基于图分类与放射组学特征识别结核性脑膜炎
计算机视觉与模式识别
2025-04-02 v1 人工智能
摘要
引言：结核性脑膜炎（TBM）是由结核分枝杆菌引起的严重脑部感染，特点为炎症侵袭覆盖脑部和脊髓的膜。诊断常需经典性腰穿术（LP）和脑脊液（CSF）分析。目标：本研究旨在使用T1加权（T1w）非对比磁共振成像（MRI）扫描对TBM患者进行分类。我们假设特定脑区（如桥旁囊肠、骨和角束）包含可非侵入性区分TBM患者与健康对照的视觉标记物。我们提出一种新型像素数组图分类器（PAG-Classifier），在图基框架中利用相邻3D像素之间的空间关系，通过特征值分解提取显著特征。这些特征随后用于训练机器学习分类器以实现有效的患者分类。我们采用放射组学方法进行验证，基于相关放射组学特征对TBM患者进行分类。结果：我们使用内部数据集，包含52例扫描，其中32例为确诊TBM患者（基于CSF中分离的结核菌检测），20例为健康个体。我们实现了以PAG-Classifier处理囊肠区域的5折交叉验证平均F1得分85.71%，以放射组学特征分类器处理的F1得分高达92.85%，分别超过当前最先进水平基准约15%和22%。然而，骨和角束区域表现不佳，平均F1得分低于50%。结论：本研究表明，类似PAG-Classifier的算法可作为非侵入性TBM分析的有效工具，尤其是针对桥旁囊肠。发现骨和角束区域缺乏特异性模式，难以实现区分。
引用
@article{arxiv.2504.00943,
title = {Graph Classification and Radiomics Signature for Identification of Tuberculous Meningitis},
author = {Snigdha Agarwal and Ganaraja V H and Neelam Sinha and Abhilasha Indoria and Netravathi M and Jitender Saini},
journal= {arXiv preprint arXiv:2504.00943},
year = {2025}
}
备注
19 pages, 6 figures, 3 tables