Detecting Schizophrenia with 3D Structural Brain MRI Using Deep Learning

要約

統合失調症は、脳内に明確な構造変化を引き起こす慢性神経精神障害です。
構造的ニューロイメージングデータセットに適用された深層学習は、疾患関連の変化を検出し、分類と診断の精度を向上させることができると仮定します。
この仮説は、広く利用可能な単一の従来のT1強調MRIスキャンを使用してテストし、そこから標準的な後処理方法を使用して3D全脳構造を抽出しました。
次に、統合失調症患者のT1強調MRIスキャンを使用して、3つのオープンデータセットで深層学習モデルを開発、最適化、評価しました。
提案されたモデルは、3DCNNアーキテクチャを使用して構造MR画像でトレーニングされたベンチマークモデルを上回りました。
私たちのモデルは、統合失調症患者を目に見えない構造的MRIスキャンで健康な対照からほぼ完全に区別することができます（ROC曲線下の面積= 0.987）。
地域分析は、最も予測的な脳領域として皮質下領域と心室を特定しました。
皮質下構造は、人間の認知、情動、社会機能において極めて重要な役割を果たしており、これらの領域の構造異常は統合失調症と関連しています。
私たちの発見は、統合失調症が皮質下の脳構造の広範な変化に関連しており、皮質下の構造情報が診断分類において顕著な特徴を提供することを裏付けています。
一緒に、これらの結果は、統合失調症の診断を改善し、単一の標準的なT1強調脳MRIからその構造的ニューロイメージングシグネチャを識別するディープラーニングの可能性をさらに示しています。

要約(オリジナル)

Schizophrenia is a chronic neuropsychiatric disorder that causes distinct structural alterations within the brain. We hypothesize that deep learning applied to a structural neuroimaging dataset could detect disease-related alteration and improve classification and diagnostic accuracy. We tested this hypothesis using a single, widely available, and conventional T1-weighted MRI scan, from which we extracted the 3D whole-brain structure using standard post-processing methods. A deep learning model was then developed, optimized, and evaluated on three open datasets with T1-weighted MRI scans of patients with schizophrenia. Our proposed model outperformed the benchmark model, which was also trained with structural MR images using a 3D CNN architecture. Our model is capable of almost perfectly (area under the ROC curve = 0.987) distinguishing schizophrenia patients from healthy controls on unseen structural MRI scans. Regional analysis localized subcortical regions and ventricles as the most predictive brain regions. Subcortical structures serve a pivotal role in cognitive, affective, and social functions in humans, and structural abnormalities of these regions have been associated with schizophrenia. Our finding corroborates that schizophrenia is associated with widespread alterations in subcortical brain structure and the subcortical structural information provides prominent features in diagnostic classification. Together, these results further demonstrate the potential of deep learning to improve schizophrenia diagnosis and identify its structural neuroimaging signatures from a single, standard T1-weighted brain MRI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google