基于注意力引导自编码器的结构 MRI 主观认知衰退自动进展预测
计算机视觉与模式识别
2023-02-17 v2 图像与视频处理
摘要
主观认知衰退(SCD)是阿尔茨海默病(AD)的临床前阶段,甚至出现在轻度认知障碍(MCI)之前。进行性 SCD 会转化为 MCI,并有可能进一步演变为 AD。因此,利用神经影像技术(如结构 MRI)早期识别进行性 SCD 对于 AD 的早期干预具有重要临床价值。然而,现有的基于 MRI 的机器学习/深度学习方法通常受限于小样本量问题,这给相关神经影像分析带来了巨大挑战。我们在本文中旨在解决的核心问题是如何利用相关领域(如 AD/NC)来辅助 SCD 的进展预测。同时,我们关注哪些脑区与进行性 SCD 的识别更为密切相关。为此,我们提出了一种注意力引导自编码器模型以实现高效的跨域自适应,促进从 AD 到 SCD 的知识迁移。所提模型由四个关键组件构成:1)用于学习不同域共享子空间表示的特征编码模块,2)用于自动定位脑图谱中判别性脑区感兴趣区的注意力模块,3)用于重建原始输入的解码模块,4)用于脑疾病识别的分类模块。通过这四个模块的联合训练,可以学习到域不变特征。同时,脑疾病相关区域可由注意力机制高亮显示。在公开 ADNI 数据集和私有 CLAS 数据集上的大量实验证明了所提方法的有效性。所提模型在 CPU 上训练与测试仅需 5–10 秒,易于操作,适用于小数据集的医疗任务。
引用
@article{arxiv.2206.12480,
title = {Attention-Guided Autoencoder for Automated Progression Prediction of Subjective Cognitive Decline with Structural MRI},
author = {Hao Guan and Ling Yue and Pew-Thian Yap and Shifu Xiao and Andrea Bozoki and Mingxia Liu},
journal= {arXiv preprint arXiv:2206.12480},
year = {2023}
}
备注
10 pages, 12 figures