利用深度学习从低剂量胸部 CT 直接预测心血管死亡率
计算机视觉与模式识别
2018-10-05 v1
摘要
心血管疾病（CVD）是肺癌筛查人群的主要死因。肺癌筛查中进行的胸部 CT 扫描适用于识别有 CVD 风险的受试者。现有分析肺癌筛查 CT 图像以预测 CVD 事件或死亡率的方法，使用从图像中提取的工程特征结合患者信息。本工作中，我们提出了一种直接从胸部 CT 扫描自动预测 5 年心血管死亡率的方法，无需手工制作图像特征。研究纳入国家肺癌筛查试验的 1,583 名受试者（1,188 名存活者，395 名非存活者）。分析基线获取的低剂量胸部 CT 图像，随访时间为 5 年。为将分析限制在心脏区域，首先通过我们先前开发的利用卷积神经网络进行器官定位的算法定位心脏。随后，使用卷积自编码器对识别出的心脏区域进行编码。最后，基于提取的编码，使用支持向量机分类器将受试者分类为存活者或非存活者。该方法在八次交叉验证实验中评估，其中 1,433 张图像用于训练，50 张用于验证，100 张用于测试。该方法取得的 ROC 曲线下面积为 0.72。结果表明，无需手工制作特征、直接从低剂量筛查胸部 CT 扫描预测心血管死亡率是可行的，从而可识别有致命 CVD 事件风险的受试者。
引用
@article{arxiv.1810.02277,
title = {Direct Prediction of Cardiovascular Mortality from Low-dose Chest CT using Deep Learning},
author = {Sanne G. M. van Velzen and Majd Zreik and Nikolas Lessmann and Max A. Viergever and Pim A. de Jong and Helena M. Verkooijen and Ivana Išgum},
journal= {arXiv preprint arXiv:1810.02277},
year = {2018}
}
备注
This work has been submitted to SPIE 2019 conference