基于张量的多模态学习：从心脏MRI预测肺动脉楔压
机器学习
2024-04-09 v2 计算机视觉与模式识别
定量方法
摘要
心力衰竭是一种严重且危及生命的疾病，可导致左心室压力升高。肺动脉楔压（PAWP）是提示左心室高压的重要替代标志物。PAWP通过右心导管插入术（RHC）测定，但这是一种有创操作。非侵入性方法有助于从大规模人群中快速识别高危患者。本工作中，我们开发了一个基于张量学习的流程，用于从多模态心脏磁共振成像（MRI）中识别PAWP。该流程从高维扫描中提取空间与时间特征。为进行质量控制，我们引入了基于认知不确定性的分箱策略以识别低质量训练样本。为提升性能，我们通过整合多模态数据特征来学习互补信息：含短轴和四腔视角的心脏MRI，以及电子健康记录。在接受了RHC手术以估计PAWP的名受试者大型队列上的实验分析表明，所提流程具有诊断价值，并能产生有前景的性能，较临床实践中的基线显著提升（即AUC、Accuracy、MCC）。决策曲线分析进一步证实了本方法的临床效用。
引用
@article{arxiv.2303.07540,
title = {Tensor-based Multimodal Learning for Prediction of Pulmonary Arterial Wedge Pressure from Cardiac MRI},
author = {Prasun C. Tripathi and Mohammod N. I. Suvon and Lawrence Schobs and Shuo Zhou and Samer Alabed and Andrew J. Swift and Haiping Lu},
journal= {arXiv preprint arXiv:2303.07540},
year = {2024}
}