阿尔茨海默病的个体化多时段 MRI 轨迹预测
计算机视觉与模式识别
2024-08-06 v1 人工智能
摘要
通过磁共振成像（MRI）测量的神经退行性变被认为是诊断阿尔茨海默病（AD）的潜在生物标志物，但通常被认为不如淀粉样或tau 蛋白基于的标志物具有特异性。由于不同个体大脑解剖结构之间存在很大差异，我们假设利用 MRI 时间序列可帮助提高特异性，通过将每个患者视为其自身的基线。我们采用条件变分自编码器生成给定主体年龄、疾病状态及一项先前扫描的个体化 MRI 预测。利用阿尔茨海默病神经图像启动计划（ADNI）中的序列影像数据，我们训练一种新型架构构建潜在空间分布，以便从中抽样生成未来预测的变化解剖。这使我们能够对数据集之外的预测进行外推，预测 MRI 可达 10 年。我们对 ADNI 中held-out 集以及独立数据集（来自开放获取影像研究系列）进行评估。通过与几种替代方法进行比较，我们表明该模型生成的个体化图像分辨率更高。进一步地，如果个体已有后续 MRI，我们演示使用该模型计算疾病状态的似然比分类器。实际中，该模型可能帮助 AD 早期诊断，并为治疗效应估计提供反事实基线轨迹。此外，它生成可用于异常检测和分类等下游任务的合成数据集。
引用
@article{arxiv.2408.02018,
title = {Individualized multi-horizon MRI trajectory prediction for Alzheimer's Disease},
author = {Rosemary He and Gabriella Ang and Daniel Tward},
journal= {arXiv preprint arXiv:2408.02018},
year = {2024}
}
备注
MICCAI 2024 LDTM workshop