ResGSNet:アルツハイマー病の早期発見と治療のためのグローバルスコアメカニズムによる地方の注目を強化

科学分野:

• 人工知能
• 神経イメージング
• 医療診断

背景:

• トランスフォーマーモデルは 医療用イメージングでは有効ですが MRIのような3Dデータには 計算が要ります
• トランスフォーマーにおける大規模な自己注意メカニズムは,重要なリソースを必要とし,複雑な分析での応用を制限します.

研究 の 目的:

• 3D MRIデータを分析するための計算効率の良いアーキテクチャを開発する.
• アルツハイマー病 (AD) と軽度の認知障害 (MCI) の検出の精度を向上させる.
• 診断能力を向上させるため,ローカルとグローバルの両方の特徴抽出を組み込む.

主な方法:

• 提案された残留グローバルスコアリングネットワーク (ResGSNet) は,ResNetと新しいグローバルスコアリングモジュール (GSM) を統合します.
• GSMは地域の情報交換のためにローカルな注意を活用し,コンピューティングの負荷と機能のキャプチャのバランスをとってグローバルスコアを割り当てます.
• 関連する脳の領域のモデル解釈と識別のためにGrad-CAM++と注意マップを使用した.

主要な成果:

• ResGSNetはADNIデータセットでADの予測で95. 1%,MCIの予測で93. 4%の精度を達成しました.
• 既存の最先端の方法と比較して優れた性能と計算効率を証明した.
• ADとMCIに関連した既知のおよび新しい脳領域を特定し,プタメン,小脳皮質,尾状核を含む.

結論:

• ResGSNetは,MRIを使用してADとMCIの検出のための計算効率の高い正確なソリューションを提供します.
• モデルによる解釈のツールは 病気のメカニズムを洞察し,さらなる研究を導くことができます.
• このモデルを用いたMCIの早期発見は,ADのリスクのある個人に適切な介入を容易にする.