规范扩散自编码器：应用于阿米氏侧索硬化
计算机视觉与模式识别
2024-07-22 v1
摘要
预测阿米氏侧索硬化（Amyotrophic Lateral Sclerosis, ALS）的生存情况是一项具有挑战性的任务。磁共振成像（MRI）数据为脑部健康状况的体内见解提供了可能，但由于该病的低发病率且导致数据稀缺，限制了预测模型的训练集规模。生存模型进一步受限于ALS相关神经退化的微妙且常常高度局部化的特征。规范模型作为解决方案，通过利用大规模健康队列提升统计功效。此外，扩散模型在捕捉图像内嵌语义方面表现出色，包括加速脑衰老的细微迹象，这可能有助于预测ALS的生存情况。本文通过引入规范扩散自编码器框架，将生成模型和规范模型的优势结合于一起。鉴于本文是首次将规范建模应用于扩散自编码器中，以及首次将规范建模应用于ALS，我们的方法在ALS预后预测中超越了生成和非生成规范建模基准，证明了在ALS生存预测以及更广泛的规范建模情境中实现了提高的预测准确性。
引用
@article{arxiv.2407.14191,
title = {Normative Diffusion Autoencoders: Application to Amyotrophic Lateral Sclerosis},
author = {Ayodeji Ijishakin and Adamos Hadjasavilou and Ahmed Abdulaal and Nina Montana-Brown and Florence Townend and Edoardo Spinelli and Massimo Fillipi and Federica Agosta and James Cole and Andrea Malaspina},
journal= {arXiv preprint arXiv:2407.14191},
year = {2024}
}