Detección de anomalías no supervisada en imágenes médicas mediante difusión normativa agregada | JoVE Visualize

Área de la Ciencia:

Análisis de Imágenes Médicas
Inteligencia Artificial en la Atención Médica
Investigación en Neurociencia

Sus antecedentes:

La detección temprana de anomalías en la resonancia magnética (RM) cerebral es crucial para el diagnóstico y tratamiento médico.
El aprendizaje automático supervisado para la detección de anomalías está limitado por la necesidad de datos etiquetados extensos para patologías específicas.
La detección de anomalías no supervisada (UAD) ofrece un enfoque prometedor para identificar una gama más amplia de anomalías al detectar desviaciones de los patrones normales.

Objetivo del estudio:

Abordar las limitaciones de los métodos UAD existentes en la generalización a diversas anomalías en datos de resonancia magnética cerebral multimodal.
Introducir y evaluar un novedoso método UAD denominado Difusión Normativa Agregada (ANDi).

Principales métodos:

ANDi agrega diferencias entre los pasos de eliminación de ruido predichos y las transiciones inversas de referencia dentro de los Modelos Probabilísticos de Difusión de Eliminación de Ruido (DDPM).
Los DDPM utilizados en ANDi se entrenan con ruido gaussiano piramidal.
El método propuesto se validó frente a cuatro líneas de base recientes de UAD en tres conjuntos de datos diversos de resonancia magnética cerebral.

Principales resultados:

ANDi demuestra mejoras sustanciales sobre las líneas de base de UAD existentes en la detección de anomalías en resonancias magnéticas cerebrales.
El método exhibe una mayor robustez a varios tipos de anomalías.
Específicamente, ANDi logró hasta un 44% de mejora en el Área Bajo la Curva de Precisión-Recall (AUPRC) para la detección de lesiones de esclerosis múltiple (EM).

Conclusiones:

La Difusión Normativa Agregada (ANDi) representa un avance significativo en la detección de anomalías no supervisada para resonancia magnética cerebral multimodal.
El método desarrollado ofrece una mayor precisión y robustez, lo que es particularmente beneficioso para identificar afecciones neurológicas como la EM.
ANDi tiene el potencial de mejorar la detección y el diagnóstico tempranos de una gama más amplia de anomalías cerebrales.