OpenAPMax：基于异常模式的真实世界阿尔茨海默病诊断模型
机器学习
2023-07-04 v1 人工智能
摘要
阿尔茨海默病（AD）不可逆转，但早期诊断将显著惠及患者的医疗与照护。在近期工作中，AD诊断的主要假设是所有类别先验已知——一个闭集分类问题，这与开集识别问题相反。该假设阻碍了模型在自然临床环境中的应用。尽管其他领域已提出许多开集识别技术，但它们难以直接用于AD诊断，因为1）AD是一种神经系统退行性疾病，各阶段症状相似，难以与其前态区分；2）AD诊断的多样化策略难以统一建模。在本工作中，受临床医生诊断时关注的启发，我们提出了一个基于异常模式的开集识别模型OpenAPMax，以解决真实场景下的AD诊断。OpenAPMax首先通过统计或文献检索获得每位患者相对于每个已知类别的异常模式，对患者异常模式聚类，最后使用极值理论（EVT）建模每位患者异常模式与其类别中心的距离并修正分类概率。我们使用近期开集识别方法评估了所提方法的性能，取得了最先进（SOTA）结果。
引用
@article{arxiv.2307.00936,
title = {OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's Disease Diagnosis},
author = {Yunyou Huang and Xianglong Guan and Xiangjiang Lu and Xiaoshuang Liang and Xiuxia Miao and Jiyue Xie and Wenjing Liu and Li Ma and Suqin Tang and Zhifei Zhang and Jianfeng Zhan},
journal= {arXiv preprint arXiv:2307.00936},
year = {2023}
}
备注
Alzheimer's Disease, Abnormal Patterns, Open-set Recognition, OpenAPMax