表面ベースの拡散モデルによるTAU PET HARMONIZATION

Jiaxin Yue^1,2, Jianwei Zhang^1,2, Lujia Zhong^1,2

¹Stevens Neuroimaging and Informatics Institute, University of Southern California, Los Angeles, CA, USA.

Proceedings. IEEE International Symposium on Biomedical Imaging

|August 29, 2025

まとめ

多部位のタウ陽子放出トモグラフィ (PET) のデータを調和させることは,大規模なデータセットにとって極めて重要です. この研究は,異なるトレーサとサイトでタウ・ペット画像データを効果的に調和させるために,表面ベースのプリプロセッシングと拡散モデルを使用する新しい枠組みを導入しています.

科学分野:

神経イメージング
医学画像分析
バイオ統計学

背景:

アルツハイマー病の研究にはタウ陽子放出トモグラフィー (PET) が不可欠です.
トレーサー間の多部位タウPETデータにおける異質性は,データ統合と分析を妨げます.
複雑なトレーサー結合特性や人工物により,既存の調和方法が不十分である.

研究の目的:

多サイトのタウ・ペットデータを調和させるための体系的な枠組みを開発し,検証する.
トレーサーの異質性とTAU PETイメージングにおけるアーティファクトによって引き起こされる課題に対処する.
大規模で,複数の場所のタウ PET データセットのより堅固な利用を可能にします.

主な方法:

表面ベースのデータ前処理と拡散モデルを統合した新しい調和の枠組み.
標準化された吸収値比 (SUVR) を皮質表面にマッピングする.
アルツハイマー病神経イメージングイニシアチブ (ADNI) と健康と高齢化脳研究-健康格差 (HABS-HD) のデータを活用した.

主要な成果:

提案された方法は,複数のサイトとトレーサーからのタウ・ペットデータを順調に調和させました.
生成されたSUVRマップは,調和後の一貫したパターン分布を示した.
フレームワークは個々の変動性を保ちながら,データの比較性を確保しました.

結論:

開発された体系的な枠組みは,複数の場所のタウ・ペットデータを効果的に調和させる.
このアプローチは,トレーサー特有の結合パターンを考慮することによって,既存の方法の限界を克服します.
アルツハイマー病の研究を進めるために,多種多様なタウPETデータセットの信頼性の高い統合と分析を可能にします.

キーワード:

ハーモニゼーション拡散モデルタウ・PET

さらに関連する動画