アルツハイマー病における amigdala-hippocampus MRI イメージのためのインテリジェントセグメンテーションおよび分類モデルに関する予備的な研究

科学分野:

• 神経画像と人工知能
• 医療診断
• 脳の解剖学

背景:

• アルツハイマー病 (AD) は早期発見と介入において大きな課題となっています.
• アミグダラ・ヒッポカンプスのような脳の構造の 正確なセグメンテーションと分類は ADの診断に不可欠です
• 既存の方法では 初期段階でのADの検出に 必要な精度が欠けています

研究 の 目的:

• アミグダラ・ヒポカンプス複合体の分割と分類のためのディープラーニングモデルを開発し,検証する.
• 神経画像を用いてアルツハイマー病の早期発見と診断を強化する.
• 大規模なマルチセンターデータセットでモデルのパフォーマンスを評価する.

主な方法:

• 分割のためのU2-Netと分類のためのDenseNet-121を組み込んだディープラーニングフレームワークが開発されました.
• マニュアルとモデルベースの精錬を組み合わせた半自動のアノテーションパイプラインが使用されました.
• 訓練と内部検証のために15のセンターから2000人の被験者 (1000人の健康な対照群,1000人のAD患者) の大規模なデータセットが使用され,さらに3つのセンターから外部検証が行われました.

主要な成果:

• 半自動セグメンテーションは,0.88を超えるダイズ類似度係数 (DSC) を達成し,トレーニングセットでは0.914,テストセットでは0.896に達しました.
• 内部検証では,カーブ下の面積 (AUC) が0. 905で,優れた性能を示した.
• 外部検証により,モデルの強度が確認され,AUCは0. 835に達した.

結論:

• ディープラーニングに基づく 半自動化されたアプローチは 桃体-海馬の認識精度を大幅に改善します
• このAIモデルは アルツハイマー病の評価と診断の改善に 期待を寄せています
• 開発されたモデルは,ADのAI駆動のヘルスケアソリューションで臨床応用の可能性があります.