GCS-ICHNet：基于自注意力与领域知识融合的脑出血预后评估
图像与视频处理
2023-11-09 v1 计算机视觉与模式识别
摘要
脑出血（ICH）是一种由脑血管破裂损伤引起的严重疾病，常导致并发症与死亡。因其高死亡率，及时准确的预后与处理至关重要。然而，传统方法严重依赖临床医生的主观经验，可能导致误诊与治疗延误。人工智能（AI）模型已被探索用于辅助临床医生，但许多先前研究侧重于模型修改而未考虑领域知识。本文提出一种新颖的深度学习算法 GCS-ICHNet，其融合多模态脑部 CT 图像数据与格拉斯哥昏迷评分（GCS）以改善 ICH 预后。该算法利用基于 transformer 的融合模块进行评估。GCS-ICHNet 展现出高灵敏度 81.03% 与特异度 91.59%，优于普通临床医生及其他 SOTA 方法。
引用
@article{arxiv.2311.04772,
title = {GCS-ICHNet: Assessment of Intracerebral Hemorrhage Prognosis using Self-Attention with Domain Knowledge Integration},
author = {Xuhao Shan and Xinyang Li and Ruiquan Ge and Shibin Wu and Ahmed Elazab and Jichao Zhu and Lingyan Zhang and Gangyong Jia and Qingying Xiao and Xiang Wan and Changmiao Wang},
journal= {arXiv preprint arXiv:2311.04772},
year = {2023}
}
备注
6 pages, 3 figures, 5 tables, published to BIBM 2023