Brain Anatomy Prior Modeling to Forecast Clinical Progression of Cognitive Impairment with Structural MRI

要約

脳構造 MRI は、認知障害 (CI) の将来の進行を評価するために広く使用されています。
これまでの学習ベースの研究では、大規模な公共データベースに膨大な量の構造 MRI が存在する一方で、ラベル付けされたトレーニング データのサイズが小さいという問題が通常ありました。
直感的には、これらの公開 MRI から得られた脳の解剖学的構造を (タスク固有のラベル情報がなくても) 使用して、CI 進行軌道予測を強化できます。
しかし、これまでの研究では、そのような脳の解剖学的構造を利用することはほとんどありませんでした。
この目的を達成するために、本論文は、解剖学的脳構造を探索することにより、小型ターゲットMRIを用いて認知障害の臨床進行を予測するための脳解剖学事前モデリング(BAPM)フレームワークを提案する。
具体的には、BAPM はプレテキスト モデルとダウンストリーム モデルで構成され、脳の解剖学的構造を事前に明示的にモデル化するための共有脳解剖学的ガイド型エンコーダーを備えています。
エンコーダのほかに、プリテキスト モデルには 2 つの補助タスク (つまり、MRI 再構成と脳組織セグメンテーション) 用の 2 つのデコーダも含まれていますが、下流モデルは分類のために予測子に依存しています。
脳解剖学的ガイド付きエンコーダーは、解剖学的事前モデリングの診断ラベルなしで、9,344 個の補助 MRI で口実モデルを使用して事前トレーニングされています。
このエンコーダーをフリーズした状態で、下流モデルは予測のために限定されたターゲット MRI で微調整されます。
448 人の被験者からの T1 強調 MRI を使用した 2 つの CI 関連研究で BAPM を検証します。
実験結果は、いくつかの最先端の方法と比較して、(1) 4 つの CI 進行予測タスク、(2) MR 画像再構成、および (3) 脳組織セグメンテーションにおける BAPM の有効性を示唆しています。

要約(オリジナル)

Brain structural MRI has been widely used to assess the future progression of cognitive impairment (CI). Previous learning-based studies usually suffer from the issue of small-sized labeled training data, while there exist a huge amount of structural MRIs in large-scale public databases. Intuitively, brain anatomical structures derived from these public MRIs (even without task-specific label information) can be used to boost CI progression trajectory prediction. However, previous studies seldom take advantage of such brain anatomy prior. To this end, this paper proposes a brain anatomy prior modeling (BAPM) framework to forecast the clinical progression of cognitive impairment with small-sized target MRIs by exploring anatomical brain structures. Specifically, the BAPM consists of a pretext model and a downstream model, with a shared brain anatomy-guided encoder to model brain anatomy prior explicitly. Besides the encoder, the pretext model also contains two decoders for two auxiliary tasks (i.e., MRI reconstruction and brain tissue segmentation), while the downstream model relies on a predictor for classification. The brain anatomy-guided encoder is pre-trained with the pretext model on 9,344 auxiliary MRIs without diagnostic labels for anatomy prior modeling. With this encoder frozen, the downstream model is then fine-tuned on limited target MRIs for prediction. We validate the BAPM on two CI-related studies with T1-weighted MRIs from 448 subjects. Experimental results suggest the effectiveness of BAPM in (1) four CI progression prediction tasks, (2) MR image reconstruction, and (3) brain tissue segmentation, compared with several state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google