仅靠 PET 就够了吗？基于 3D CNN 的阿尔茨海默病多模态研究
图像与视频处理
2022-07-06 v1 计算机视觉与模式识别
摘要
阿尔茨海默病（AD）是最常见的痴呆形式，且常因痴呆的多因素病因而难以诊断。近期基于神经影像的深度神经网络（DNN）计算机辅助诊断工作表明，在健康对照与 AD 受试者的研究群体中，融合结构磁共振图像（sMRI）与氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）可提高准确率。然而，该结果与已确立的临床认知——即 FDG-PET 比 sMRI 更能捕获 AD 特异性病理——相冲突。因此，我们提出一个系统评估多模态 DNN 的框架，并基于 FDG-PET 与 sMRI 对二分类（健康 vs. AD）和三分类（健康/轻度认知障碍/AD） critically 重新评估单模态与多模态 DNN。我们的实验表明，使用 FDG-PET 的单模态网络表现优于 MRI（准确率 0.91 vs 0.87），且融合后未见提升。这符合已确立的 AD 生物标志物临床认知，但对多模态 DNN 的真正益处提出质疑。我们认为，未来多模态融合工作应遵循我们提出的评估框架，系统评估各模态的贡献。最后，我们鼓励学界超越健康 vs. AD 分类，关注痴呆的鉴别诊断，其中融合多模态图像信息符合临床需求。
引用
@article{arxiv.2207.02094,
title = {Is a PET all you need? A multi-modal study for Alzheimer's disease using 3D CNNs},
author = {Marla Narazani and Ignacio Sarasua and Sebastian Pölsterl and Aldana Lizarraga and Igor Yakushev and Christian Wachinger},
journal= {arXiv preprint arXiv:2207.02094},
year = {2022}
}