预测轻度认知障碍向阿尔茨海默病的转化

阿尔茨海默病（AD）是最常见的年龄相关性痴呆。轻度认知障碍（MCI）是AD之前认知衰退的早期阶段。由于患者的多样性，预测MCI向AD的转化以实现精准管理至关重要，但这仍具挑战。既往证据表明，由扩散MRI生成的脑网络有望利用深度学习对痴呆进行分类。然而，扩散MRI的有限可及性给模型训练带来挑战。在本研究中，我们开发了一种自监督对比学习方法，在扩散MRI引导下从常规结构MRI生成结构脑网络。所生成的脑网络被用于训练预测MCI-to-AD转化的学习框架。我们不直接建模AD脑网络，而是训练图编码器与变分自编码器，从健康对照的脑网络建模健康衰老轨迹。为预测MCI-to-AD转化，我们进一步设计基于循环神经网络的方法，建模患者脑网络相对健康衰老轨迹的纵向偏离。数值结果表明，所提方法在预测任务中优于基准方法。我们还可视化了模型解释，以说明预测并识别白质束的异常变化。