利用深度学习通过3D结构脑MRI检测精神分裂症
图像与视频处理
2022-07-08 v2 计算机视觉与模式识别
定量方法
摘要
精神分裂症是一种慢性神经精神障碍,会在脑内引起明显的结构改变。我们假设,将深度学习应用于结构神经影像数据集可检测与疾病相关的改变并提升分类与诊断准确率。我们使用单张广泛可用且常规的T1加权MRI扫描检验了该假设,并从中以标准后处理方法提取了3D全脑结构。随后,我们在三个带有精神分裂症患者T1加权MRI扫描的开放数据集上开发、优化并评估了一个深度学习模型。我们提出的模型优于同样以3D CNN架构用结构MR图像训练的基准模型。我们的模型能够在未见过的结构MRI扫描上几乎完美(ROC曲线下面积=0.987)地区分精神分裂症患者与健康对照。区域分析将皮下区域与脑室定位为最具预测性的脑区。皮下结构在人类认知、情感与社会功能中起着关键作用,这些区域的结构异常已被认为与精神分裂症相关。我们的发现证实了精神分裂症与皮下脑结构的广泛改变有关,且皮下结构信息在诊断分类中提供了显著特征。总之,这些结果进一步展示了深度学习从单张标准T1加权脑MRI改善精神分裂症诊断并识别其结构神经影像特征的潜力。
引用
@article{arxiv.2206.12980,
title = {Detecting Schizophrenia with 3D Structural Brain MRI Using Deep Learning},
author = {Junhao Zhang and Vishwanatha M. Rao and Ye Tian and Yanting Yang and Nicolas Acosta and Zihan Wan and Pin-Yu Lee and Chloe Zhang and Lawrence S. Kegeles and Scott A. Small and Jia Guo},
journal= {arXiv preprint arXiv:2206.12980},
year = {2022}
}
备注
13 pages, 6 figures