odul constant ' lungi(e de und7 : sau frecven a 8(od constant de energie:, ntre ele+ ,ceast7 (etod7 este rapid7 , relativ ieftin7 , sensi%il7 si non' inva6iv7 + 3oate (ostrele de S9S de piele nor(ale, nevus i (elano( au fost folosite ca input pentru for(area de reele neuronale artificiale+ 5ou7 tipuri diferite de re ele neuronale artificiale au fost instruite , cea cu 0arta auto' organi6area i reele neuronale feed'for<ard8control'inainte: + Re6ultatele 0istopatologice ale (ostrelor de piele investigate au fost utili6ate ca standard de aur pentru re eaua de ie ire + Pe %a6a clasific7rii o% inute rata de succes a reelelor neuronale , a( a=uns la conclu6ia c7 cele dou7 re ele furni6au o sensi%ilitate ridicat7 cu erori de clasificare ntre " i - > + 1. Introducere Cancerul de piele este una dintre cele mai comune afectiuni maligne la nivel mondial . Detectare trziu ofer rate ridicate de mortalitate , dar daca este diagnosticat n stadii incipiente , este una dintrecele mai tratabile forme de cancer . Lund aceast problem n considerare , n curs de dezvoltare noi metode pentru diagnosticarea cancerului este de importan crucial . n ultimele decenii , n domeniul diagnosticului de cancer , spectroscopie de fluorescenta sa dovedit a fi un foarte promitatoare Te nica ! "lfano #i colab $%&', (terenborg et al $%%) , *almer et al +,,-. . /esuturi umane sunt un amestec comple0 de diferite molecule #i unele dintre aceste molecule , numite endogen fluorofori , au capacitatea de a absorbi #i emite lumin de diferite lungimi de und . Concentraia #i distribuia diverse fluorofori ale pielii , cum ar fi nicotinamid adenin

dinucleotid ! 1"D2 . , adenin dinucleotid flavine ! 3"D . , 4eratina , colagen , elastina , aminoacizi , lipide #i porfirine sunt fundamentale pentru discriminare ntre cancer #i tesut normal de spectroscopie de fluorescenta . n ultimii ani, (a demonstrat c spectroscopie de fluorescen sincron ! (3( . poate fi folosit cu succes n detectarea cancerului ! 5o 6 Din +,,,, 5engadesan #i alii, +,,+ , Drami7canin et al +,,8 , +,,9 , +,$$. . "ceast metod implic scanarea simultan de lungimi de und att de emisie #i e0citaie pstrnd n acela#i timp intervalul de lungimi de und !mod constant 6 lungime de und . sau frecvene !mod constant de energie ., ntre ele constante . "vanta:ul unui spectru sincron peste ordinar spectre de emisie este faptul c are de multe ori mai multe caracteristici #i ofer mai multe informaii . Datele obinute sunt de obicei foarte corelat cu diferente subtile intre anormal #i esuturile normale , #i n acest scop neuronale artificiale reele ! "11 ., pot fi foarte utile pentru a construi un diagnostic model. "11 este un sistem adaptiv care modific structura pe baza constatrilor de intrare pentru a genera ie#ire robust . beneficiul de aceast metod este consecvena #i obiectivitatea sa din cauza lipsa de oboseal umane #i prtinire . n aceast lucrare , dou tipuri diferite tipuri de "11 au fost instruii , arta auto 6 organizare ! (;< . #i a reelei neuronale feed6for=ard . (;< este unul dintre cele mai multe reele neuronale populare care transform ig 6dimensional relatii statistice neliniare n geometrice simple relaiile ntr6un mod nesupraveg eat ! >o onen +,,$. .

(pre deosebire de (;<, retele neuronale feed6for=ard este instruit n un mod supraveg eat cu o cunoa#tere prealabil a grupului unui e#antion de membru prin introducerea datelor de la intrrile care trece prin straturi de neuroni pn cnd acesta a:unge la ie#irile fr nici informaii de feedbac4 ntre straturi !?iang et al +,,-.. "11 sunt adesea instruii pentru a fi utilizat n continuare ca de clasificare modele !@ ee et al +,,8, Drami7canin et al +,,%..scopul al acestei lucrri a fost de a investiga posibilitatea de a construi o cancer de piele metod de diagnostic prin formare "11 utilizarea total (pectrele de fluorescen de diferite tipuri de leziuni ale pielii. + . <ateriale #i metode (pectrele de fluorescen sincron de 8, de probe de piele ! $+ melanom , $& nev #i +, de probe ormale de piele . au fost msurat e0 vivo utiliznd un spectrofotometru de fluorescen ! *er4in Almer L()8 . n mod constant 6 lungime de und . (pectrele au fost colectate la o vitez de scanare de +,, nm min 6 $ n Bama de e0citaie --,688, nm #i lungimea de und compensa gam $ C -,6$+, nm #i automat normalizat la e0citaie de instrument. *robele au fost obtinute de la pacienti umani la scurt timp dupa rezectia c irurgicala , istopatologic identificat #i apoi msurat prin instrument la temperatura camerei . *entru a reduce dimensionalitate spectrelor obinute , component principal "naliza ! "*C. a fost aplicat . *entru formare , *C" calculat Componentele au fost introduse n (;< #i feed6 for=ard reele neuronale . *entru a evalua eroare de clasificare , acestea au fost testate cu noi probe necunoscute la ambele "11 . - . @ezultate #i discuii 3igura $ prezint spectre de fluorescenta total sincron n sub form de diagrame de contur ale diferitelor mostre de piele D piele normala , nev #i melanom . modele de emisie reflecte specificitatea de fluorofori endogene #i lor micromedii n piele . (e poate observa cu claritate cprincipalele diferenele defluorescen leziunilor cutanate sunt observabile n mai multe regiuni spectrale . *rima regiune se ntinde de e0citaie lungime de und --,6),, nm #iintervalul sincron -,688 nm . *roteine structurale ale e0tracelular matrice , colagen #i elastin au e0citaie ma0im n acest regiune ! @amanu:am +,,,. . " doua #i a treia spectrale

