利用平行超平面预测脉络光学断层扫描中的疾病进展
计算机视觉与模式识别
2024-10-04 v2 人工智能
机器学习
摘要
从医学影像预测未来疾病进展风险具有挑战性,主要由于患者异质性以及潜在或细微的影像生物标志物。此外,深度学习(DL)方法在生存分析中对跨扫描仪器的图像域迁移较为敏感。我们针对预测来自视网膜光学断层扫描的晚期干涩性年龄相关性黄斑变性(dAMD)发病风险,所提出的 novel DL 方法能够同时预测当前扫描的风险评分(与转化时间成反比)以及在时间间隔 内的转化概率。该方法通过对偏置项进行参数化处理生成一族平行超平面。此外,我们开发基于无监督损失函数的 intra-subject 图像对,以确保风险评分随时间递增,并使未来转化预测与实际未来访视 scans 的 AMD 分期预测保持一致。此类损失函数使得在新采集的、使用不同扫描仪器的无标签数据集上对已训练模型进行数据高效微调。在两个使用不同扫描仪器的大型数据集上进行的广泛评估显示,Dataset-1 和 Dataset-2 分别在 6、12 和 24 个月的预测间隔上,分别达到了 0.82 和 0.83 的平均 AUROC。
引用
@article{arxiv.2409.20195,
title = {Forecasting Disease Progression with Parallel Hyperplanes in Longitudinal Retinal OCT},
author = {Arunava Chakravarty and Taha Emre and Dmitrii Lachinov and Antoine Rivail and Hendrik Scholl and Lars Fritsche and Sobha Sivaprasad and Daniel Rueckert and Andrew Lotery and Ursula Schmidt-Erfurth and Hrvoje Bogunović},
journal= {arXiv preprint arXiv:2409.20195},
year = {2024}
}
备注
accepted in MICCAI 2024