Future Unruptured Intracranial Aneurysm Growth Prediction using Mesh Convolutional Neural Networks

要約

未破裂頭蓋内動脈瘤 (UIA) の成長は、破裂の予測因子です。
したがって、さらなる画像監視と治療計画のためには、初期ベースラインの飛行時間型 MRA (TOF-MRA) に基づいて UIA が成長する可能性があるかどうかを予測できることが重要です。
UIA のサイズと形状は、動脈瘤の成長および/または破裂の予測因子であることが知られています。
ベースライン TOF-MRA からの将来の UIA 成長予測にメッシュ畳み込みニューラル ネットワークを使用する可能性調査を行います。
151 の TOF-MRA が含まれ、169 の UIA があり、49 の UIA が成長として分類され、120 の UIA が安定として分類されました。
UIA は TOF-MRA から分割され、メッシュは自動的に生成されました。
UIAメッシュのみと、UIAと周囲の親血管を含む関心領域（ROI）メッシュの両方の入力を調査します。
成長または安定した状態を維持する UIA を予測する分類モデルを開発します。
このモデルは、メッシュ畳み込みニューラル ネットワークで構成され、サーフェス トポロジを表す形状インデックスと曲率の新しい入力エッジ機能が追加されています。
入力エッジの中点座標がモデルのパフォーマンスに影響を与えるかどうかが調査されました。
成長予測に最高の AUC (63.8%) を備えたモデルは、入力エッジの中間点座標機能を備えた UIA メッシュを使用していました (平均 F1 スコア = 62.3%、精度 = 66.9%、感度 = 57.3%、特異度 = 70.8%)。
有望な結果を持つメッシュ畳み込みニューラル ネットワークに基づく将来の UIA 成長予測モデルを提示します。

要約(オリジナル)

The growth of unruptured intracranial aneurysms (UIAs) is a predictor of rupture. Therefore, for further imaging surveillance and treatment planning, it is important to be able to predict if an UIA is likely to grow based on an initial baseline Time-of-Flight MRA (TOF-MRA). It is known that the size and shape of UIAs are predictors of aneurysm growth and/or rupture. We perform a feasibility study of using a mesh convolutional neural network for future UIA growth prediction from baseline TOF-MRAs. We include 151 TOF-MRAs, with 169 UIAs where 49 UIAs were classified as growing and 120 as stable, based on the clinical definition of growth (>1 mm increase in size in follow-up scan). UIAs were segmented from TOF-MRAs and meshes were automatically generated. We investigate the input of both UIA mesh only and region-of-interest (ROI) meshes including UIA and surrounding parent vessels. We develop a classification model to predict UIAs that will grow or remain stable. The model consisted of a mesh convolutional neural network including additional novel input edge features of shape index and curvedness which describe the surface topology. It was investigated if input edge mid-point co-ordinates influenced the model performance. The model with highest AUC (63.8%) for growth prediction was using UIA meshes with input edge mid-point co-ordinate features (average F1 score = 62.3%, accuracy = 66.9%, sensitivity = 57.3%, specificity = 70.8%). We present a future UIA growth prediction model based on a mesh convolutional neural network with promising results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google