用视觉变压器和布罗德曼区域来对大脑SPECT卷进行痴呆症分类的改进

科学领域:

• 人工智能的人工智能
• 医疗成像医学成像
• 神经科学是一个神经科学.

背景情况:

• 痴呆症的分类仍然具有挑战性,需要先进的诊断工具.
• 单光子发射计算机断层扫描 (SPECT) 成像为与痴呆相关的大脑功能提供了洞察力.
• 现有的方法可能不足以准确地区分各种痴呆症亚型.

研究的目的:

• 开发和评估一种基于视觉转换器 (ViT) 的新型模型,用于使用大脑SPECT图像对痴呆症亚型进行分类.
• 为了提高区分阿尔茨海默病,勒维体痴呆症和前性痴呆症与健康对照的准确性.
• 为了利用解剖学大脑结构和多模式的SPECT数据进行增强的分类.

主要方法:

• 一个ViT模型包含多头结构,用于从五个SPECT图像中提取多种特征.
• 使用基于布罗德曼区域的输入补丁来反映大脑的解剖结构.
• 实施交叉注意力机制,以有效地融合提取的特征.

主要成果:

• 在 418 张临床 SPECT 图像上获得了 85.89% 的分类准确度.
• 与之前的痴呆症分类研究相比,表现优越.
• 废弃性研究证实了单个模型组件的贡献,并显示了模型注意力和医生识别的区域之间的对齐.

结论:

• 基于ViT的模型提供了使用SPECT成像进行痴呆症分类的高精度.
• 这种方法有可能有助于早期诊断和治疗痴呆症.
• 未来的工作重点是整合临床患者数据,以进一步提高诊断准确度.