[논문 리뷰] Towards Automatic Prediction of Outcome in Treatment of Cerebral Aneurysms

Ashutosh P. Jadhav, Satyananda Kashyap외 7명|arXiv (Cornell University)|2022. 11. 18.

Intracranial Aneurysms: Treatment and Complications인용 수 6

한 줄 요약

이 연구는 2D 및 3D 혈관 조영 영상 분할에서 유도된 임상 및 영상 특징을 사용하여 넓은 목 부 bifurcationaneurysm의 치료 결과를 예측하는 기계학습 모델을 개발한다. 이 모델은 내강유동 방해 장치를 사용한 혈관내 배치 후 완전 폐쇄 대 비완전 폐쇄를 분류하는 데 75.31%의 정확도와 가중 평균 F1 스코어 0.74를 달성한다.

ABSTRACT

Intrasaccular flow disruptors treat cerebral aneurysms by diverting the blood flow from the aneurysm sac. Residual flow into the sac after the intervention is a failure that could be due to the use of an undersized device, or to vascular anatomy and clinical condition of the patient. We report a machine learning model based on over 100 clinical and imaging features that predict the outcome of wide-neck bifurcation aneurysm treatment with an intravascular embolization device. We combine clinical features with a diverse set of common and novel imaging measurements within a random forest model. We also develop neural network segmentation algorithms in 2D and 3D to contour the sac in angiographic images and automatically calculate the imaging features. These deliver 90% overlap with manual contouring in 2D and 83% in 3D. Our predictive model classifies complete vs. partial occlusion outcomes with an accuracy of 75.31%, and weighted F1-score of 0.74.

연구 동기 및 목표

• 내강유동 방해 장치를 사용한 뇌 동맥류 치료 결과의 예측을 향상시키기 위해.
• 치료 후 동맥류 방울로 잔류하는 혈류가 치료 실패의 주요 원인이 되므로 이를 해결하기 위해.
• 다양한 임상 및 영상 특징을 통합하여 보다 우수한 의사결정 지원을 위한 통합 예측 모델을 구축하기 위해.
• 2D 및 3D에서의 딥러닝 기반 분할을 통해 영상 특징의 자동 추출을 수행하기 위해.
• 혈관내 치료 후 완전 폐쇄 대 비완전 폐쇄 결과를 구분하는 데 모델 성능을 평가하기 위해.

제안 방법

• 환자 데이터에서 혈역학적 및 해부학적 지표를 포함한 100개 이상의 임상 및 영상 특징을 수집하였다.
• 회전 조영 영상에서 동맥류 방울의 자동 분할을 위한 2D 및 3D 컨volution 신경망(CNN) 모델을 개발하였다.
• 2D에서 수작업 분할과 90%의 Dice 일치율, 3D에서는 83%의 일치율을 달성하여 분할 정확도를 검증하였다.
• 임상 및 영상 특징을 조합하여 결과 예측을 위한 랜덤 포레스트 분류기로 통합하였다.
• 모델 성능 평가 지표로 가중 평균 F1 스코어와 정확도를 사용하였다.
• 넓은 목 부 분열 동맥류를 혈관내 기구로 치료한 데이터셋을 기반으로 모델을 훈련 및 검증하였다.

실험 결과

연구 질문

• RQ1 넓은 목 부 분열 동맥류의 혈관내 치료 후 완전 폐쇄 대 비완전 폐쇄 결과를 정확하게 예측할 수 있는 기계학습 모델이 존재하는가?
• RQ2 혈관 영상에서의 자동 2D 및 3D 동맥류 방울 분할이 수작업 윤곽선과 얼마나 유사한가?
• RQ3 임상 및 영상 특징의 어떤 조합이 치료 결과 예측 성능을 가장 높이는가?
• RQ4 기존 임상 요소 외에 신규 영상 측정치가 결과 예측에 얼마나 기여하는가?
• RQ5 딥러닝 기반 분할이 동맥류 분석의 특징 추출 과정에서 인터-평가자 변동성과 노동력을 줄일 수 있는가?

주요 결과

• 기계학습 모델은 완전 폐쇄 대 비완전 폐쇄 결과 예측에서 75.31%의 분류 정확도를 달성하였다.
• 모델은 가중 평균 F1 스코어 0.74를 기록하여 클래스 간 정밀도와 재현율의 균형이 잘 잡혀 있음을 보여주었다.
• 3D 분할 모델은 수작업 분할과 83%의 Dice 일치율을 기록하여 높은 해부학적 정밀도를 확인하였다.
• 2D 분할 모델은 수작업 윤곽선과 90%의 Dice 일치율을 달성하여 2D 평면 분석에서 뛰어난 성능을 보였다.
• 임상 요소와 새로운 영상 특징을 통합함으로써 임상 요소만을 사용할 경우보다 예측 능력이 크게 향상되었다.
• 결과는 딥러닝 기반 자동 영상 특징 추출이 동맥류 치료 계획 수립 시 임상 의사결정 지원에 기여할 수 있음을 시사한다.