生成性模型构建MRI衍生的神经影像特征及其18,000样本数据集
定量方法
2024-10-02 v2 机器学习
摘要
大型且多样化的医学数据集常受隐私和数据共享限制。为了成功应用于疾病诊断、预后及精准医学，机器学习技术需要大量数据用于模型构建与优化。在大脑MRI语境下，我们提出GenMIND：一套针对结构脑部影像中规范区域体积特征构建的生成性模型集合。GenMIND模型在iSTAGING联盟的真实脑部影像区域体积测量值上进行训练，该联盟覆盖13个研究，累计超过40,000例MRI扫描，纳入年龄、性别、种族等协变量。借助GenMIND，我们生成并提供18,000个横跨成年人生龄段（22-90岁）的合成样本，同时该模型具备生成无限数据的能力。实验结果表明，由GenMIND生成的样本与真实数据所得分布相吻合。更重要的是，生成的规范数据显著提升了在疾病分类等下游机器学习模型的准确率。数据与模型已提供于：https://huggingface.co/spaces/rongguangw/GenMIND。
引用
@article{arxiv.2407.12897,
title = {Generative models of MRI-derived neuroimaging features and associated dataset of 18,000 samples},
author = {Sai Spandana Chintapalli and Rongguang Wang and Zhijian Yang and Vasiliki Tassopoulou and Fanyang Yu and Vishnu Bashyam and Guray Erus and Pratik Chaudhari and Haochang Shou and Christos Davatzikos},
journal= {arXiv preprint arXiv:2407.12897},
year = {2024}
}