基于网格卷积神经网络的未破裂颅内动脉瘤未来生长预测
图像与视频处理
2022-08-26 v3 人工智能
计算机视觉与模式识别
摘要
未破裂颅内动脉瘤(UIAs)的生长是破裂的预测因子。因此，对于进一步的影像监测与治疗规划，基于初始基线 Time-of-Flight MRA (TOF-MRA) 预测 UIA 是否可能生长十分重要。已知 UIAs 的大小与形状是动脉瘤生长和/或破裂的预测因子。我们开展了一项可行性研究，使用网格卷积神经网络从基线 TOF-MRA 预测未来 UIA 生长。我们纳入 151 例 TOF-MRA，含 169 个 UIA，其中 49 个被分类为生长、120 个为稳定，基于生长的临床定义（随访扫描中尺寸增加 >1 mm）。UIAs 从 TOF-MRA 中分割并自动生成网格。我们考察了仅输入 UIA 网格以及包含 UIA 与周围载瘤血管的感兴趣区域(ROI)网格。我们开发了一个分类模型以预测 UIA 会生长或保持稳定。该模型由网格卷积神经网络组成，包含描述表面拓扑的形状指数与弯曲度的附加新颖输入边特征。我们探究了输入边中点坐标是否影响模型性能。生长预测 AUC 最高(63.8%)的模型使用带输入边中点坐标特征的 UIA 网格（平均 F1 分数 = 62.3%，准确率 = 66.9%，灵敏度 = 57.3%，特异度 = 70.8%）。我们提出了一种基于网格卷积神经网络、结果可观的未来 UIA 生长预测模型。
引用
@article{arxiv.2207.13518,
title = {Future Unruptured Intracranial Aneurysm Growth Prediction using Mesh Convolutional Neural Networks},
author = {Kimberley M. Timmins and Maarten J. Kamphuis and Iris N. Vos and Birgitta K. Velthuis and Irene C. van der Schaaf and Hugo J. Kuijf},
journal= {arXiv preprint arXiv:2207.13518},
year = {2022}
}
备注
Accepted for The Second Workshop on Topological Data Analysis for Biomedical Data, MICCAI 2022