基于机器学习的高光谱图像分析用于自动化脓毒症诊断
图像与视频处理
2021-06-17 v1 计算机视觉与模式识别
机器学习
摘要
脓毒症是全球范围内导致死亡与危重症的主要病因。尽管目前仍缺乏用于早期诊断的可靠生物标志物，近期研究表明高光谱成像（HSI）有望通过监测微循环改变来克服这一瓶颈。然而，基于HSI数据的机器学习自动化脓毒症诊断迄今尚未被探索。鉴于文献中的这一空白，我们利用一个已有数据集来（1）探究基于HSI的脓毒症自动化诊断是否可行，以及（2）提出一系列与基于HSI的组织分类相关的可能混杂因素。尽管我们利用现有数据以超过的准确率对脓毒症进行了分类，我们的研究也揭示了若干与受试者、治疗和成像相关的混杂因素，若在各患者组间未加以平衡，可能导致算法性能被高估。我们得出结论：需要进一步的前瞻性研究，并针对这些混杂因素进行精心设计，以确认本研究中获得的初步结果。
引用
@article{arxiv.2106.08445,
title = {Machine learning-based analysis of hyperspectral images for automated sepsis diagnosis},
author = {Maximilian Dietrich and Silvia Seidlitz and Nicholas Schreck and Manuel Wiesenfarth and Patrick Godau and Minu Tizabi and Jan Sellner and Sebastian Marx and Samuel Knödler and Michael M. Allers and Leonardo Ayala and Karsten Schmidt and Thorsten Brenner and Alexander Studier-Fischer and Felix Nickel and Beat P. Müller-Stich and Annette Kopp-Schneider and Markus A. Weigand and Lena Maier-Hein},
journal= {arXiv preprint arXiv:2106.08445},
year = {2021}
}
备注
Maximilian Dietrich and Silvia Seidlitz contributed equally. Markus A. Weigand and Lena Maier-Hein contributed equally