利用遗传与临床数据的解剖结构预测建模
计算机视觉与模式识别
2020-10-13 v1
摘要
我们提出了一种半参数生成模型，用于在单次基线图像之后预测患者后续扫描中的解剖结构。此类预测建模有望在体素级研究和纵向生物标志物评估中促进新颖的分析。我们通过群体范围回归与基于个体遗传和临床指标的非参数健康模型相结合来捕捉解剖变化。与经典相关性和纵向分析不同，我们侧重于从单次受试者观测预测新观测。我们在ADNI队列中演示了随访解剖扫描的预测，并阐明了一种将患者扫描与预测的受试者特异性健康解剖轨迹进行比较的新颖分析方法。代码可在 https://github.com/adalca/voxelorb 获取。
引用
@article{arxiv.2010.04757,
title = {Predictive Modeling of Anatomy with Genetic and Clinical Data},
author = {Adrian V. Dalca and Ramesh Sridharan and Mert R. Sabuncu and Polina Golland},
journal= {arXiv preprint arXiv:2010.04757},
year = {2020}
}
备注
MICCAI 2015. Keywords: Neuroimaging, Anatomical prediction, Synthesis, Simulation, Genetics, Generative model, Linear mixed effects, Kernel Machines