基于 MRI 和脑结构特征的多模态运动障碍分类的混合 CNN 与 ML 框架
计算机视觉与模式识别
2026-04-16 v1
摘要
异型帕金森综合征（APD），也称为帕金森-plus 综合征，是一类包括 progressively supranuclear palsy（PSP）和 multiple system atrophy（MSA）的神经退行性疾病群体。在早期，重叠的临床特征常导致其被误诊为帕金森病（PD）。识别早期差异诊断的可靠影像生物标志物仍是关键挑战。本研究提出一种混合框架，结合卷积神经网络（CNN）和机器学习（ML）技术，用于分类 APD 亚型与 PD，并区分亚型之间：PSP vs. PD、MSA vs. PD 以及 PSP vs. MSA。该模型利用多模态输入数据，包括 T1 加权磁共振成像（MRI）、12 个深脑结构相关区域的分割掩码及其对应的体积测量值。通过整合这些互补模态，包括图像数据、结构分割掩码和定量体积特征，混合方法实现了令人振奋的分类性能：PSP vs. PD 的 AUC 为 0.95，MSA vs. PD 的 AUC 为 0.86，PSP vs. MSA 的 AUC 为 0.92。这些结果凸显了结合空间和结构信息用于稳健亚型区分的潜力。总之，本研究表明，融合基于 CNN 的图像特征与基于体积的 ML 输入可提高 APD 亚型的分类准确度。该方法可能有助于更可靠的早期诊断，促进临床实践中的及时和针对性干预。
引用
@article{arxiv.2602.05574,
title = {A Hybrid CNN and ML Framework for Multi-modal Classification of Movement Disorders Using MRI and Brain Structural Features},
author = {Mengyu Li and Ingibjörg Kristjánsdóttir and Thilo van Eimeren and Kathrin Giehl and Lotta M. Ellingsen and the ASAP Neuroimaging Initiative},
journal= {arXiv preprint arXiv:2602.05574},
year = {2026}
}
备注
To be published in Proceedings of SPIE Medical Imaging 2026