学习阿尔茨海默病的不可逆进展轨迹
机器学习
2024-09-02 v2 图像与视频处理
摘要
阿尔茨海默病是一种在30年病程中逐渐发展的不可逆脑部疾病。因此，在早期阶段捕捉疾病进展至关重要，以便在症状发作前进行干预。机器学习（ML）模型已被证明在预测AD发作方面是有效的。然而，对于有随访的受试者，现有的AD分类技术仅以准确的组别分配为目标，通常忽略了随访中单调递增的风险。由此导致的各次随访间波动的风险评分违背了AD的不可逆性，损害了模型的可信度，且对理解疾病进展几乎没有价值。为了解决这个问题，我们提出了一种纵向预测AD的新型正则化方法。我们的技术旨在在保持表达力的同时，维持疾病进展过程中疾病风险增加的预期单调性。具体而言，我们引入了一个单调性约束，鼓励模型在随访中以一致且有序的方式预测疾病风险。我们使用来自阿尔茨海默病神经影像学计划（ADNI）的纵向结构MRI和淀粉样蛋白-PET成像数据来评估我们的方法。我们的模型在捕捉疾病风险的进展性方面优于现有技术，同时保持了预测准确性。
引用
@article{arxiv.2403.06087,
title = {Learning the irreversible progression trajectory of Alzheimer's disease},
author = {Yipei Wang and Bing He and Shannon Risacher and Andrew Saykin and Jingwen Yan and Xiaoqian Wang},
journal= {arXiv preprint arXiv:2403.06087},
year = {2024}
}
备注
accepted by ISBI 2024