用于灌注MRI建模的时空图神经网络
图像与视频处理
2024-06-11 v1 计算机视觉与模式识别
摘要
灌注磁共振成像（pMRI）为肿瘤血管生成提供了宝贵见解，并有望预测肿瘤基因型，从而有益于胶质瘤患者的预后，然而针对四维pMRI的有效模型仍然缺乏。本研究首次尝试使用基于图神经网络（GNN）的时空模型PerfGAT对四维pMRI进行建模，该模型整合了空间信息和时间动力学，以预测胶质瘤患者的异柠檬酸脱氢酶（IDH）突变状态。具体来说，我们提出了一种基于边注意力和负图的图结构学习方法，以优化时间相关性建模。此外，我们设计了一个双注意力特征融合模块，以整合时空特征，同时关注与肿瘤相关的脑区。进一步地，我们开发了一种针对时空数据的类别平衡增强方法，该方法可以缓解临床数据集中常见的标签不平衡问题。我们的实验结果表明，所提出的方法优于其他最先进的方法，有望有效建模pMRI以进行患者特征描述。
引用
@article{arxiv.2406.06434,
title = {Spatiotemporal Graph Neural Network Modelling Perfusion MRI},
author = {Ruodan Yan and Carola-Bibiane Schönlieb and Chao Li},
journal= {arXiv preprint arXiv:2406.06434},
year = {2024}
}
备注
11 pages, 2 figures