多模板元信息规范网络用于使用结构性MRI诊断阿尔茨海默病的诊断

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) 对阿尔茨海默病 (AD) 诊断至关重要,它提供了详细的体内脑形态测量.
• 现有的方法不足以解决元数据 (年龄,性别,教育) 对基于sMRI的AD诊断的复杂影响,导致潜在的混效应和偏见.

研究的目的:

• 开发一个新的多模板元信息规范化网络 (MMRN) 以实现更准确的计算机辅助阿尔茨海默病诊断.
• 有效地学习和解脱混的元数据从sMRI数据中的疾病相关特征.

主要方法:

• 在自我监督学习中使用多模板空间转换来增强数据.
• 整合弱监督的元信息学习和相互信息最小化,以规范诊断表示.
• 在大型阿尔茨海默病神经成像计划 (ADNI) 和国家阿尔茨海默病协调中心 (NACC) 队列上验证了MMRN.

主要成果:

• 在阿尔茨海默病的诊断中,MMRN显著超过了最先进的方法.
• 在预测轻度认知障碍 (MCI) 转化方面取得了卓越的表现.
• 在分类正常控制 (NC),MCI和AD阶段方面表现出高准确性.

结论:

• 拟议的MMRN有效地利用元数据来改善阿尔茨海默病的诊断和预测.
• 该方法能够解开混的元数据,这代表了基于神经成像的疾病诊断的重大进步.