基于GAN的多相邻脑MRI切片重建用于无监督阿尔茨海默病诊断
图像与视频处理
2020-03-18 v5 计算机视觉与模式识别
摘要
无监督学习可依赖健康受试者的大规模未标注医学图像来发现各种未见疾病。为此，无监督方法通过重建单张医学图像，在所学特征空间中或从高重建误差中检测离群点。然而，由于未考虑多个相邻切片之间的连续性，它们无法直接区分由细微解剖异常累积组成的疾病，如阿尔茨海默病（AD）。此外，尚无研究阐明无监督异常检测与疾病分期之间的关联。因此，我们提出一种两步法，利用基于生成对抗网络（GAN）的多相邻脑MRI切片重建来检测不同分期的AD：（重建）带梯度惩罚的Wasserstein损失 + L1损失——在3张健康切片上训练以重建随后3张——重建未见过的健康/AD病例；（诊断）每次扫描的平均/最大损失（如L2损失）通过比较重建/真实图像来区分它们。结果表明，我们可在极早期可靠检测AD，曲线下面积（AUC）达0.780，同时更准确地检测晚期AD，AUC达0.917；由于我们的方法完全无监督，它也应能发现并警示包括罕见病在内的任何异常。
引用
@article{arxiv.1906.06114,
title = {GAN-based Multiple Adjacent Brain MRI Slice Reconstruction for Unsupervised Alzheimer's Disease Diagnosis},
author = {Changhee Han and Leonardo Rundo and Kohei Murao and Zoltán Ádám Milacski and Kazuki Umemoto and Evis Sala and Hideki Nakayama and Shin'ichi Satoh},
journal= {arXiv preprint arXiv:1906.06114},
year = {2020}
}
备注
10 pages, 4 figures, Accepted to Lecture Notes in Bioinformatics (LNBI) as a volume in the Springer series