用于心血管血流动力学评估的可解释多模态学习
计算机视觉与模式识别
2024-04-09 v1 人工智能
摘要
肺动脉楔压(PAWP)是检测心力衰竭的重要心血管血流动力学标志物。在临床实践中，右心导管检查被认为是评估心脏血流动力学的金标准，而通常需要非侵入性方法从大量人群中筛查高危患者。在本文中，我们提出了一种多模态学习流程来预测PAWP标志物。我们利用心脏磁共振成像(CMR)扫描(短轴和四腔心)和电子健康记录(EHR)的互补信息。我们使用基于张量的学习从CMR扫描中提取时空特征。我们提出了一种图注意力网络来选择重要的EHR特征进行预测，其中我们将受试者建模为图节点，并使用注意力机制将特征关系建模为图边。我们设计了四种特征融合策略：早期、中期、晚期和混合融合。通过线性分类器和线性融合策略，我们的流程是可解释的。我们在来自ASPIRE注册中心的2641名受试者的大型数据集上验证了我们的流程。与最先进方法的比较研究证实了我们流程的优越性。决策曲线分析进一步验证了我们的流程可用于筛查大量人群。代码可在https://github.com/prasunc/hemodynamics获取。
引用
@article{arxiv.2404.04718,
title = {Interpretable Multimodal Learning for Cardiovascular Hemodynamics Assessment},
author = {Prasun C Tripathi and Sina Tabakhi and Mohammod N I Suvon and Lawrence Schöb and Samer Alabed and Andrew J Swift and Shuo Zhou and Haiping Lu},
journal= {arXiv preprint arXiv:2404.04718},
year = {2024}
}