基于卷积导数运算的高效脑部成像分析用于阿尔茨海默病和痴呆检测
图像与视频处理
2024-11-25 v2 计算机视觉与模式识别
神经与进化计算
性能
摘要
阿尔茨海默病（AD）以逐渐的神经退化为特征，导致对人类大脑结构造成严重的结构性改变。及早检测这些变化对于及时介入疾病进程至关重要。源自体素基因突变（VBM）的空间正规化的雅可比图已在解释AD相关的体积改变方面发挥关键作用。然而，生成雅可比图的计算成本限制了其在临床中的应用。在本研究中，我们探索了替代方法，提出了索贝尔核角差（SKAD）作为一种计算效率更高的替代方案。SKAD是一种导数运算，为量化局部梯度的体积变化提供了优化方法。通过有效提取关键空间区域的梯度幅度变化，该导数运算捕捉区域体积变化。对SKAD在各种医疗数据集上的评估表明，其比雅可比图快6.3倍，同时仍保持可comparable的准确性。这使其成为神经影像学研究和临床实践中的一种高效且具竞争力的方法。
引用
@article{arxiv.2411.13490,
title = {Efficient Brain Imaging Analysis for Alzheimer's and Dementia Detection Using Convolution-Derivative Operations},
author = {Yasmine Mustafa and Mohamed Elmahallawy and Tie Luo},
journal= {arXiv preprint arXiv:2411.13490},
year = {2024}
}