Automated Tissue Classification and Candidate Biomarker Feature Extraction in Mass Spectrometry Imaging Based on Interpretable Deep Learning Algorithm.

چکیده اصلی

RATIONALE: Mass spectrometry imaging (MSI) generates high-dimensional spatial-spectral data that requires efficient computational methods for tissue classification and candidate biomarker feature extraction. Deep learning offers a promising approach, yet the interpretability of model predictions and identification of biologically relevant spectral features remain challenging. METHODS: A comprehensive computational pipeline was developed for automatic tissue layer classification of a public mouse urinary bladder MSI dataset. Building upon prior work that compared manual tissue layer labels with those automatically generated via spectral preprocessing, t-SNE, and hierarchical clustering, in this study we separately use each type of class label to train convolutional neural networks (CNNs) for supervised classification. Gradient-weighted Class Activation Mapping (Grad-CAM) and SHapley Additive exPlanations (SHAP) were employed to compute layer-specific summed importance scores to evaluate each mass spectral feature and extract class-discriminative features. RESULTS: On the mouse urinary bladder MSI dataset, both manual labels and cluster-derived labels (t-SNE + hierarchical clustering) enabled the CNN model to achieve training accuracies exceeding 0.9 for classifying three tissue layers. Interpretability methods successfully identified discriminative m/z features, including known lipids such as SM(34:1) (m/z 741.54) and PC(34:1) (m/z 798.54), consistent with previously reported biological markers. Compared to the intensity values, the importance scores of the top class-discriminative features generated by both interpretability methods exhibited a sharper contrast and superior ability to delineate tissue-layer-specific distributions in their ion images. Furthermore, evaluation on an independent colorectal cancer dataset yielded a test accuracy of 0.758, suggesting that cross-patient generalizability varied across different data sources. CONCLUSIONS: This study presented an effective deep learning framework for accurate and interpretable tissue classification in MSI data. The CNN modeling and deep learning interpretability provided a robust approach for both automated segmentation and biological discovery, facilitating the identification of spatially resolved metabolic features in tissue sections.

ترجمه فارسی چکیده

هدف: تصویربرداری طیف‌سنجی جرمی (MSI) داده‌های فضایی-طیفی با بعد بالا تولید می‌کند که نیاز به روش‌های محاسباتی مؤثر برای طبقه‌بندی بافت و استخراج ویژگی‌های بالینی پیشنهادی دارد. یادگیری عمیق رویکردی امیدوارکننده‌ای است، اما تفسیرپذیری پیش‌بینی‌های مدل و شناسایی ویژگی‌های طیفی مرتبط زیستی همچنان چالش‌برانگیز است. روش‌ها: یک خط لوله محاسباتی جامع برای طبقه‌بندی خودکار لایه‌های بافت از یک مجموعه داده عمومی MSI مثانه موش توسعه یافت. بر اساس کار قبلی که بر مقایسه برچسب‌های دستی لایه بافت با برچسب‌های تولید شده خودکار از طریق پیش‌پردازش طیفی، t-SNE و خوشه‌بندی سلسله‌مراتبی، در این مطالعه از هر نوع برچسب کلاس به طور جداگانه برای آموزش شبکه‌های عصبی کانولوشن (CNN) برای طبقه‌بندی نظارتی استفاده شد. نقشه‌برداری فعال‌سازی کلاس با وزن گرادیان (Grad-CAM) و توضیحات افزودنی شاپلی (SHAP) برای محاسبه امتیازات اهمیت مجموعی مخصوص لایه برای ارزیابی هر ویژگی طیفی جرمی و استخراج ویژگی‌های متمایزکننده کلاس به کار گرفته شد. نتایج: در مجموعه داده MSI مثانه موش، هم برچسب‌های دستی و هم برچسب‌های مشتق شده از خوشه (t-SNE + خوشه‌بندی سلسله‌مراتبی) به مدل CNN اجازه دادند دقت‌های آموزشی بیش از 0.9 برای طبقه‌بندی سه لایه بافت را به دست دهند. روش‌های تفسیرپذیری موفقیت‌آمیز ویژگی‌های m/z متمایزکننده را شناسایی کردند، از جمله چربی‌های شناخته شده مانند SM(34:1) (m/z 741.54) و PC(34:1) (m/z 798.54)، که با نشانگرهای زیستی گزارش شده قبلی همسو است. در مقایسه با مقادیر شدت، امتیازات اهمیت ویژگی‌های متمایزکننده کلاس برتر تولید شده توسط هر دو روش تفسیرپذیری، تضاد sharper و توانایی برتر در تعریف توزیع‌های مخصوص لایه بافت در تصاویر یونی خود را نشان دادند. علاوه بر این، ارزیابی روی یک مجموعه داده مستقل سرطان روده بزرگ دقت تست 0.758 را به دست آورد، که نشان می‌دهد قابلیت تعمیم بین بیماران در منابع داده مختلف متفاوت بوده است. نتیجه‌گیری: این مطالعه یک چارچوب یادگیری عمیق مؤثر برای طبقه‌بندی دقیق و قابل تفسیر بافت در داده‌های MSI ارائه داد. مدل‌سازی CNN و تفسیرپذیری یادگیری عمیق رویکردی مقاومی برای هر دو قطعه‌بندی خودکار و کشف زیستی فراهم کرد و شناسایی ویژگی‌های متابولیکی با حل‌شوندگی مکانی در برش‌های بافت را تسهیل کرد.

متن کامل اصلی