TranSOP：基于Transformer的多模态分类用于卒中治疗结果预测
图像与视频处理
2024-12-09 v1 计算机视觉与模式识别
摘要
急性缺血性卒中由脑组织的血流中断引起，是全球致残与致死的主要原因。为缺血性卒中患者选择最优治疗是成功预后的关键一步，因为治疗效果高度依赖于治疗时间。我们提出一种基于Transformer的多模态网络（TranSOP），采用分类方法，利用入院时获取的临床元数据与影像信息，基于改良Rankin量表（mRS）预测卒中治疗的功能预后。其包含一个融合模块，以高效结合三维非增强计算机断层扫描（NCCT）特征与临床信息。在 MRCLEAN 数据集上使用单模态与多模态数据的对比实验中，我们取得了 0.85 的 SOTA AUC 分数。
引用
@article{arxiv.2301.10829,
title = {TranSOP: Transformer-based Multimodal Classification for Stroke Treatment Outcome Prediction},
author = {Zeynel A. Samak and Philip Clatworthy and Majid Mirmehdi},
journal= {arXiv preprint arXiv:2301.10829},
year = {2024}
}
备注
Accepted at IEEE ISBI 2023, 5 pages