使用深度学习与胸部计算机断层扫描影像组学特征的自动化 5 年死亡率预测
计算机视觉与模式识别
2016-10-04 v1
摘要
我们提出了使用胸部计算机断层扫描（CT）预测老年人 5 年死亡率的新方法。该方法由一个分类器组成，该分类器利用从 CT 图像和多个解剖结构分割图中提取的一组特征进行预测。我们探索了两种方法：1）基于深度学习的统一框架，其中特征和分类器在单个优化过程中自动学习；2）基于手工设计并选择/提取影像组学特征的多阶段框架，随后进行分类器学习过程。基于 48 个带标注的胸部 CT 数据集的实验结果表明，深度学习模型产生了 68.5% 的平均 5 年死亡率预测准确率，而影像组学方法的平均准确率在 56% 到 66% 之间变化（取决于特征选择/提取方法和分类器）。所提出模型的成功开发有望对预防性和个性化医疗保健产生深远影响。
引用
@article{arxiv.1607.00267,
title = {Automated 5-year Mortality Prediction using Deep Learning and Radiomics Features from Chest Computed Tomography},
author = {Gustavo Carneiro and Luke Oakden-Rayner and Andrew P. Bradley and Jacinto Nascimento and Lyle Palmer},
journal= {arXiv preprint arXiv:1607.00267},
year = {2016}
}
备注
9 pages