推进缺血性中风诊断：一种用于血栓来源识别的新型两阶段方法
图像与视频处理
2024-01-08 v2 计算机视觉与模式识别
摘要
本文提出了一种创新的血栓来源分类两阶段方法，这对于缺血性中风的诊断和治疗非常重要。首先，基于MobileNetV3的背景分类器将大型全切片数字病理图像分割成大量图块，以检测是否存在细胞物质。之后，微调不同的预训练图像分类算法以确定血栓的来源。由于复杂的血流动力学以及计算机断层扫描（CT）、磁共振成像（MRI）和超声等传统成像方法的局限性，识别血栓来源是一项具有挑战性的任务。尽管这些技术可用于识别血栓，但它们在确定血栓如何形成方面并不出色。为了应对这些挑战，我们的方法利用了通过全切片数字病理图像信息进行优化的稳健计算机视觉模型。在所有测试的模型中，PoolFormer \cite{yu2022metaformer} 的表现优于其他模型，准确率、精确率、召回率和F1分数均达到93.4%。此外，它取得了0.4361的良好加权多类对数损失（WMCLL），这突显了其在此特定应用中的有效性。这些令人鼓舞的发现表明，我们的方法能够成功识别各种血管位置的血栓来源，有望推进缺血性中风的诊断和治疗方法。
引用
@article{arxiv.2304.13775,
title = {Advancing Ischemic Stroke Diagnosis: A Novel Two-Stage Approach for Blood Clot Origin Identification},
author = {Koushik Sivarama Krishnan and P. J. Joe Nikesh and Swathi Gnanasekar and Karthik Sivarama Krishnan},
journal= {arXiv preprint arXiv:2304.13775},
year = {2024}
}