衡量痴呆与葡萄糖代谢图谱关系的可解释框架
机器学习
2026-03-24 v2 神经元与认知
摘要
高维神经影像数据因其复杂的非线性关系而给评估神经退行性疾病带来挑战。变分自编码器（VAE）可以将扫描数据编码到捕获疾病相关特征的低维潜空间中。我们提出了一个半监督式VAE框架，引入灵活的相似度正则化项，将选定的潜变量与认知或生物标志物 Measures of dementia 进展进行对齐。这使得可以根据特定目标或可用数据调整相似度度量和监督变量。我们使用来自阿尔茨海默病病情神经影像数据集（ADNI）的PET扫描演示了该方法，引导第一个潜变量与认知评分对齐。通过该监督潜变量，我们生成了在认知障碍水平上的平均重构。体素级GLM分析揭示了关键区域（主要是海马）以及主要静息状态网络（特别是默认模式网络和中央执行网络）的代谢减少。剩余的潜变量编码仿射变换和强度变化，捕获如主体可变性和站点效应等混杂因素。我们的框架有效地提取了与既定阿尔茨海默病生物标志物相匹配的疾病相关模式，提供了一个可解释且可适应的工具，用于研究神经退行性疾病的进展。
引用
@article{arxiv.2601.20480,
title = {An explainable framework for the relationship between dementia and glucose metabolism patterns},
author = {C. Vázquez-García and F. J. Martínez-Murcia and F. Segovia Román and A. Forte and J. Ramírez and I. Illán and A. Hernández-Segura and C. Jiménez-Mesa and Juan M. Górriz},
journal= {arXiv preprint arXiv:2601.20480},
year = {2026}
}