アルツハイマー病の予測のためのイメージトランスフォーマーからの説明可能な双方向エンコーダー表現.
Sheikh Muhammad Saqib1, Mona A Alkhattabi2, Muhammad Amir Khan3
1Department of Computing and Information Technology, Gomal University, Dera Ismail Khan, Pakistan.
Digital health
|February 16, 2026
まとめ
この研究は,MRIスキャンからアルツハイマー病 (AD) の正確な分類のために,画像トランスフォーマー (BEiT) の双方向エンコーダー表現を使用したAIフレームワークを導入します. このモデルは高い精度を達成し,早期診断と介入戦略を支援しました.
科学分野:
- 医療における人工知能
- 神経イメージング分析
- 診断のための機械学習
背景:
- アルツハイマー病 (AD) は進行性神経学的衰退を引き起こし,患者および介護者の認知,行動,生活の質に影響を与えます.
- 早期で正確なADの診断は,効果的な介入戦略の実施に不可欠です.
- 人工知能 (AI) は,ADの検出と分類のための医学的イメージングにおいて有意義な約束を示しています.
研究 の 目的:
- 自動化されたADステージ分類のための説明可能なトランスフォーマーベースのAIフレームワークを開発し,評価する.
- イメージトランスフォーマー (BEiT) の双方向エンコーダー表現を利用して,磁気共鳴画像 (MRI) の脳スキャンを分析する.
- 先進的な機械学習技術を通じてAD診断の精度を高めること.
主な方法:
- 3つの診断グループ (軽度,中度,障害なし) にわたる8511のMRI脳画像のデータセットを使用しました.
- 提案されたAIフレームワーク内の機能抽出器としてBEiTを採用しました.
- クラス不均衡は,合成MRI画像生成とデータ増強のためのグラデーションペナルティを伴うワッサータイン生成対抗ネットワークを使用して対処しました.
主要な成果:
- 96%の優れた分類精度を達成しました.
- 報告された高F1スコア:0.94 (軽度のAD),1.00 (適度なAD),0.95 (ADなし).
- 平均絶対誤差0.0727,コーエンのカッパ0.9451,マシューズの相関係数0.9455,ハミングの損失0.0365.5の平均絶対誤差0.0727,コーエンのカッパ0.9451の平均絶対誤差0.0727,マチューズの相関係数0.9455の平均絶対誤差0.9451,マチューズの相関係数0.9455の平均絶対誤差0.0365.
結論:
- 開発された説明可能なトランスフォーマーベースのフレームワークは,MRIスキャンからADの段階を分類する上で高い有効性を示しています.
- AIモデルのパフォーマンスは,アルツハイマー病の早期かつ正確な診断のための貴重なツールとしての可能性を示しています.
- この研究は,神経変性疾患の評価のための神経イメージングにおいて,BEiTのような高度なAI技術の重要な役割を強調しています.
