一种用于多模态 MRI 数据卒中结局预测的自动编码器-LSTM 新模型
计算机视觉与模式识别
2023-03-17 v1 机器学习
摘要
患者结局预测在缺血性卒中管理中至关重要。本文提出一种利用多模态磁共振成像（MRI）进行卒中结局预测的机器学习新模型。所提模型由两级串行自动编码器（AE）组成，其中第一级的不同 AE 用于从不同的 MRI 模态中学习单模态特征，第二级的一个 AE 用于将单模态特征组合为压缩的多模态特征。随后，给定患者的多模态特征序列由 LSTM 网络用于预测结局评分。所提出的 AE2-LSTM 模型被证明是更好处理 MRI 数据的多模态和体积特性的有效方法。实验结果表明，所提出的 AE2-LSTM 通过达到最高 AUC=0.71 和最低 MAE=0.34 优于现有的最优模型。
引用
@article{arxiv.2303.09484,
title = {A Novel Autoencoders-LSTM Model for Stroke Outcome Prediction using Multimodal MRI Data},
author = {Nima Hatami and Laura Mechtouff and David Rousseau and Tae-Hee Cho and Omer Eker and Yves Berthezene and Carole Frindel},
journal= {arXiv preprint arXiv:2303.09484},
year = {2023}
}
备注
The IEEE International Symposium on Biomedical Imaging (ISBI). arXiv admin note: text overlap with arXiv:2205.05545