Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces
Created by
Haebom
저자
Dieuwertje Alblas, Patryk Rygiel, Julian Suk, Kaj O. Kappe, Marieke Hofman, Christoph Brune, Kak Khee Yeung, Jelmer M. Wolterink
개요
본 논문은 복부 대동맥류(AAA)의 성장을 예측하기 위해 SE(3)-대칭 트랜스포머 모델을 제안합니다. 기존의 AAA 직경만을 고려하는 방법과 달리, 혈관 모델 표면의 국소적 다물리적 특징을 활용하여 3D AAA 형태의 복잡한 관계를 고려합니다. 24명의 환자 113개의 CTA 스캔 데이터를 사용하여 모델을 학습시킨 결과, 다음 스캔 시점의 AAA 성장을 평균 1.18mm의 오차로 예측하였고, 2년 내 수술 필요성을 0.93의 정확도로 예측하는 것을 보였습니다. 외부 검증 데이터셋을 이용한 검증 결과 또한 제시되었습니다. 이를 통해 혈관 표면의 국소적 방향성 AAA 성장 예측의 가능성을 보이고, 개인 맞춤형 감시 전략에 기여할 수 있음을 시사합니다.
시사점, 한계점
•
시사점:
◦
3D AAA 형태 정보를 활용하여 기존의 직경 기반 방법보다 정확한 AAA 성장 예측이 가능함을 보여줍니다.
◦
개인 맞춤형 AAA 감시 전략 수립에 기여할 수 있습니다.
◦
2년 이내 수술 필요성 예측에 높은 정확도를 달성했습니다.
◦
SE(3)-대칭 트랜스포머 모델을 AAA 성장 예측에 적용한 새로운 접근 방식을 제시합니다.
•
한계점:
◦
사용된 데이터셋의 크기가 상대적으로 작을 수 있습니다. (113개 CTA 스캔, 24명 환자)
