共同ドメイン適応による高齢うつ病分析の改善:異質構造MRIから学ぶ

科学分野:

• 神経画像は,神経イメージングによるものです.
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 高齢者精神科医の精神医学について

背景:

• 脳MRIによる終末期うつ病 (LLD) の正確な診断は,臨床モニタリングに不可欠です.
• 既存のLLD研究における限られたデータは,モデルの信頼性を損なう.
• 複数の研究におけるMRIデータ取得における異質性は,一般化を妨げています.

研究 の 目的:

• T1加重型MRIを用いたLLD検出のためのコラボレーションドメイン適応 (CDA) フレームワークを提案する.
• 大規模な補助データセットからの知識を活用して,小さなターゲットデータセットでのLLD検出を改善します.
• 異なるMRI取得設定におけるLLD検出モデルの一般化性を高めるため.

主な方法:

• CDAのフレームワークを開発し,グローバル機能のビジョントランスフォーマー (ViT) とローカル機能のコンボリューションニューラルネットワーク (CNN) を統合しました.
• 訓練を受けたViTとCNNのエンコーダーは,公共のコホートから9544のMRIを撮影した.
• 従業員が監督するトレーニング,機能アライメントの微調整,および拡張サンプルで標識されていないターゲットMRIに関する共同トレーニング.

主要な成果:

• CDAフレームワークは,LLD検出における最先端のアプローチと比較して優れたパフォーマンスを示しました.
• 238人のT1加重型MRIでより高い分類精度を達成しました.
• 改善されたクロスドメインの汎用化機能を披露しました.

結論:

• 提案されたCDAフレームワークは,LLD MRI研究におけるデータ制限と異質性を効果的に対処しています.
• CDAは,信頼性と一般化可能なLLD検出のための堅牢なソリューションを提供しています.
• このアプローチは,晩年のうつ病の臨床モニタリングを進めるために有望である.