AVRA：使用循环卷积神经网络从 MRI 图像自动进行萎缩视觉评分
医学物理
2019-08-28 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
临床上，神经放射科医生按照既定的视觉评分量表来量化萎缩程度。为了使这些评估可靠，评分者需要大量的培训和经验，即便如此，两位放射科医生之间的评分一致性也并非完美。我们开发了一个称为 AVRA（萎缩自动视觉评分，Automatic Visual Ratings of Atrophy）的模型，该模型基于机器学习方法，并在由经验丰富的神经放射科医生作出的 2350 项视觉评分上进行了训练。它为内侧颞叶萎缩的 Scheltens 量表、Pasquier 全局皮质萎缩额叶子量表（GCA-F）以及 Koedam 后部萎缩（PA）量表提供快速且自动的评分。我们证明了 AVRA 的评分与神经放射科医生的评分之间存在实质性的评分者间一致性，其 Cohen 加权 kappa 值为 = 0.74/0.72（MTA 左/右）， = 0.62（GCA-F）和 = 0.74（PA），且具有固有的 = 1 的评分者内一致性。我们得出结论，萎缩的自动视觉评分具有巨大的临床和科学价值，并旨在将 AVRA 作为一个免费提供的工具箱发布。
引用
@article{arxiv.1901.00418,
title = {AVRA: Automatic Visual Ratings of Atrophy from MRI images using Recurrent Convolutional Neural Networks},
author = {Gustav Mårtensson and Daniel Ferreira and Lena Cavallin and J-Sebastian Muehlboeck and Lars-Olof Wahlund and Chunliang Wang and Eric Westman},
journal= {arXiv preprint arXiv:1901.00418},
year = {2019}
}
备注
11 pages, 6 figures