颅内出血的体素场景图
计算机视觉与模式识别
2024-08-01 v1 人工智能
摘要
颅内出血（ICH）患者面临潜在的生命威胁，由于可能的临床并发症，以患者为中心的个体化治疗仍然具有挑战性。基于深度学习的方法可以高效分析常规获取的头部CT以支持临床决策。早期的大多数工作侧重于ICH的检测和分割，但并未对ICH与相邻脑结构之间的复杂关系进行建模。在这项工作中，我们设计了一种针对ICH的定制目标检测方法，并将其与基于分割的场景图生成（SGG）方法相结合，以学习临床脑场景的整体表示。据我们所知，这是SGG在3D体素图像上的首次应用。我们在两个头部CT数据集上评估了我们的方法，并证明我们的模型可以召回高达74%的临床相关关系。这项工作为3D体素数据的SGG奠定了基础。生成的场景图已经可以为临床医生提供见解，但作为紧凑且可解释的表示，它们对所有下游任务也具有价值。
引用
@article{arxiv.2407.21580,
title = {Voxel Scene Graph for Intracranial Hemorrhage},
author = {Antoine P. Sanner and Nils F. Grauhan and Marc A. Brockmann and Ahmed E. Othman and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2407.21580},
year = {2024}
}