利用纤维束成像特征预测卒中患者的临床结局
图像与视频处理
2020-07-01 v3 机器学习
定量方法
机器学习
摘要
卒中病灶体积是预测卒中患者临床结局的金标准。然而,卒中病灶的存在可能导致其他脑区的神经中断,这些潜在受损区域可能影响卒中患者的临床结局。本文引入纤维束成像特征来捕捉这些潜在受损区域并预测改良Rankin量表(mRS),该量表是卒中临床试验中广泛使用的结局度量。纤维束成像特征由卒中病灶和一组正常受试者的平均连接组信息构建。该特征考虑了可能受卒中影响的不同功能区,从而补充了常用的卒中体积特征。所提纤维束成像特征在公开卒中基准Ischemic Stroke Lesion Segmentation 2017上测试,在预测卒中患者mRS分级上取得了比卒中体积和最优特征更高的准确率。此外,该纤维束成像特征也比常用的卒中体积特征产生了更低的平均绝对误差。
引用
@article{arxiv.1907.10419,
title = {Predicting Clinical Outcome of Stroke Patients with Tractographic Feature},
author = {Po-Yu Kao and Jefferson W. Chen and B. S. Manjunath},
journal= {arXiv preprint arXiv:1907.10419},
year = {2020}
}
备注
12 pages, 4 figures, 3 tables. Accepted by MICCAI-BrainLesion 2019 as an oral presentation