跳到主要内容
返回时间线
arXiv来源发表:

常染色体显性多囊肾病基因型分类改用点云:E3PN单卡训练快163倍,F1仍只到0.226

核心概要

从三维腹部MRI推断常染色体显性多囊肾病(ADPKD)的基因型,此前缺少公开基准,且全腹体素数据难以在单卡上训练。E3PN把每侧肾脏表示为按高斯混合密度采样的点云,再用主成分坐标规范化消除朝向差异,在441例患者上以10折交叉验证取得F1 0.226,高于3D ResNet的0.165和e3nn的0.163。但三种方法都停留在0.20的随机水平附近,作者据此把E3PN定位为高效可复现的基线,而非可临床部署的分类器。

Source-provided article image: Efficient Genotype Classification from 3D MRI in ADPKD via Density-Aware Point Sampling and E(3)-invariance
arXiv

深度剖析

E3PN把ADPKD基因型分类的输入从整幅体素网格换成肾脏点云,使全腹三维MRI能在单张GPU上训练。 此前没有针对三维MRI五类ADPKD基因型分类的公开基准,已有ADPKD影像工作多集中在分割、总体积估计或手工特征上。 在441例患者、10折交叉验证下,E3PN的F1为0.226,3D ResNet为0.165,e3nn为0.163,而按类别先验随机猜测的期望宏F1为0.20。

每张图像只保留肾脏区域中非零强度的体素,再按左右肾两个高斯成分的密度比例抽取固定数量的点。 稠密体素网格必须存储大量零强度背景,而裁剪到肾脏包围盒对严重增大的PKD1截短型肾脏几乎不减少体积。 训练与评估每例采样1024个点,消融显示去掉密度采样后F1降到0.217,去掉坐标规范化后降到0.196。

坐标规范化把点集旋转、平移和反射到由协方差矩阵特征向量确定的标准坐标系,使分类器无需学习朝向。 等变网络e3nn在每层做张量积以保持E(3)等变,计算代价随特征阶数增长。 在相同1024点输入下,E3PN每轮训练0.2秒、占用0.307GB显存,e3nn为10.7秒和0.952GB,3D ResNet为32.7秒和31.784GB。

启示与展望

结果来自匹兹堡大学收集的441例ADPKD患者MRI,经分割掩膜提取肾脏区域,采用10折交叉验证,标签为PKD1截短、PKD1非截短、PKD2截短、PKD2非截短和无检出突变五类。效率对比在单张NVIDIA RTX 6000工作站上完成,点云模型统一每例采样1024个点。作者提出,未来需要更大队列或将影像与临床协变量融合。

作者明确指出,这些结果不能作为MRI可替代基因检测的证据,只量化了纯几何模型在441例队列上能提取多少基因型信号。F1的提升集中在区分PKD1截短与非截短两个多数类,PKD2两类与无检出突变很少被正确预测;两个PKD2类在一个测试折中合计仅7例。作者还说明,主成分符号消歧的多数规则在点分布关于主轴完全对称时可能失效。