Conformal coronary calcification volume estimation with conditional coverage via histogram clustering

要約

CTスキャンにおける冠動脈カルシウムの偶発的検出と定量化は、命を救う臨床介入の早期導入につながる可能性があります。
しかし、過剰報告は患者の健康に悪影響を及ぼし、医療システムに不必要に負担する可能性があります。
したがって、冠動脈カルシウムスコアを自動的に報告する場合は、慎重に考慮する必要があります。
クラスターベースの条件付きコンフォーマル予測フレームワークが提案されており、再訓練なしで訓練されたセグメンテーションネットワークからのキャリブレーションされたカバレッジを備えたスコア間隔を提供します。
提案された方法を調整し、3D UNETモデルの予測間隔（決定論的、McDropout、Deepアンサンブル）を調整するために使用され、従来の適合予測と比較してより良いトリアージメトリックで同様のカバレッジに達しました。
カルシウムスコアの意味のある予測間隔は、リスクカテゴリの予測の信頼に応じて患者をトリアージするのに役立ちます。

要約(オリジナル)

Incidental detection and quantification of coronary calcium in CT scans could lead to the early introduction of lifesaving clinical interventions. However, over-reporting could negatively affect patient wellbeing and unnecessarily burden the medical system. Therefore, careful considerations should be taken when automatically reporting coronary calcium scores. A cluster-based conditional conformal prediction framework is proposed to provide score intervals with calibrated coverage from trained segmentation networks without retraining. The proposed method was tuned and used to calibrate predictive intervals for 3D UNet models (deterministic, MCDropout and deep ensemble) reaching similar coverage with better triage metrics compared to conventional conformal prediction. Meaningful predictive intervals of calcium scores could help triage patients according to the confidence of their risk category prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google