基于 MRI 和血液生物标志物的仿生肽 PET 图像的语言增强生成模型
计算机视觉与模式识别
2025-11-18 v2
摘要
背景：阿尔弗雷德病 (AD) 诊断严重依赖于淀粉样 β-正电子断层扫描 (Aβ-PET)，但其受限于高昂成本和可及性有限。本研究探讨了是否可以从血液生物标志物 (BBMs) 和 MRI 扫描预测 Aβ-PET 的空间模式。方法：我们收集了 Aβ-PET 图像、T1 加权 MRI 扫描和 BBMs 来自566名参与者。开发了由大型语言模型 (LLM) 驱动的语言增强生成模型，用于合成 PET 图像。合成图像被评估其图像质量、诊断一致性和临床适用性。发现：合成 PET 图像在结构细节 (SSIM = 0.920 ± 0.003) 和区域模式 (Pearson's r = 0.955 ± 0.007) 上与真实 PET 扫描高度相似。诊断结果显示，合成 PET 诊断与真实 PET 诊断高度一致 (准确率 = 0.80)。使用合成 PET，我们开发了一个完全自动的 AD 诊断管道集成 PET 合成和分类。合成 PET 模型 (AUC = 0.78) 在 T1 基 (AUC = 0.68) 和 BBM 基 (AUC = 0.73) 模型中表现更好，而将合成 PET 与 BBMs 结合进一步提高了性能 (AUC = 0.79)。消融分析支持 LLM 集成和提示工程的优势。解释：我们的语言增强生成模型合成逼真的 PET 图像，增强了 MRI 和 BBMs 在 Aβ 空间模式评估中的实用性，并改进了阿尔弗雷德病诊断工作流程。
引用
@article{arxiv.2511.02206,
title = {Language-Enhanced Generative Modeling for Amyloid PET Synthesis from MRI and Blood Biomarkers},
author = {Zhengjie Zhang and Xiaoxie Mao and Qihao Guo and Shaoting Zhang and Qi Huang and Mu Zhou and Fang Xie and Mianxin Liu},
journal= {arXiv preprint arXiv:2511.02206},
year = {2025}
}
备注
31 pages, 8 figures