肺气道几何作为自闭症的早期预测因子:一项基于机器学习的初步研究
机器学习
2023-02-13 v3 图像与视频处理
组织与器官
摘要
本研究的目的是评估气道几何作为自闭症谱系障碍(ASD)生物标志物的可行性。我们回顾性地确定了有文献记载 ASD 诊断的儿童以及健康对照者的胸部 CT 图像。共获得 54 例扫描用于分析,包括 31 例 ASD 病例和 23 例年龄与性别匹配的对照者。使用主成分分析(PCA)和支持向量机(SVM)的特征选择与分类流程,利用由 8 个气道分支角组成的特征集实现了近 89% 的峰值交叉验证准确率。灵敏度为 94%,但特异度仅为 78%。结果表明,ASD 儿童与对照人群的气道分支点角度存在可测量的差异。正在 Scientific Reports 审稿中。
引用
@article{arxiv.2301.05777,
title = {Lung airway geometry as an early predictor of autism: A preliminary machine learning-based study},
author = {Asef Islam and Anthony Ronco and Stephen M. Becker and Jeremiah Blackburn and Johannes C. Schittny and Kyoungmi Kim and Rebecca Stein-Wexler and Anthony S. Wexler},
journal= {arXiv preprint arXiv:2301.05777},
year = {2023}
}