基于空间信息感知肺纹理学习的肺肺气肿新亚型
计算机视觉与模式识别
2020-07-10 v1 机器学习
摘要
肺肺气肿与慢性阻塞性肺疾病(COPD)有大量重叠,传统上在尸检中被划分为三种先前确定的亚型。在CT上对非监督学习肺气肿亚型开辟了肺气肿亚型新定义之路,并消除了彻底人工标注的需要。然而,基于CT的肺气肿亚型仅限于基于纹理的模式,未考虑空间位置。在本工作中,我们引入一种标准化的肺部空间映射用于肺纹理位置的定量研究,并提出一种结合空间与纹理信息以发现代表新型肺气肿亚型的空间信息感知肺纹理模式(sLTPs)的新框架。利用来自MESA COPD和EMCAP研究的两个全肺CT扫描队列,我们首先表明我们的空间映射能够实现肺气肿空间位置的全人群研究。然后我们评估在MESA COPD上发现的sLTPs的特征,并表明它们可重复、能够编码标准肺气肿亚型,且与生理症状相关。
引用
@article{arxiv.2007.04978,
title = {Novel Subtypes of Pulmonary Emphysema Based on Spatially-Informed Lung Texture Learning},
author = {Jie Yang and Elsa D. Angelini and Pallavi P. Balte and Eric A. Hoffman and John H. M. Austin and Benjamin M. Smith and R. Graham Barr and Andrew F. Laine},
journal= {arXiv preprint arXiv:2007.04978},
year = {2020}
}