来自MRI的神经成像特征的生成模型和18,000个样本相关数据集
Sai Spandana Chintapalli1,2, Rongguang Wang1,2, Zhijian Yang1,2
1Center for AI and Data Science for Integrated Diagnostics (AI2D), Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, 19104, USA.
Scientific data
|December 5, 2024
概括
生成型模型创建合成大脑MRI数据,以克服隐私问题. 这些合成数据可以改进用于疾病诊断和精准医学的机器学习模型.
科学领域:
- 神经成像是一种神经成像.
- 机器学习 机器学习
- 数据科学数据科学数据科学
背景情况:
- 医疗数据集面临隐私和共享限制,限制机器学习应用程序.
- 大量,多样化的数据集对于开发医疗保健中准确的AI模型至关重要.
- 大脑磁共振成像 (MRI) 数据对于神经学研究至关重要,但面临着数据访问的挑战.
研究的目的:
- 介绍GenMIND,这是一个针对规范性结构性脑成像特征的新型生成模型集合.
- 为了解决访问大型,隐私保护的大脑MRI数据集的限制.
- 用合成数据增强机器学习模型性能,用于疾病诊断和精准医学.
主要方法:
- 从超过4万张脑MRI扫描 (iSTAGING联盟) 的区域体积测量中训练有素的生成模型.
- 将年龄,性别和种族等共变量纳入模型.
- 在成年人寿命 (22-90岁) 中生成了18000个合成大脑MRI样本,并实现了无限的数据生成.
主要成果:
- 生成的合成数据与真实大脑成像数据的分布密切匹配.
- 综合规范数据显著提高了下游机器学习模型的准确性.
- 在疾病分类等任务中观察到更好的表现.
结论:
- GenMIND提供了合成大脑MRI数据的宝贵资源,以克服隐私和访问障碍.
- 生成的数据有效地支持和改进了用于神经学应用的机器学习模型开发.
- 基因MIND及其模型的公开可用性促进了大脑成像和人工智能的更广泛研究.
