CRESTomics：用于CREST-2试验中脂粒样动脉粥样硬化斑块的新型加性分类模型
机器学习
2026-03-05 v1 人工智能
计算机视觉与模式识别
摘要
准确表征脂粒样动脉粥样硬化斑块对于预防动脉狭窄患者的中风至关重要。我们分析了来自 CREST-2 多中心临床试验的 500 个斑块，识别与高风险相关的 B 超声图像的放射组学特征。我们提出一种新的基于核的加性模型，将一致性损失与组稀疏正则化结合，用于非线性分类。通过部分依赖图可视化每个特征组的组内加性效应。结果表明，我们的方法准确且可解释地评估了斑块，揭示了斑块纹理与临床风险之间的强关联。
引用
@article{arxiv.2603.04309,
title = {CRESTomics: Analyzing Carotid Plaques in the CREST-2 Trial with a New Additive Classification Model},
author = {Pranav Kulkarni and Brajesh K. Lal and Georges Jreij and Sai Vallamchetla and Langford Green and Jenifer Voeks and John Huston and Lloyd Edwards and George Howard and Bradley A. Maron and Thomas G. Brott and James F. Meschia and Florence X. Doo and Heng Huang},
journal= {arXiv preprint arXiv:2603.04309},
year = {2026}
}
备注
4 pages, 3 figures, 1 table, accepted to ISBI 2026