基于卷积循环神经网络在高分辨率颈部听诊中的上食管括约肌开放分割
图像与视频处理
2020-10-12 v1 机器学习
信号处理
摘要
上食管括约肌是吞咽过程的重要解剖标志, 通常通过运动学分析的放射检查来观察, 但该方法易受主观性与临床可行性问题的困扰。作为食管的门户, 上食管括约肌使食入物从吞咽的咽部阶段转入食管阶段, 其开放时长缩短可导致渗透/误吸和/或咽部残留。因此, 在本研究中我们考虑一种基于非侵入式高分辨率颈部听诊的筛查工具, 以近似人类对上食管括约肌开放与闭合的评分。我们从 116 名患者收集吞咽数据, 并训练深度神经网络生成界定上食管括约肌开放时长的掩码。即便在独立临床试验的吞咽数据上测试, 所提方法相较人类评分仍取得了超过 90\% 的准确率以及相近的灵敏度与特异度。此外, 预测的开放与闭合时刻出人意料地落在与其人类评分对应时刻可比较的 inter-human 误差范围内, 这展示了高分辨率颈部听诊在替代基于电离辐射的吞咽运动学评估中的临床意义。
引用
@article{arxiv.2010.04541,
title = {Upper Esophageal Sphincter Opening Segmentation with Convolutional Recurrent Neural Networks in High Resolution Cervical Auscultation},
author = {Yassin Khalifa and Cara Donohue and James L. Coyle and Ervin Sejdić},
journal= {arXiv preprint arXiv:2010.04541},
year = {2020}
}