基于时空脑变化独立高斯过程分析的阿尔茨海默病建模与分期
应用统计
2019-08-14 v1
摘要
阿尔茨海默病(AD)的特征是复杂且很大程度上未知的影响脑形态的进展动力学。尽管疾病演化跨越数十年，但迄今为止我们无法依赖长期数据来建模病理进展，因为大多数可用测量都处于短期尺度。因此，难以理解和量化在AD演化过程中影响脑区的时间进展模式。在这项工作中，我们通过提出一种基于时间和空间源上概率矩阵分解的生成模型来解决此问题。所提方法通过引入临床启发的统计先验来解决疾病进展建模问题。为促进时间上的平滑并建模合理的病理演化，时间源被定义为单调且独立的高斯过程(Gaussian Processes)。我们还为每个患者估计一个个体时间偏移参数，以自动将其定位在源的时间轴上。为编码脑子结构的空间连续性，空间源被建模为高斯随机场。我们在从脑结构图像中提取的灰质图上测试我们的算法。实验突出了映射AD病理关键脑区的差异时间进展模式，并揭示了与临床各阶段体积生物标志物下降相关的疾病特异性时间尺度。
引用
@article{arxiv.1808.06367,
title = {Alzheimer's Disease Modelling and Staging through Independent Gaussian Process Analysis of Spatio-Temporal Brain Changes},
author = {Clement Abi Nader and Nicholas Ayache and Philippe Robert and Marco Lorenzi},
journal= {arXiv preprint arXiv:1808.06367},
year = {2019}
}