MINDSETS: 多组学与神经影像整合用于痴呆亚型分类与有效时序研究
图像与视频处理
2024-11-08 v1 计算机视觉与模式识别
机器学习
摘要
在认知障碍的复杂领域中，阿尔茨海默病（AD）和血管性痴呆（VaD）是最常见的两种痴呆类型，它们表现出相互交织的症状，却需要不同的治疗方法。有效治疗减缓神经退行性的关键在于早期、准确的诊断，因为这能显著帮助医生确定适当的行动方案。然而，当前的诊断实践常常延迟VaD的诊断，阻碍及时干预并对患者预后产生不利影响。本文提出了一种创新的多组学方法，用于准确区分AD与VaD，实现了89.25%的诊断准确率。所提出的方法对纵向MRI扫描进行分割并提取先进的放射组学特征。随后，它协同整合放射组学特征与临床、认知和遗传数据的集成，以提供最先进的诊断准确率，在大型公共数据集上树立了分类准确率的新基准。本文的主要贡献是提出了一种利用多组学数据提供痴呆亚型细致理解的全面的方法论。此外，本文提出了一个可解释模型以增强临床决策，并提出了一种用于评估治疗有效性的新型模型架构。这些进展为未来的工作奠定了基础，不仅旨在改善鉴别诊断，而且旨在减轻和预防痴呆的进展。
引用
@article{arxiv.2411.04155,
title = {MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study},
author = {Salma Hassan and Dawlat Akaila and Maryam Arjemandi and Vijay Papineni and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2411.04155},
year = {2024}
}