Detection of Emerging Infectious Diseases in Lung CT based on Spatial Anomaly Patterns

要約

新興疾患を迅速に検出することは、その蔓延を阻止し、患者を効果的に治療するために重要です。
局所的な異常も関係しますが、多くの場合、新しい病気には、新しい空間分布におけるよく知られた病気のパターンが関係しています。
したがって、確立されたローカル異常検出アプローチでは、それらを新しいものとして識別できない可能性があります。
ここでは、病変の空間分布の異なるパターンを示す新しい疾患表現型の出現を検出するための新しいアプローチを紹介します。
まず肺 CT データの異常を特定し、その後、継続的に取得された新規患者コホートにおける異常の分布を、過去の長い期間にわたって観察された過去の患者集団と比較します。
私たちは、一連の患者から収集された蓄積された証拠が新たな病気の発症をどのように検出できるかを評価します。
3 次元畳み込みニューラル ネットワークの中間層から派生したグラム行列ベースの表現では、新しく出現したクラスターは新たな疾患を示します。

要約(オリジナル)

Fast detection of emerging diseases is important for containing their spread and treating patients effectively. Local anomalies are relevant, but often novel diseases involve familiar disease patterns in new spatial distributions. Therefore, established local anomaly detection approaches may fail to identify them as new. Here, we present a novel approach to detect the emergence of new disease phenotypes exhibiting distinct patterns of the spatial distribution of lesions. We first identify anomalies in lung CT data, and then compare their distribution in a continually acquired new patient cohorts with historic patient population observed over a long prior period. We evaluate how accumulated evidence collected in the stream of patients is able to detect the onset of an emerging disease. In a gram-matrix based representation derived from the intermediate layers of a three-dimensional convolutional neural network, newly emerging clusters indicate emerging diseases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google