MRIソン化を用いたアルツハイマー病検出のためのデュアルストリーム深層学習フレームワーク

科学分野:

• 神経学
• 医用画像処理
• 人工知能

背景:

• アルツハイマー病（AD）は、世界中で数百万人に影響を与える進行性の脳疾患であり、記憶喪失と認知機能低下を特徴としています。
• 磁気共鳴画像法（MRI）は重要な診断ツールですが、現在の方法では主に視覚データを使用しており、他の潜在的な特徴を見落としています。
• 早期介入と患者管理のためには、AD診断を強化する新しい方法を探求することが不可欠です。

研究 の 目的:

• 従来の画像ベースの方法に加えて、アルツハイマー病の診断アプローチとしてのMRIソン化の診断可能性を調査すること。
• 2D MRIスライスとそのオーディオ表現を統合する新しいデュアルストリームマルチモーダルフレームワークを開発および評価すること。

主な方法:

• ガボールフィルタリングとヒルベルト空間充填曲線を使用して2D MRIスライスをオーディオ信号に変換する新しいデュアルストリームマルチモーダルフレームワークが開発されました。
• このフレームワークは、それぞれ畳み込みニューラルネットワーク（CNN）とYAMNetを使用して、画像およびオーディオモダリティを処理しました。
• データ融合は、両方のモダリティからの特徴を組み合わせるためにロジスティック回帰によって達成されました。

主要な成果:

• マルチモーダルフレームワークは、アルツハイマー病（AD）と認知正常（CN）の被験者を区別する上で高い精度（98.2％）を達成しました。
• このシステムは、ADと軽度認知障害（MCI）の間（94％）、およびMCIとCNの被験者の間（93.2％）を区別する上で強力なパフォーマンスを示しました。

結論:

• MRIソン化は、画像データから補完的な診断情報を抽出するための有望な新しい道を提供します。
• このアプローチは、神経疾患における特徴抽出と分類の強化のために、画像データのオーディオ変換の可能性を強調しています。
• 開発されたマルチモーダルフレームワークは、アルツハイマー病診断の精度を向上させる大きな可能性を示しています。