BrainVAE:探索白质BOLD在临床前阿尔茨海默氏症疾病分类中的作用
Yikang Li1,2, Lyuan Xu1,3, Lianrui Zuo3
1Vanderbilt University Institute of Imaging Science, Vanderbilt University Medical Center, Nashville, TN, United States.
bioRxiv : the preprint server for biology
|June 4, 2025
概括
白质 (WM) BOLD信号有助于检测临床前阿尔茨海默病 (AD). 一个新的AI模型,BrainVAE,有效地使用WM和灰质数据来识别早期AD阶段.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 阿尔茨海默氏症疾病研究研究
背景情况:
- 白质 (WM) BOLD信号,类似于灰质 (GM),在临床前阿尔茨海默病 (AD) 中表现出变化.
- 目前,WM BOLD信号对于早期AD检测的实用性尚未得到充分探索.
研究的目的:
- 开发和评估一种可解释的AI模型,用于使用静止状态fMRI数据对临床前AD进行分类.
- 评估WM和GM BOLD信号在识别临床前AD方面的贡献.
主要方法:
- 开发BrainVAE,一个基于变压器的变化自编码器,具有可解释性功能.
- 与使用WM-only,GM-only和组合WM+GM输入配置的9个替代模型对比BrainVAE的基准测试.
- 执行可解释性分析,以确定有助于分类的关键大脑区域.
主要成果:
- 脑VAE表现出优异的性能,特别是WM+GM输入组合 (准确率=83.42%,F1得分=91.62%).
- 关键的WM捆绑,包括体,体和皮质脊髓,被确定为重要的特征.
- 该车型的性能超过了WM-only和GM-only配置.
结论:
- 整合WM BOLD信号可以从对照对象中提高临床前AD的分类.
- WM BOLD的功能显示了早期检测阿尔茨海默病的巨大潜力.
