ヘテロMRI:マルチスキャナーMRIデータにおける堅固な白質異常分類

科学分野:

• 神経イメージング
• 人工知能
• 医療診断

背景:

• 磁気共鳴画像 (MRI) は脳白質の異常を分析するのに不可欠です.
• 機械学習の統合はMRI診断を強化しますが 異質なマルチスキャナーデータと闘っています 特に珍しい疾患ではです
• スキャナーとプロトコルに 依存しない方法を開発することは,臨床MRI分析において極めて重要です.

研究 の 目的:

• ヘテロMRIを導入します これは白質異常の脳MRIを分類するための深層学習方法です
• MRIデータの異質性が分類性能に与える影響を軽減する.
• 白質の異常を診断する能力を向上させる.

主な方法:

• ホワイトマター組織の強度クラスタリングを用いた深層学習技術であるヘテロMRIを開発した.
• 40のMRIプロトコルを含む11の公開データセットからMRIを分類するためにヘテロMRIを適用しました.
• 性能と汎用性を評価するために200のMRIでバイナリ分類器を訓練した.

主要な成果:

• ヘテロMRIは白質異常を平均93%±4%の精度で分類した.
• この方法は,まれな病気をシミュレートする限られたデータシナリオで堅実性を示しました.
• 訓練データをそれぞれ 64% と 75% 減少させると,精度は 4% と 12% 減少した.

結論:

• ヘテロMRIは,異質性に対する事前処理なしに白質異常に対する異質性MRIデータの分類を可能にします.
• この方法はMRIスキャナーと取得プロトコルから高い独立性を示しています.
• ヘテロMRIは,未知のMRIプロトコルに強い汎用性を示し,臨床応用のための新しい道を開いています.