用于皮层厚度轨迹预测的条件得分扩散模型
图像与视频处理
2024-03-12 v1 机器学习
定量方法
摘要
阿尔茨海默病是一种以个体间进展速率差异大为特征的神经退行性疾病，皮层厚度的变化与其进展密切相关。准确预测 CTh 轨迹可显著增强早期诊断与干预策略，从而提供及时照护。然而，这些研究必需的纵向数据常存在时间稀疏性与不完整性，给准确建模疾病进展带来了巨大挑战。现有方法存在局限性，主要聚焦于无缺失项的数据集，或要求对 CTh 进展做出预定义假设。为克服这些障碍，我们提出了一种条件得分扩散模型，专门设计用于在给定年龄、性别和初始诊断等基线信息的情况下生成 CTh 轨迹。我们的条件扩散模型在训练阶段利用所有可用数据，在推理阶段仅基于基线信息进行预测，无需了解 CTh 进展的先验历史。我们针对由认知正常、轻度认知障碍和 AD 受试者组成的亚组，比较了所提出的基于条件得分模型的 CTh 预测流程的预测准确性。Bland-Altman 分析表明，与 6 至 36 个月的真实 CTh 相比，我们基于扩散的预测模型具有近零偏差和较窄的 95% 置信区间。此外，由于我们的条件扩散模型具有随机生成特性，我们通过多次实现展示了患者特异性 CTh 预测的不确定性分析。
引用
@article{arxiv.2403.06940,
title = {Conditional Score-Based Diffusion Model for Cortical Thickness Trajectory Prediction},
author = {Qing Xiao and Siyeop Yoon and Hui Ren and Matthew Tivnan and Lichao Sun and Quanzheng Li and Tianming Liu and Yu Zhang and Xiang Li},
journal= {arXiv preprint arXiv:2403.06940},
year = {2024}
}