regiuni acoperintervalul de lungimi de und de e0citaie de la )-, la )&, nm , ntre -8, #i ),, nm, iar intervalul de la sincron -, pn la 8, nm , 986%, nm , respectiv. fluorescen de

aceste regiuni provine de la (ai (ulte fluorofori , cu( ar fi co' en6i(e N,5? i 9,5 + O (etod7 de cancer de piele de diagnostic %a6ate pe (7sur7tori de S9S i un (odel de clasificare construit folosind dou7 tipuri diferite ,NN a fost de6voltat in (ai (ulte etape + @n pri(ul rAnd reducerea di(ensionalitate a fost necesar7 din cau6a di(ensiunii (ari a adunat S9S + @n acest scop, ,PB a fost aplicat pe date S9S i un (odel de ,PB de cinci co(ponent7 a fost ac0i6iionat + PB, este o (etod7 statistic7 nesupraveg0eat folosit pentru a distinge i identifica (odele n date i le e pri(a ntr'o (anier7 ca pentru a su%linia ase(7n7rile i deose%irile lor + ,ceast7 (etod7 transfor(7 un nu(7r de varia%ile , eventual, corelate n un nu(7r (ai (ic de varia%ile necorelate nu(ite principal co(ponente , care repre6int7 cea (ai (are din variana varia%ile o%servate + ,cest lucru ne'a per(is de a e plora datele noastre i pentru a deter(ina pentru care lungi(ea de und7 a co(pensa valoarea 8 # C : cel (ai %un separare ntre grupuri a fost atins + 5up7 e a(inarea re6ultate din ,PB , sa a=uns la conclu6ia c7 cea (ai %un7 difereniere ntre clase este de # C D 4$ n( , figura " + @n figura / o se poate vedea o distincie evident7 ntre clase + de a lua acest n considerare , scoruri ,PB "! de pro%e E pentru # C D 4$ n( au fost utili6ate pentru a instrui i SO; reele neuronale feed'for<ard + @n scopul de a (7ri nu(7rul de eantioane pentru for(are ,NN , a( creat un set distri%uit n (od nor(al de date %a6ate pe valoare i deviaia standard de "! de pro%e utili6ate pentru nse(na for(are + Bu un nou set de date de "$$$ de pro%e ne'a( antrenat atAt ,NN + SO; nva7 s7 date de grup %a6ate pe si(ilaritate i topologie , i ca ur(are se atri%uie aceleai indicii pentru fiecare clas7 + ,cesta este utili6at pentru reducerea di(ensionalit7ii i clustering date . "m introdus o E
8 matrice +,,, ! +,,, de probe #i 8 *arametrii care descriu fiecare prob . pentru a som cu - neuroni ! dimensiune $ E - . , figura ) , #i a nceput de formare cu $8, de iteraii . *rin toate acestea , (;< nu au avut nici informaii despre apartenena la un grup e#antion !de nvare nesupraveg eat . . cnd instruit , (;< a fost testat cu +8 de noi probe necunoscute de reea #i de eroare de clasificare a fost ac iziionat . acest proces de formare (;< #i testare a fost repetat de mai multe

ori , de fiecare dat , folosind o combinaie diferit de date pentru instruire #i testare . 3cnd acest lucru am obinut o mai precis *rivire de ansamblu asupra eficienei acestei metode . @eele de alimentare nainte , figura 8 , conin serie de straturi . *rimul strat obine datele de intrare de reea , #i fiecare ulterioar strat este conectat lastratul anterior n timp ce stratul final da reea de ie#ire . Ale sunt de obicei utilizate pentru intrare la ie#ire cartografiere . "m folosit reeaua de feed6for=ard cu un ascuns strat pentru a construi un model de clasificare , dndu6i drept de intrare +,,, E 8 matrice , aceea#i matrice utilizat pentru formarea (;< , #i matricea cu informaii de clas membru a tuturor +,,, probe ! supraveg eat de nvare . . *rocesul de testare a fost aceea#i ca #i pentru (;< , mai multe modele au fost construite #i testate cu a:utorul diferite combinaii de date #iclasificarea medie eroare pentru toate modelele a fost calculat . *e baza erorilor de clasificare obinute de neuronale reelelor , am constatat c ambele reele oferi de nalt sensibilitate cu erori de clasificare ntre + #i ) F . pentru

