利用从 CT 扫描中提取的基于深度学习特征预测 COVID-19 患者结局
图像与视频处理
2022-05-11 v1 计算机视觉与模式识别
摘要
COVID-19 大流行对日常生活造成了相当大的影响。通过向受影响者提供必要资源来应对该疾病至关重要。然而，鉴于决定资源需求的因素众多，所需资源的估算并非易事。可通过预测感染者需要重症监护病房（ICU）支持的概率以及影响该概率的各因素的重要性来解决此问题。此外，为协助医生确定高死亡风险患者，还计算了死亡概率。为确定两种患者结局（ICU 入院和死亡），提出了一种结合从计算机断层扫描（CT）和电子健康记录（EHR）数据中提取多模态特征的新方法。利用深度学习模型从 CT 扫描中提取定量特征。这些特征与直接从 EHR 数据库读取的特征一起输入机器学习模型，最终输出患者结局的概率。本工作展示了应用广泛深度学习方法进行胸部 CT 扫描通用量化以及将这些定量指标与患者结局关联的能力。所提方法的有效性通过在内部整理的数据集上测试得到证明，使用性能最优的分类器在 ICU 入院预测上达到 0.77 的平均受试者工作特征曲线下面积（AUC），在死亡预测上达到 0.73 的平均 AUC。
引用
@article{arxiv.2205.05009,
title = {Using Deep Learning-based Features Extracted from CT scans to Predict Outcomes in COVID-19 Patients},
author = {Sai Vidyaranya Nuthalapati and Marcela Vizcaychipi and Pallav Shah and Piotr Chudzik and Chee Hau Leow and Paria Yousefi and Ahmed Selim and Keiran Tait and Ben Irving},
journal= {arXiv preprint arXiv:2205.05009},
year = {2022}
}