终端到终端的自动病理定位用于阿尔茨海默病的诊断使用结构性MRI
Gongpeng Cao1, Manli Zhang1, Yiping Wang1
1Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, No. 10 Xitucheng Road, Haidian District, Beijing, 100876, China.
Computers in biology and medicine
|June 15, 2023
概括
这项研究介绍了AutoLoc,这是使用结构性MRI诊断阿尔茨海默病的自动化框架. 它简化了病理局部化,提高了诊断准确度,并识别了受疾病影响的关键大脑区域.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 结构磁共振成像 (sMRI) 对于评估阿尔茨海默病风险至关重要.
- 在sMRI中定位病理区域对于计算机辅助诊断具有挑战性.
- 目前的方法使用突出地图和单独的训练阶段,使优化变得复杂.
研究的目的:
- 开发一个端到端的自动定位框架 (AutoLoc) 用于阿尔茨海默病的诊断.
- 简化病理局部化,并将其与诊断任务整合起来.
- 为了使本地化和诊断的联合优化使用弱监督的注释.
主要方法:
- 一个高效的病理局部化范式,预测疾病相关区域坐标.
- 使用二线性插值对非可区分的补丁作物的近似计算.
- 通过梯度反向传播,共同优化局部化和诊断任务.
主要成果:
- 在阿尔茨海默氏症疾病分类中达到93.38%的准确性.
- 在预测轻度认知障碍转换方面取得了81.12%的准确性.
- 鉴定出面海马和白球是高度与疾病相关的大脑区域.
结论:
- AutoLoc为阿尔茨海默氏症诊断提供了一个简化和有效的端到端框架.
- 该方法在ADNI和AIBL数据集上表现出卓越的性能.
- 直接定位病理使得痴呆症诊断更准确,更有效.
