Machine learning in the prediction of cardiac epicardial and mediastinal fat volumes

要約

回帰アルゴリズムを使用して、コンピューター断層撮影画像の心外膜と縦隔の脂肪量を予測する方法を提案します。
得られた結果は、これらの脂肪を高度な相関関係で予測することが可能であることを示しており、両方の脂肪量の手動または自動セグメンテーションの要件を軽減しています。
代わりに、そのうちの 1 つだけをセグメント化するだけで十分ですが、もう 1 つのボリュームはかなり正確に予測できます。
心外膜脂肪に基づいて縦隔脂肪を予測するために MLP Regressor を使用した Rotation Forest アルゴリズムによって得られた相関係数は 0.9876 であり、相対絶対誤差は 14.4%、ルート相対二乗誤差は 15.7% でした。
縦隔に基づく心外膜脂肪の予測で得られた最良の相関係数は 0.9683 で、相対絶対誤差は 19.6%、相対二乗誤差は 24.9% でした。
さらに、基礎となる近似の直感的な解釈を提供する線形リグレッサーを使用することの実現可能性を分析しました。
この場合、心外膜に基づいて縦隔脂肪を予測するために得られた相関係数は 0.9534 であり、相対絶対誤差 31.6%、ルート相対二乗誤差 30.1% でした。
縦隔脂肪に基づく心外膜脂肪の予測では、相関係数は 0.8531 で、相対絶対誤差は 50.43%、ルート相対二乗誤差は 52.06% でした。
要約すると、この予測アプローチを使用することで、現在最先端で採用されている一般的な医療分析といくつかのセグメンテーションおよび定量化方法を高速化することができます。
健康問題の減少。

要約(オリジナル)

We propose a methodology to predict the cardiac epicardial and mediastinal fat volumes in computed tomography images using regression algorithms. The obtained results indicate that it is feasible to predict these fats with a high degree of correlation, thus alleviating the requirement for manual or automatic segmentation of both fat volumes. Instead, segmenting just one of them suffices, while the volume of the other may be predicted fairly precisely. The correlation coefficient obtained by the Rotation Forest algorithm using MLP Regressor for predicting the mediastinal fat based on the epicardial fat was 0.9876, with a relative absolute error of 14.4% and a root relative squared error of 15.7%. The best correlation coefficient obtained in the prediction of the epicardial fat based on the mediastinal was 0.9683 with a relative absolute error of 19.6% and a relative squared error of 24.9%. Moreover, we analysed the feasibility of using linear regressors, which provide an intuitive interpretation of the underlying approximations. In this case, the obtained correlation coefficient was 0.9534 for predicting the mediastinal fat based on the epicardial, with a relative absolute error of 31.6% and a root relative squared error of 30.1%. On the prediction of the epicardial fat based on the mediastinal fat, the correlation coefficient was 0.8531, with a relative absolute error of 50.43% and a root relative squared error of 52.06%. In summary, it is possible to speed up general medical analyses and some segmentation and quantification methods that are currently employed in the state-of-the-art by using this prediction approach, which consequently reduces costs and therefore enables preventive treatments that may lead to a reduction of health problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google