Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

XSRD-Net: EXplainable Stroke Relapse Detection

작성자
  • Haebom

저자

Christian Gapp, Elias Tappeiner, Martin Welk, Karl Fritscher, Stephanie Mangesius, Constantin Eisenschink, Philipp Deisl, Michael Knoflach, Astrid E. Grams, Elke R. Gizewski, Rainer Schubert

개요

본 논문은 뇌졸중 재발 위험을 조기에 감지하여 적절한 치료 계획을 수립하기 위해 3D 두개내 CTA 영상 데이터와 심장 질환, 나이, 성별 정보를 활용한 딥러닝 기반 예측 모델을 제시합니다. 2010년부터 2024년까지의 뇌졸중 환자 데이터를 기반으로, 재발 여부를 이진 분류(Task 1)하고 재발 없는 생존 시간(RFS)을 예측 및 분류(Task 2)하는 단일 및 다중 모달 딥러닝 신경망을 학습했습니다. Task 1에서는 표 데이터만으로도 높은 AUC(0.84)를 달성했으며, 주요 과제인 Task 2(회귀)에서는 다중 모달 XSRD-net이 영상 및 표 데이터를 0.68:0.32 비율로 활용하여 c-index 0.68, AUC 0.71을 달성했습니다. 해석 가능성 분석 결과 심장 질환(표 데이터)과 경동맥(영상 데이터) 사이의 연관성을 재발 감지 및 RFS 시간 예측에 중요한 요소로 제시하였으며, 추가 데이터 수집 및 모델 재훈련을 통해 이를 강화할 계획입니다.

시사점, 한계점

시사점:
뇌졸중 재발 위험 예측을 위한 다중 모달 딥러닝 모델의 효용성을 제시.
심장 질환 및 경동맥 상태가 뇌졸중 재발과 밀접하게 관련됨을 시사.
조기 진단 및 적절한 치료 계획 수립을 위한 기반 마련.
한계점:
다중 모달 모델의 성능(c-index 0.68, AUC 0.71)이 아직 완벽하지 않음.
더 많은 데이터 수집 및 모델 재훈련을 통해 성능 향상 필요.
모델의 해석 가능성 분석 결과가 아직 초기 단계이며, 추가적인 연구가 필요.
👍