PlgFormer:使用统一的CNN转换器架构在sMRI上平行提取AD诊断的局部-全球特征

科学领域:

• 神经成像和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:

• 结构磁共振成像 (sMRI) 对早期阿尔茨海默病 (AD) 诊断至关重要.
• 使用voxels,ROIs或补丁的现有方法在捕获sMRI的全面歧视特征方面存在局限性.
• 这些方法往往专注于本地或全球特征,忽视了协同作用的信息.

研究的目的:

• 根据sMRI提出一种基于AD的先进计算机辅助诊断方法.
• 开发一个模型,PlgFormer,能够从sMRI中提取本地和全球上下文特征.
• 通过自适应地融合多层次功能和适应不同的输入分辨率来提高诊断准确性.

主要方法:

• 开发了PlgFormer,这是一种结合卷积和自我注意机制用于特征提取的新方法.
• 实现了一个功能融合模块,其中有一个门机制,用于对上下文特征的自适应选择.
• 在每个网络阶段内嵌入了一个动态嵌入块,以处理在下采样期间的分辨率变化.

主要成果:

• 在ADNI数据集上实现了高分类准确度:0.9431 (AD与NC),0.8216 (MCI与NC) 和0.6228 (AD与MCI与NC).
• 在XWNI数据集上表现出强的表现:0.9307 (AD与NC),0.8600 (MCI与NC) 和0.8672 (AD与MCI与NC).
• 结果表明,在诊断认知障碍不同阶段时,其准确性和稳定性很高.

结论:

• PlgFormer显示出作为使用sMRI进行AD诊断的可靠和可解释框架的巨大潜力.
• 该方法能够整合本地和全球特征,提高了早期检测的诊断准确性.
• 这些发现支持PlgFormer在支持及时和精确诊断阿尔茨海默病的临床实用性.