Ischemic Stroke Lesion Prediction using imbalanced Temporal Deep Gaussian Process (iTDGP)

要約

急性虚血性脳卒中 (AIS) は、動脈の閉塞により脳への血液供給が突然中断されたときに、世界中で死亡および身体障害の主な原因の 1 つとなっています。
AIS の発症から数秒以内に、閉塞した動脈を取り囲む脳細胞が死滅し、病変が進行します。
既存の病変の自動化された正確な予測は、AIS 治療計画とさらなる損傷の防止に重要な役割を果たします。
コンピュータ断層撮影灌流 (CTP) 画像から抽出された 3D 測定マップをしきい値処理する現在の標準的な AIS 評価方法は、十分に正確ではありません。
この事実により、この記事では、ベースライン CTP 時系列を使用して AIS 病変の予測を改善できる確率モデルである不均衡な時間的深層ガウス過程 (iTDGP) を提案します。
提案されたモデルは、CTP 時系列から時間情報を効果的に抽出し、それを脳のボクセルのクラス ラベルにマッピングできます。
さらに、バッチ トレーニングとボクセル レベルの分析を使用することで、iTDGP は少数の患者から学習でき、不均衡なクラスに対して堅牢です。
さらに、私たちのモデルには、空間情報を使用して予測精度を向上させることができるポストプロセッサが組み込まれています。
ISLES 2018 とアルバータ大学病院 (UAH) のデータセットに関する当社の包括的な実験では、iTDGP が最先端の AIS 病変予測因子よりも優れたパフォーマンスを発揮し、71.42% と 65.37 の (相互検証) Dice スコアが得られることが示されています。
それぞれ有意な p < 0.05 の %。

要約(オリジナル)

As one of the leading causes of mortality and disability worldwide, Acute Ischemic Stroke (AIS) occurs when the blood supply to the brain is suddenly interrupted because of a blocked artery. Within seconds of AIS onset, the brain cells surrounding the blocked artery die, which leads to the progression of the lesion. The automated and precise prediction of the existing lesion plays a vital role in the AIS treatment planning and prevention of further injuries. The current standard AIS assessment method, which thresholds the 3D measurement maps extracted from Computed Tomography Perfusion (CTP) images, is not accurate enough. Due to this fact, in this article, we propose the imbalanced Temporal Deep Gaussian Process (iTDGP), a probabilistic model that can improve AIS lesions prediction by using baseline CTP time series. Our proposed model can effectively extract temporal information from the CTP time series and map it to the class labels of the brain’s voxels. In addition, by using batch training and voxel-level analysis iTDGP can learn from a few patients and it is robust against imbalanced classes. Moreover, our model incorporates a post-processor capable of improving prediction accuracy using spatial information. Our comprehensive experiments, on the ISLES 2018 and the University of Alberta Hospital (UAH) datasets, show that iTDGP performs better than state-of-the-art AIS lesion predictors, obtaining the (cross-validation) Dice score of 71.42% and 65.37% with a significant p<0.05, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google