Belangrijkste concepten
本論文では、心臓MRI画像と電子カルテデータを組み合わせた多様モーダル学習パイプラインを提案し、肺動脈楔入圧(PAWP)の予測を行った。提案手法は解釈可能な線形融合戦略を採用し、大規模データセットでの優れた性能を示した。
Samenvatting
本論文では、心臓血行動態の重要な指標であるPAWPの予測を目的とした解釈可能な多様モーダル学習パイプラインを提案した。
まず、心臓MRI画像の前処理として、ランドマーク検出と画像整列を行った。次に、品質の高い訓練サンプルを選択するために、ランドマークの不確実性スコアに基づいたフィルタリングを行った。
心臓MRI画像からは、テンソルベースの特徴量抽出手法MPCAを用いて時空間特徴を抽出した。電子カルテデータからは、グラフ注意ネットワークを用いて重要な特徴量を選択した。
これらの特徴量を、早期融合、中間融合、遅延融合、ハイブリッド融合の4つの戦略で組み合わせ、線形SVMを用いて予測を行った。提案手法は解釈可能な構造を持ち、大規模データセットでの評価実験で優れた性能を示した。
Statistieken
心臓MRI画像の空間解像度は128×128、64×64、32×32の3種類を使用した。
電子カルテデータから15の重要な特徴量を選択した。