用于肺结节分类的常规 EHR 的纵向多模态Transformer集成成像和潜在临床特征-Toy模板网

这篇具有很好参考价值的文章主要介绍了用于肺结节分类的常规 EHR 的纵向多模态Transformer集成成像和潜在临床特征。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Longitudinal Multimodal Transformer Integrating Imaging and Latent Clinical Signatures from Routine EHRs for Pulmonary Nodule Classification

摘要

该研究提出了一种基于Transformer 的多模态策略，用于将重复成像与常规电子健康记录（EHRs）中的纵向临床特征整合，以进行孤立性肺结节（SPN）的分类。通过对潜在临床特征进行无监督解缠，并利用时间-距离缩放的自注意力机制，共同学习临床特征的表达和胸部计算机断层扫描（CT）。该分类器在一个公共数据集的2,668个扫描和1,149名具有纵向胸部CT、账单代码、药物和实验室检查的患者的EHRs上进行了预训练。对227名具有具有挑战性的SPN的患者进行评估，结果显示与纵向多模态基线相比，AUC显著提高（0.824 vs 0.752 AUC），并且在单个横截面多模态情景（0.809 AUC）和纵向仅成像情景（0.741 AUC）上也有所改善。这项研究证明了一种新颖方法，在利用Transformer 共同学习纵向成像和非成像表型方面具有显著优势。
代码地址

本文方法

用于肺结节分类的常规 EHR 的纵向多模态Transformer集成成像和潜在临床特征,# 无监督,分类,transformer,数据挖掘,深度学习,人工智能,论文阅读,计算机视觉
图1。左侧：非成像变量的事件流被转换为纵向曲线。ICA在一个大型的非成像队列上以无监督方式学习独立的潜在标志物S。
右侧：主体k对标志物的表达，Ek，在扫描日期进行采样。输入嵌入是由以下三部分组成的：
1）从标志物或成像中导出的标记嵌入，2）指示标记在序列中位置的固定位置嵌入，以及3）指示成像或非成像模态的可学习片段嵌入。扫描之间的时间间隔用于计算时间距离缩放的自注意力。这是一种灵活的方法，能够处理异步模态、不同序列长度上的不完整性和不规则的时间间隔。

通过概率独立性实现潜在临床特征

从电子健康记录队列中获取了医疗账单编码、药物和实验室检查的事件数据（长达22年）。删除了少于1000次事件的变量，并将医疗账单编码映射到SNOMED-CT本体后，得到了9195个唯一的变量。将每个变量转换为每天的纵向曲线，估算了每天的变量瞬时值。对连续变量使用了平滑插值，对事件数据使用了每个时间段的事件密度的连续估算。以前的研究使用了高斯过程推理来计算这两种类型的曲线。对于这项工作，我们为了提高计算效率而牺牲了近似值。为了将有限的记忆编码到曲线值中，每个曲线都使用了过去365天的滚动均匀平均值进行平滑处理。我们使用ICA模型来估算从EHR-肺部队列中观察到的曲线到独立的潜在源，即临床签名的线性分解。形式上，我们有数据集DEHR-肺部={Lk | k=1，…，n}，其中纵向曲线表示为Lk={li | i=1，…，9195}。我们以三年的分辨率随机采样li ∀i∈[1，9195]，并将所有主体的样本连接为xi ∈ Rm。对于DEHR-肺部，经验性地发现m为630037。我们做出了一个简化的假设，即xi是c个潜在来源s的线性混合，具有纵向表达水平e∈Rm。
用于肺结节分类的常规 EHR 的纵向多模态Transformer集成成像和潜在临床特征,# 无监督,分类,transformer,数据挖掘,深度学习,人工智能,论文阅读,计算机视觉

Longitudinal Multimodal Transformer （TDSig）

将多模态数据集DImage-EHR和DImage-EHR-SPN表示为临床表达Ek = {ek,1,…,ek,T}和图像Gk = {gk,1,…,gk,T}的序列，其中T是最大的序列长度。设定T = 3，并添加了一个固定的填充嵌入来表示序列中的缺失项目。对于序列中的每个项目，计算包含位置和段信息的嵌入。图像的标记嵌入是由一个预训练的SPN检测模型提出的五个连接的3D块的卷积嵌入。我们使用一个16层的ResNet来计算这个嵌入。同样，临床特征表达的标记嵌入是对与图像标记嵌入相同维度的线性变换。然后将嵌入序列通过一个多头变压器进行传递。除了结节检测模型外，所有的嵌入都与变压器一起进行联合优化。我们将这种方法称为TDSig。

时间-距离自注意力

使用时间重点模型（TEM）来强调最近观察结果的重要性，而不是旧的观察结果。此外，对于填充的嵌入，自注意力被屏蔽，能够适应不同主体之间的序列长度变化。形式上，如果主体k在相对获取的日期t1 …tT有一个长度为T的序列图像，我们构建一个相对时间矩阵R，其中条目Ri,j = |tT − ti|，其中ti是令牌ˆek,i和ˆgk,i的获取日期，或者如果它们是填充的嵌入，则为0。我们使用形式为的TEM将R中的相对时间映射到Rˆ中的[0,1]值：
用于肺结节分类的常规 EHR 的纵向多模态Transformer集成成像和潜在临床特征,# 无监督,分类,transformer,数据挖掘,深度学习,人工智能,论文阅读,计算机视觉

这是一个翻转的sigmoid函数，它随着相对时间从最近观察到现在单调递减。它的下降斜率和下降偏移由可学习的非负参数b和c控制。为每个注意力头实例化了一个单独的TEM，理由是单独的注意力头可以学习以不同的方式对时间进行条件判断。变压器编码器将查询、键和值矩阵计算为输入嵌入H = {Eˆ，Gˆ}的线性变换，其中p为注意力头索引。

用于肺结节分类的常规 EHR 的纵向多模态Transformer集成成像和潜在临床特征,# 无监督,分类,transformer,数据挖掘,深度学习,人工智能,论文阅读,计算机视觉

其中 M 是填充掩码，d 是查询和键矩阵的维度。查询键产品的 ReLU 门控允许 TEM 在无符号方向上调整注意力权重