NeuroMorphix：一种用于癫痫复发预测的新型脑MRI不对称特异性特征构建方法
图像与视频处理
2024-04-17 v1 计算机视觉与模式识别
摘要
癫痫复发是初次无诱因癫痫发作后的重要问题；未经药物治疗，40-50%的病例在2年内复发。目前治疗决策依赖于不准确的癫痫复发风险预测因子，导致一些患者接受不必要甚至可能有害的治疗，而另一些患者则可能出现本可预防的癫痫发作。由于脑部病变与癫痫复发之间的联系，我们利用机器学习和临床3T脑MRI开发了一种复发预测工具。我们开发了NeuroMorphix，一种基于MRI脑解剖结构的特征构建方法。七个NeuroMorphix特征中的每一个都测量每个大脑半球对应区域之间的绝对或相对差异。使用FreeSurfer分割脑区并生成形态测量参数值（每个皮层区域8个，每个皮层下区域5个）。然后将这些参数映射到全脑NeuroMorphix特征，每个受试者共产生91个特征。为首次癫痫发作患者队列（n=169）生成特征，分为癫痫复发和非复发亚组。使用NeuroMorphix特征训练和测试最先进的分类算法以预测癫痫复发。使用顺序前向选择排名前5的特征的分类模型在预测癫痫复发方面表现出色，ROC曲线下面积为88-93%，准确率为83-89%，F1分数为83-90%。排名靠前的特征与已知与癫痫相关的结构改变一致。本研究强调了有针对性的数据驱动方法在辅助脑部疾病临床决策中的潜力。
引用
@article{arxiv.2404.10290,
title = {NeuroMorphix: A Novel Brain MRI Asymmetry-specific Feature Construction Approach For Seizure Recurrence Prediction},
author = {Soumen Ghosh and Viktor Vegh and Shahrzad Moinian and Hamed Moradi and Alice-Ann Sullivan and John Phamnguyen and David Reutens},
journal= {arXiv preprint arXiv:2404.10290},
year = {2024}
}
备注
This work has been submitted to the IEEE TMI for possible publication