一种基于放射组学的心脏电影 MRI 计算机辅助诊断方法
图像与视频处理
2019-09-27 v1 机器学习
机器学习
摘要
使用专家可视化或常规临床指标可能在边界分类中缺乏准确性。基于特征分解的先进统计方法主要关注形状和运动指标。在本文中，我们提出一种新方法，通过估计大量放射组学特征（统计、形状和纹理特征）池来从电影 MRI 中识别心血管疾病（CVDs），这些特征编码了由 CVDs 引起的解剖和图像特征的相关变化。计算得到的电影 MRI 放射组学特征使用顺序前向特征选择进行评估，以识别给定 CVD 类别（例如心肌梗死、心肌病、右心室异常）最相关的特征。最后，应用先进机器学习以基于支持向量机（SVMs）适当地整合所选放射组学特征用于最终的多特征分类。所提出的技术使用来自 ACDC MICCAI 2017 挑战赛的对应于五类不同心脏类别的 100 个电影 MRI 病例进行训练和交叉验证。在本初步研究中所有病例均被正确分类，表明使用大规模放射组学进行基于 MRI 的 CVD 诊断的潜力。
引用
@article{arxiv.1909.11854,
title = {A Radiomics Approach to Computer-Aided Diagnosis with Cardiac Cine-MRI},
author = {Irem Cetin and Gerard Sanroma and Steffen E. Petersen and Sandy Napel and Oscar Camara and Miguel-Angel Gonzalez Ballester and Karim Lekadir},
journal= {arXiv preprint arXiv:1909.11854},
year = {2019}
}