ADiag:基于图神经网络的阿尔茨海默病诊断
机器学习
2021-01-11 v1 计算机视觉与模式识别
图像与视频处理
摘要
阿尔茨海默病(AD)是分布最广的神经退行性疾病,影响全球超过5000万人。虽然其进展无法阻止,但早期且准确的诊断检测可大幅改善患者生活质量。目前,仅采用定性检测手段,即对一系列认知测试的表现进行评分。该方法的固有缺陷在于准确诊断的重担落在临床医生的能力上。像MRI扫描评估这样的定量方法由于大脑中视觉可观测变化的隐匿性,至多不够准确。鉴于现有AD诊断方法的这些弊端,我们开发了ADiag,一种通过基于皮层不同结构区域间厚度差异的大型图的GraphSAGE网络和稠密可微池化(DDP)分析来诊断AD的新型定量方法。ADiag的初步测试显示出83%的稳健准确率,大幅优于其他定性和定量诊断技术。
引用
@article{arxiv.2101.02870,
title = {ADiag: Graph Neural Network Based Diagnosis of Alzheimer's Disease},
author = {Vishnu Ram Sampathkumar},
journal= {arXiv preprint arXiv:2101.02870},
year = {2021}
}