基于MRI的阿尔茨海默病的分类使用视觉变压器和时间序列变压器:一个逐步指南.

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:

• 阿尔茨海默病 (AD) 构成了全球重大健康挑战.
• 准确和早期诊断AD对于有效的管理至关重要.
• 结构性大脑磁共振成像 (MRI) 为神经退行提供了宝贵的见解.

研究的目的:

• 开发和验证一种可复制的管道,用于使用结构性大脑MRI对阿尔茨海默病进行分类.
• 借助整合视觉变压器 (ViT) 和时间序列变压器 (TST) 模型的联合变压器架构.
• 在二进制 (AD与正常控制) 和多类 (AD,轻度认知障碍,正常控制) 分类任务中评估框架的性能.

主要方法:

• 开发了一个使用联合变压器架构结合ViT和TST模型的新型管道.
• 预先训练有素的ViT被用于从2DMRI切片中提取特征.
• 使用基于变压器的分类器进行序列建模,以捕获分类的切片间依赖关系.

主要成果:

• 拟议的框架证明了阿尔茨海默病的有效分类.
• 在阿尔茨海默病神经成像计划 (ADNI) 数据集上评估了性能.
• 在轴向,斜面和冠状MRI平面上取得了成功的分类.

结论:

• 开发的可复制管道为阿尔茨海默病从结构性大脑MRI分类提供了一个有希望的方法.
• 联合变压器架构有效地捕获MRI卷内的空间和顺序信息.
• 这种方法有可能改善阿尔茨海默病的早期诊断和监测.