Как анализировать данные о выживаемости с помощью нескольких срезов КТ-изображений для каждого пациента? ⇐ Python

[Anonymous]

Я работаю с данными компьютерной томографии, чтобы провести анализ выживаемости. Для каждого пациента у меня есть несколько срезов КТ (несколько изображений) их сканирования. Я использовал PYRadiomics для извлечения таких особенностей, как текстура и форма, из каждого из этих фрагментов. Однако я не уверен, как использовать эти данные для анализа выживаемости, потому что:
У каждого пациента есть много срезов (например, 50 изображений с одного сканирования).
Для каждого Пациент, у меня есть данные о выживаемости (например, как долго он прожил после лечения или когда заболевание повторилось).
Проблема в следующем:
Для каждого пациента у меня есть несколько наборов признаков (по одному из каждого среза КТ) , но только одно время выживания и событие (например, время выживания или время до рецидива заболевания).
Пример:
Предположим, у меня есть пациент с 50 срезами КТ. Я извлекаю функции из всех 50 срезов, что дает мне 50 наборов функций. Но у меня есть только одно время выживания (например, пациент прожил 3 года) и один статус события (например, пациент скончался). Вопрос в том, как мне объединить эти несколько срезов в один результат, который я могу использовать для анализа выживаемости?
Должен ли я:
Усреднить характеристики из всех срезов?
Выбрать один срез (например, самый центральный срез)?
Использовать передовые методы (например, глубокое обучение или многоэкземплярное обучение), которые могут обрабатывать несколько срезов одновременно?
Мне нужен совет, как лучше всего обрабатывать несколько срезов для анализа выживания.

Подробнее здесь: https://stackoverflow.com/questions/790 ... ch-patient