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.

Comparing Baseline and Day-1 Diffusion MRI Using Multimodal Deep Embeddings for Stroke Outcome Prediction

Created by
  • Haebom
Category
Empty

저자

Sina Raeisadigh, Myles Joshua Toledo Tan, Henning Muller, Abderrahmane Hedjoudje

개요

급성 허혈성 뇌졸중(AIS) 환자의 3개월 후 기능적 예후 예측을 위해 기준(J0) 및 24시간(J1) 확산 자기공명영상(MRI)을 비교 연구했습니다. 74명의 AIS 환자를 대상으로 분석했으며, 3차원 ResNet-50 임베딩과 임상 변수를 융합하여 주성분 분석을 통해 차원을 축소하고, 선형 서포트 벡터 머신으로 분류했습니다. J1 기반 다중 모달 모델이 가장 높은 예측 성능(AUC = 0.923 +/- 0.085)을 보였으며, 병변 부피 특징을 추가하여 모델의 안정성과 해석 가능성을 향상시켰습니다.

시사점, 한계점

조기 치료 후 확산 MRI가 치료 전 영상보다 우수한 예후 예측 가치를 제공합니다.
MRI, 임상 데이터 및 병변 부피 특징의 조합은 AIS 환자의 3개월 후 기능적 예후를 예측하기 위한 강력하고 해석 가능한 프레임워크를 제공합니다.
연구 대상 환자 수가 제한적일 수 있습니다.
다양한 인종 및 지역 환자를 포함한 추가 연구가 필요합니다.
👍