基于拼接MRI上卷积网络预测卒中后语言恢复
计算机视觉与模式识别
2018-11-28 v1
摘要
三分之一的卒中幸存者存在语言障碍。新近证据表明，其恢复可能性主要取决于语言中枢的损伤程度。因此，先前预测卒中后语言恢复的研究集中于识别大脑的受损区域。本文中，我们引入一种新方法，仅利用原始MRI扫描的拼接二维截面，在深度卷积神经网络框架下预测卒中后语言恢复。我们的结果显示：a) 所提仅使用MRI扫描的模型与依赖病灶特定信息的模型性能相当；b) 我们模型学到的特征与病灶特定信息互补，二者结合似乎优于类似设定下先前报道的结果。我们进一步使用基于梯度的显著性图分析CNN模型，以理解大脑中负责这些预测的区域。我们的发现与先前的病灶研究一致。
引用
@article{arxiv.1811.10520,
title = {Predicting Language Recovery after Stroke with Convolutional Networks on Stitched MRI},
author = {Yusuf H. Roohani and Noor Sajid and Pranava Madhyastha and Cathy J. Price and Thomas M. H. Hope},
journal= {arXiv preprint arXiv:1811.10520},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216