面向阿尔茨海默病亚型诊断的渐进式单模态至多模态分类框架
计算机视觉与模式识别
2024-07-29 v1
摘要
当前阿尔茨海默病（AD）临床诊断框架涉及多个诊断阶段获取的多种模态数据，各阶段使用和成本各不相同。以往的 AD 诊断研究主要关注如何直接融合多模态数据进行端到端的单阶段诊断，这在实际数据获取成本较高。此外，这些方法的大部分不考虑临床指南，无法提供准确的亚型诊断。本文通过探索多模态数据之间的相关性，提出一种新型的渐进式 AD 亚型诊断框架，旨在基于较易获取的单模态数据在早期低成本阶段提供诊断结果，而非依赖所有阶段的模态数据。具体而言，首先设计 1）用于更好处理初始阶段表格数据 collected 的文本 disentanglement 网络，以及 2）独立融合多模态特征的模态融合模块。其次，将早期低成本阶段获取的特征与后期高成本阶段获取的特征对齐，以在不实际获取后期模态数据的情况下提供准确诊断以降低成本。 Furthermore，我们遵循临床指南在每个阶段对齐特征以实现亚型诊断。最后，我们利用渐进式分类器逐步纳入额外获取的模态数据（如需），以在诊断成本和诊断性能之间取得平衡。我们在大规模多样化的公开数据集和家庭数据集（共8280例）上进行评估，性能优于当前最先进的方法。我们的代码将在接受后公开。
引用
@article{arxiv.2407.18466,
title = {A Progressive Single-Modality to Multi-Modality Classification Framework for Alzheimer's Disease Sub-type Diagnosis},
author = {Yuxiao Liu and Mianxin Liu and Yuanwang Zhang and Kaicong Sun and Dinggang Shen},
journal= {arXiv preprint arXiv:2407.18466},
year = {2024}
}