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.

Graph Classification and Radiomics Signature for Identification of Tuberculous Meningitis

Created by
  • Haebom

저자

Snigdha Agarwal, Ganaraja V H, Neelam Sinha, Abhilasha Indoria, Netravathi M, Jitender Saini

개요

결핵성 수막염(TBM) 환자를 비침습적으로 진단하기 위해 T1w MRI 스캔을 이용한 새로운 분류기를 제안하는 연구입니다. 특히, 뇌의 특정 영역 (중간뇌수조)의 공간적 관계를 활용하여 특징을 추출하는 Pixel-array Graphs Classifier (PAG-Classifier)와 radiomics 기반 분류기를 개발하여 TBM 환자와 건강한 대조군을 구분했습니다. 52개의 스캔(TBM 환자 32명, 건강한 대조군 20명)을 사용하여 5-fold cross-validation을 수행한 결과, PAG-Classifier는 중간뇌수조 영역에서 85.71%의 F1 score를, radiomics 기반 분류기는 92.85%의 F1 score를 달성하여 기존 최고 성능을 상회했습니다. 하지만 뼈와 뇌량 영역은 분류 성능이 저조했습니다.

시사점, 한계점

•
시사점:
◦
T1w MRI 스캔을 이용한 비침습적 TBM 진단의 가능성을 제시합니다.
◦
PAG-Classifier와 radiomics 기반 분류기가 TBM 진단에 효과적임을 보여줍니다. 특히 중간뇌수조 영역 분석이 유용함을 시사합니다.
◦
기존 방법보다 향상된 진단 정확도를 달성했습니다.
•
한계점:
◦
상대적으로 작은 규모의 데이터셋(52개 스캔)을 사용했습니다.
◦
뼈와 뇌량 영역은 TBM 진단에 유용한 정보를 제공하지 못했습니다.
◦
다양한 인종 및 연령대의 환자를 포함하지 않아 일반화 가능성에 제한이 있습니다.
◦
외부 데이터셋을 이용한 검증이 부족합니다.
👍
Made with Slashpage