通过潜在扩散和先验知识提升时空疾病进展模型
计算机视觉与模式识别
2025-07-15 v1 人工智能
摘要
本文引入了Brain Latent Progression（BrLP），一种基于潜在扩散的新型时空疾病进展模型。BrLP旨在预测3D脑MRI中个体水平上的疾病演变。现有开发用于此任务的深度生成模型主要是数据驱动的，并面临学习疾病进展的挑战。BrLP通过整合疾病模型的先验知识来提高预测准确性。为此，我们提出将一个辅助模型集成以推断各种脑区的体积变化。此外，我们引入潜在平均稳定（LAS）技术，以提高预测进展的时空一致性。BrLP在由3个公开的、纵向阿尔茨海默病（AD）研究收集的11,730例T1加权脑MRI（来自2,805名受试者）上进行训练和评估。在我们的实验中，我们将BrLP生成的MRI扫描与受试者实际可获得的后续MRI扫描进行比较，分别在横断面和纵向setting下进行。BrLP在AD相关脑区的体积准确性提升了22%，与ground-truth扫描的图像相似性提升了43%。其在受试者水平上生成条件3D扫描的能力，以及整合先验知识以提高准确性的新颖性，代表了疾病进展建模的重大进展，为精准医学开辟了新的道路。BrLP的代码可在以下链接获取：https://github.com/LemuelPuglisi/BrLP。
引用
@article{arxiv.2405.03328,
title = {Enhancing Spatiotemporal Disease Progression Models via Latent Diffusion and Prior Knowledge},
author = {Lemuel Puglisi and Daniel C. Alexander and Daniele Ravì},
journal= {arXiv preprint arXiv:2405.03328},
year = {2025}
}