Embracing Uncertainty Flexibility: Harnessing a Supervised Tree Kernel to Empower Ensemble Modelling for 2D Echocardiography-Based Prediction of Right Ventricular Volume

要約

右心室（RV）機能の低下は、さまざまな状況で臨床転帰を強く予測します。
広く利用可能な二次元心エコー検査 (2DE) からの表形式データを使用して RV 体積を定量化するアンサンブル回帰法の臨床展開を促進するために、体積予測を不確実性スコアで補完することを提案します。
この目的を達成するために、学習したツリー構造を使用してターゲット インスタンスに最も近いトレーニング サンプルを特定し、次に多数の分布タイプを使用して出力をより柔軟にモデル化するインスタンス ベースの方法を採用します。
提案されたフレームワークの確率的および点予測のパフォーマンスは、100 の拡張末期および収縮末期の RV ボリュームで構成される比較的小規模なデータセットで評価されます。
ポイント性能の基準値は MRI から取得されました。
この結果は、当社の柔軟なアプローチにより、他の最先端の方法よりも確率的およびポイントのパフォーマンスが向上することを示しています。
提案されたフレームワークの適切性を、事例を示すことで示します。
推定された不確実性は、偶然性と認識性の両方のタイプを具体化します。
この取り組みは、意思決定プロセスを強化し、リスクを軽減するために使用できるため、信頼できる人工知能と連携します。
私たちのフレームワークの機能重要度スコアを利用して、必要な 2DE ビューの数を減らすことができ、提案されたパイプラインの臨床応用を強化できる可能性があります。

要約(オリジナル)

The right ventricular (RV) function deterioration strongly predicts clinical outcomes in numerous circumstances. To boost the clinical deployment of ensemble regression methods that quantify RV volumes using tabular data from the widely available two-dimensional echocardiography (2DE), we propose to complement the volume predictions with uncertainty scores. To this end, we employ an instance-based method which uses the learned tree structure to identify the nearest training samples to a target instance and then uses a number of distribution types to more flexibly model the output. The probabilistic and point-prediction performances of the proposed framework are evaluated on a relatively small-scale dataset, comprising 100 end-diastolic and end-systolic RV volumes. The reference values for point performance were obtained from MRI. The results demonstrate that our flexible approach yields improved probabilistic and point performances over other state-of-the-art methods. The appropriateness of the proposed framework is showcased by providing exemplar cases. The estimated uncertainty embodies both aleatoric and epistemic types. This work aligns with trustworthy artificial intelligence since it can be used to enhance the decision-making process and reduce risks. The feature importance scores of our framework can be exploited to reduce the number of required 2DE views which could enhance the proposed pipeline’s clinical application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google