AlzFormer: アルツハイマー病の早期診断のためのビデオベースの時空注意モデル

科学分野:

• 神経画像と人工知能
• 計算神経科学
• 医療診断

背景:

• アルツハイマー病 (AD) の早期かつ正確な診断は介入に不可欠ですが,ゆっくりとした神経変性のために依然として困難です.
• ディープラーニング技術は,医学画像を用いた脳疾患のコンピュータ支援診断において大きな可能性を秘めています.
• 構造磁気共鳴画像 (sMRI) は,神経変性疾患に関連する脳の変化を分析するための貴重なデータを提供します.

研究 の 目的:

• AlzFormerは,AD,軽度の認知障害 (MCI),および認知的に正常な (CN) 個人を複数クラスに分類するために,時空の注意力メカニズムを使用する新しいディープラーニングフレームワークを導入します.
• トランスフォーマーベースのアーキテクチャを活用して,T1重度のMRIボリュームのスライス間連続性をモデリングし,それらを順次入力として処理します.
• sMRIを用いた脳疾患の分類におけるAlzFormerの診断性能と解釈性を評価する.

主な方法:

• 空間時間的な自己注意メカニズムを使用するディープラーニングモデルであるAlzFormerの開発.
• シーケンシャル・インプットとしてT1重度のMRIボリュームを処理し,ビデオフレームと同様のスライスでスライス間の関係を捕捉します.
• アルツハイマー病ニューロ画像イニシアチブ (ADNI) データセットのモデルの微調整と評価,頭蓋骨剥離やMNI空間正常化などの事前処理ステップを含む.

主要な成果:

• AlzFormerは,テストセットで全体の高精度94%を達成しました.
• ADでは0. 94,MCIでは0. 99,CNでは0. 98の優秀なバランスの取れたF1スコアが得られました.
• 0. 98のマクロ平均曲線下領域 (AUC) と,ADに関連する主要な脳領域を強調する注意地図分析が達成されました.

結論:

• AlzFormerは,構造MRIを用いたアルツハイマー病,MCI,およびCNの堅実で解釈可能な分類を示しています.
• トランスフォーマーベースのアーキテクチャは,MRIデータ内の空間と時間の情報を効果的にモデル化し,診断の正確性を向上させます.
• このアプローチは,高度な神経イメージング分析を通じて,早期に信頼性の高い脳疾患の診断を進めるための大きな可能性を秘めています.