成像数据中的伪域可改善多中心研究中未来疾病状态的预测
图像与视频处理
2021-11-16 v1 计算机视觉与模式识别
机器学习
摘要
在多中心随机临床试验中，由于采集技术或扫描协议的不同，成像数据可能存在多样性。这种数据异质性会损害预测患者未来结局的模型。在此，我们提出一种能够应对大量不同扫描站点且每站点样本量较少的预测方法。我们基于扫描的视觉外观将站点聚类为伪域，并训练伪域特定的模型。结果表明，在肝病初始访视和12周随访获取的成像数据上，这些模型将48周后脂肪变性的预测准确率得到了提升。
引用
@article{arxiv.2111.07634,
title = {Pseudo-domains in imaging data improve prediction of future disease status in multi-center studies},
author = {Matthias Perkonigg and Peter Mesenbrink and Alexander Goehler and Miljen Martic and Ahmed Ba-Ssalamah and Georg Langs},
journal= {arXiv preprint arXiv:2111.07634},
year = {2021}
}
备注
Accepted at Medical Imaging Meets NeurIPS 2021