基于电子健康记录预测患者胸腔 X 光片图像的时间变化
图像与视频处理
2025-05-07 v2 人工智能
计算机视觉与模式识别
摘要
胸腔 X 光片 (CXR) 是医院广泛用于评估患者病情并监测随时间变化的重要诊断工具。最近，扩散模型特别是基于扩散的模型在生成逼真的合成 CXR 方面显示出前景。然而，这些模型主要关注使用单时间点数据进行条件生成，即以特定时间点的报告为条件生成 CXR。这限制了其临床实用性，尤其是难以捕捉时间变化。为克服这一限制，我们提出了一种新框架 EHRXDiff，通过整合以前的 CXR 与后续医疗事件（如处方、实验室检测等）来预测未来的 CXR 图像。我们的框架基于潜在扩散模型，条件于以前的 CXR 图像和医疗事件历史，动态跟踪和预测疾病进程。我们全面评估了框架在三个关键方面的性能，包括临床一致性、人口统计学一致性和视觉逼真性。结果表明，该框架生成的高质量、逼真的未来图像有效地捕捉了潜在的时间变化。这表明该框架可进一步发展用于支持临床决策，为患者监护和治疗计划提供有价值的见解。代码已公开于 https://github.com/dek924/EHRXDiff。
引用
@article{arxiv.2409.07012,
title = {Towards Predicting Temporal Changes in a Patient's Chest X-ray Images based on Electronic Health Records},
author = {Daeun Kyung and Junu Kim and Tackeun Kim and Edward Choi},
journal= {arXiv preprint arXiv:2409.07012},
year = {2025}
}
备注
Accepted at Proc. of Conference on Health, Inference, and Learning (CHIL) 2025 (10 pages for main text, 3 pages for references, 8 pages for supplementary materials)