基于从4D PC-MRI数据提取的形态与血流动力学参数的心脏队列分类
机器学习
2021-01-01 v2
摘要
对心血管系统的准确评估和心血管疾病（CVDs）的预测至关重要。测量的心脏血流数据提供了患者特异性血流动力学的见解，已开发许多专门技术用于此类数据集的视觉探索，以更好理解形态与血流动力学状况对CVDs的影响。然而，缺乏允许基于特征对心脏健康人群与CVDs患者进行分类的机器学习方法。本工作中，我们研究从主动脉测量的血流数据中提取的形态与血流动力学特征，用于心脏健康志愿者与二叶式主动脉瓣（BAV）患者的分类潜力。此外，我们探究是否存在区分男女性别以及较年长健康志愿者与BAV患者的特征。我们提出一个用于心脏状态分类的数据分析流程，涵盖特征选择、模型训练与超参数调优。实验中，我们使用多种特征选择方法与分类算法，为健康亚组与BAV患者分别训练模型。我们报告分类性能，并研究形态与血流动力学特征对所定义组分类的预测能力。最后，我们确定了最佳模型的关键特征。
引用
@article{arxiv.2010.05612,
title = {Cardiac Cohort Classification based on Morphologic and Hemodynamic Parameters extracted from 4D PC-MRI Data},
author = {Uli Niemann and Atrayee Neog and Benjamin Behrendt and Kai Lawonn and Matthias Gutberlet and Myra Spiliopoulou and Bernhard Preim and Monique Meuschke},
journal= {arXiv preprint arXiv:2010.05612},
year = {2021}
}
备注
29 pages, 7 figures