预测从轻度认知障碍转化为阿尔茨海默病的预测,使用视觉变换器和海马体MRI片
René Seiger1, Peter Fierlinger1
1Technical University of Munich, TUM School of Natural Sciences, Physics Department, Garching, Germany.
medRxiv : the preprint server for health sciences
|July 15, 2025
概括
这项研究表明,视觉转换器 (ViTs) 可以预测使用MRI扫描的轻度认知障碍患者的阿尔茨海默病进展. 该模型实现了74%的AUC,有助于对阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 的早期临床决策.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 神经科学和神经学是神经科学和神经学.
背景情况:
- 阿尔茨海默病 (AD) 诊断依赖于识别早期的病理变化.
- 轻度认知障碍 (MCI) 是AD的前体,但并非所有MCI患者都会转化.
- 准确预测MCI转化为AD对于及时干预至关重要.
研究的目的:
- 评估视觉转换器 (ViT) 在分类MCI转换器与非转换器中的有效性.
- 通过预先训练的ViT模型来利用转移学习来预测AD进展.
- 为了评估模型的性能,使用结构性MRI数据,专注于海马区域.
主要方法:
- 使用一个预训练的视觉转换器 (ViT) 模型,对阿尔茨海默病神经成像计划 (ADNI) 数据集进行了微调.
- 从事T1加权的结构性MRI数据来自575名MCI受试者 (299名稳定,276名渐进).
- 输入数据包括海马区域 (灰色和白色物质) 的正常化轴向MRI切片.
主要成果:
- 维特模型实现了0.74 ± 0.02的接收器运行特征曲线 (AUC-ROC) 下的平均面积.
- 分类准确度为0.69 ± 0.03,灵敏度为0.65 ± 0.07和特异性为0.72 ± 0.06.
- 渐进性MCI类的F1分数为0.67±0.04,表明合理的预测性表现.
结论:
- 视觉转换器显示出作为预测MCI转换为AD的可靠工具的潜力.
- 通过ViTs专注于海马区域显示了早期AD检测的前景.
- 这种方法可以支持早期阿尔茨海默病治疗的临床决策.
