构建大脑：用于大血管闭塞检测数据增强的子体积重组
图像与视频处理
2022-05-17 v2 人工智能
计算机视觉与模式识别
摘要
缺血性卒中常由大血管闭塞（LVOs）引起，可通过计算机断层扫描血管造影（CTA）显示并诊断。由于时间就是大脑，对这些扫描进行快速、准确和自动化诊断十分必要。人类阅片者在评估卒中时会比较左右半球。标准基于深度学习的模型需要从数据中学习该策略，这需要大型训练数据集。由于该领域标注医学数据稀少，需开发其他方法。为同时纳入侧别比较的先验知识并增加训练数据量，我们提出一种增强方法，通过重组来自不同患者的半球或半球子区域的血管树分割来生成人工训练样本。子区域覆盖常受LVOs影响的血管，即颈内动脉（ICA）和大脑中动脉（MCA）。结合该增强方案，我们使用输入为任务特定的3D-DenseNet，促进半球间的并排比较。此外，我们提出该架构的扩展以处理各个半球子区域。所有配置均预测LVO的存在、其侧别及受影响的子区域。我们在5折交叉验证消融研究中展示了重组作为增强策略的效果。我们提升了所有所研究架构在患者级LVO存在分类上的AUC。对于其中一种变体，所提方法将AUC从无水增强的0.73提升至0.89。最佳配置检测LVO的AUC为0.91，检测ICA中LVO的AUC为0.96，检测MCA中LVO的AUC为0.91，同时准确预测受影响侧别。
引用
@article{arxiv.2205.02848,
title = {Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection},
author = {Florian Thamm and Oliver Taubmann and Markus Jürgens and Aleksandra Thamm and Felix Denzinger and Leonhard Rist and Hendrik Ditt and Andreas Maier},
journal= {arXiv preprint arXiv:2205.02848},
year = {2022}
}
备注
PrePrint - Accepted at MICCAI 2022