基于拟共形几何的侧位头颅侧位片局部形变分析用于儿童OSA分类
计算机视觉与模式识别
2020-06-23 v1 机器学习
机器学习
摘要
颅面轮廓是阻塞性睡眠呼吸暂停(OSA)的解剖学病因之一。医学研究表明，头影测量可提供患者骨骼结构与软组织的信息。本工作提出一种利用基于拟共形几何的局部形变信息进行头影测量分析以用于OSA分类的新方法。我们的研究基于60对病例对照的回顾性分析，这些对象具有可获取的侧位头影测量与多导睡眠图(PSG)数据。通过使用拟共形几何研究15个标志点周围的局部形变，并将结果与标志点间的三个线性距离相结合，每名受试者共获得1218个信息特征。构建了一个基于L2范数的分类模型。实验下，我们所提模型取得了92.5%的测试准确率。
引用
@article{arxiv.2006.11408,
title = {Quasi-conformal Geometry based Local Deformation Analysis of Lateral Cephalogram for Childhood OSA Classification},
author = {Hei-Long Chan and Hoi-Man Yuen and Chun-Ting Au and Kate Ching-Ching Chan and Albert Martin Li and Lok-Ming Lui},
journal= {arXiv preprint arXiv:2006.11408},
year = {2020}
}