LEFF-ViT：脳MRIからの正確なアルツハイマー病分類のための局所強調型ビジョントランスフォーマーフレームワーク

科学分野:

• 医療画像解析
• ヘルスケアにおける人工知能
• 神経科学

背景:

• 早期のアルツハイマー病（AD）診断は、管理と進行遅延のために非常に重要です。
• AD分類の以前の方法には限界があり、特徴量エンジニアリングと学習モデルの進歩が必要とされています。
• ADモデリングと分類の精度を向上させるための新しいアプローチが必要です。

研究 の 目的:

• 正確なアルツハイマー病分類のための新しいAIモデル、LEFF-ViT（局所強調型フィードフォワードビジョントランスフォーマー）を提案すること。
• AD検出の改善のための主要な特徴量エンジニアリング要素としてセグメント化された脳のサブ領域を利用するフレームワークを開発すること。
• 正確な分類のためにMRIデータ内の局所的および大域的な文脈情報のキャプチャを強化すること。

主な方法:

• 深層残差絞り込み型U-Net（De-RIS U-Net）を使用したMRI画像のセグメンテーションにより、白質（WM）、灰白質（GM）、脳脊髄液（CSF）領域を抽出します。
• セグメント化された脳領域から識別的空間特徴を抽出するための新しいDWFE-Netの採用。
• LEFF-ViTモデルにおけるマルチヘッド自己注意と局所強調型フィードフォワードネットワーク（LFFN）を備えたビジョントランスフォーマーの統合。

主要な成果:

• LEFF-ViTモデルは、98.68%の精度、96.45%の感度、98.17%の特異度という高いパフォーマンスメトリクスを達成しました。
• モデルは、Diceスコア96.36%、Jaccard指数92.31%で強力なセグメンテーションパフォーマンスを示しました。
• 提案手法は、複数の評価指標で既存の最先端手法を大幅に上回りました。

結論:

• セグメント化された脳領域と高度なトランスフォーマーアーキテクチャを組み込んだLEFF-ViTモデルは、アルツハイマー病分類のための非常に正確なアプローチを提供します。
• このフレームワークは、ADにおける診断能力の向上のために、特徴量エンジニアリングと深層学習を効果的に活用します。
• この新しい方法論は、アルツハイマー病の早期かつ正確な診断を進歩させる上で大きな可能性を示しています。