マルチモーダルデータを用いたクロスドメイン脳卒中予後予測のための少数ショット対照学習

科学分野:

• 医用画像処理
• 機械学習
• 神経学

背景:

• 脳卒中の予後予測は、データの不均一性と不整合性により複雑です。
• 現在の方法は、マルチモーダル脳卒中データに対する頑健性と一般化性能に欠けています。

研究 の 目的:

• クロスドメイン脳卒中予後予測のための頑健な少数ショット学習フレームワークを開発すること。
• 予後予測を改善するために、脳MRI画像と構造化臨床記録を統合すること。

主な方法:

• モデルアグノスティックメタ学習（MAML）と2段階の対照戦略を組み合わせた少数ショット対照学習フレームワーク。
• タスク固有の特徴のための自己認識学習と一般化のためのドメイン学習の組み込み。
• 不整合な表形式データを処理するための不整合分離技術と、マルチモーダル入力のためのドメインエンコーダを利用しました。

主要な成果:

• 提案されたフレームワークは、SimCLRおよび従来の教師あり学習法と比較して優れた性能を示しました。
• クロスドメインデータセットを正常に統合し、既存のアプローチを上回りました。
• 共有知識とタスク固有知識を捉えることで、予測の頑健性が向上したことを示しました。

結論:

• マルチモーダル少数ショット学習は、特にサンプルサイズが小さい場合に、頑健な脳卒中予後予測のための有望なアプローチを提供します。
• このフレームワークは、脳卒中予後予測におけるデータの不均一性と不整合性の課題を効果的に解決します。
• 脳卒中ケアにおける臨床的意思決定の改善の可能性を強調します。