diferite date de intrare de eroare de clasificare (;< a fost ntre

" i / > , n ti(p ce pentru reeaua de feed'for<ard a fost ntre / i - > + - + conclu6ie @n aceast7 lucrare , a( folosit anali6e statistice i ,NN pentru a clasifica date de spectre de fluorescen7 sincron cu scopul de a de6voltarea unei (etode de diagnostic pentru diagnosticarea cancerului de piele + Spectrele de fluorescen7 a trei tipuri diferite de le6iuni ale pielii , (elano( , nev i pielea nor(ala , diferenele relevat ntre ele datorit7 diferenelor de concentraie de diferite fluorofori i (icro(edii lor + ,plicarea ,PB a furni6at date cu variaii (7rite ntre eantion grupuri + Se arat7 c7 atAt SO; i neuronale feed'for<ard reelelor a dat re6ultate pro(itatoare , cu un esut succes FG'FH > Rata de clasificare + ;ai (ult decAt atAt ,(etoda pre6entat7 este rapid , sensi%il , ieftin i non' distructive + Pe %a6a acestor descoperiri , pute( conclu6iona c7 S9S co(%inat cu neural clasificare pe %a67 de reea are un potential %un in (elano( diagnosticare + confir(are ,ceasta lucrare a fost sustinuta de ;inisterul sAr% al tiinei i de6voltare te0nologic7 8 nu(7r de proiect i #4/$-F -!$"$ : +

References
,lfano R R, 3ang I B, Prad0an ,, Ja( K, B0oy 5 S . and Op0er & #FH4 9luorescence spectra fro( cancerous and nor(al 0u(an %reast and lung tissues IEEE J. Quantum Electron. 23 #H$GL## 5ra(iMcanin 3, 5i(itri=eviMc B and 5ra(iMcanin ; 5 "$## ,pplication of supervised self'organising (aps in %reast cancer diagnosis %y total sync0ronous lu(inescence spectroscopy Appl. Spectrosc. 6 "F/L4 5ra(iMcanin 3, 5ra(iMcanin ; 5, 5i(itri=eviMc B, .o1anoviMc V and Ju1iMc S "$$G 5iscri(ination %et<een nor(al and (alignant %reast tissues %y sync0ronous lu(inescence spectroscopy Acta Chim. Slov. 3 ---LF 5ra(iMcanin 3, 5ra(iMcanin ; 5, .o1anoviMc V, Ni1oliMc'Vu1osavl=eviMc 5 and 5i(itri=eviMc B "$$! 30ree'di(ensional total sync0ronous lu(inescence spectroscopy criteria for discri(ination %et<een nor(al and (alignant %reast tissues Photochem. Photobiol. !1 #!!-LH 5ra(iMcanin 3, Ne1oviMc I, 5i(itri=eviMc B, Ri%ar S and 5ra(iMcanin ; 5 "$$F Optical %iopsy (et0od for %reast cancer diagnosis %ased on artificial neural net<or1 classification of fluorescence landscape data Acta Phys. Pol. , 116 GF$L" .iang O and Ka0 , ? P S "$$/ Bonstructing and training feed'for<ard neural net<or1s for pattern classification Pattern Recognit. 36 H!/LG4 Po0onen 3 "$$# Self- rgani!ing "aps /rd edn 8Berlin) Springer: Pal(er I ;, Peely P ., Breslin 3 ; and Ra(anu=a( N "$$/ ,utofluorescence spectroscopy of nor(al and (alignant 0u(an %reast cell lines Photochem. Photobiol. "! -G"LF Ra(anu=a( N "$$$ Encyclope#ia of Analytical Chemistry 8B0ic0ester, NQ) Kiley: pp "$L!G R0ee . I, Jee P I, Pi( B P, Qi( Q S, B0ung S K, Kei . and Bellgardt P ? "$$! Blassification of t<o'di(ensional fluorescence spectra using self'organi6ing (aps $iochem. Eng. J. 22 #/!L-Steren%org ? . B ;, ;ota(edi ;, Kagner R 9, 5uvic ;, 30o(sen S and .acRues S J #FF- In vivo fluorescence spectroscopy and i(aging of 0u(an s1in tu(ours %aser "e#. Sci. # #F#L"$# Vengadesan N, ,n%upala( 3, ?e(a(alini S, &%ene6ar ., ;ut0velu P, Potees<aran 5, ,runa P R and Ianesan S B "$$" B0aracteri6ation of cervical nor(al and a%nor(al tissues %y sync0ronous lu(inescence spectroscopy Proc. SPIE $613 #/L4 Vo'5in0 3 "$$$ Principle of sync0ronous lu(inescence 8SJ: tec0niRue for %io(edical diagnostics Proc. SPIE 3#11 -"LF -