Using ResNet to Utilize 4-class T2-FLAIR Slice Classification Based on the Cholinergic Pathways Hyperintensities Scale for Pathological Aging

要約

コリン作動性経路高信号スケール (CHIPS) は、T2-FLAIR 画像におけるコリン作動性白質高信号の程度を評価するために使用される視覚的評価スケールであり、認知症重症度の指標として機能します。
ただし、脳全体を評価するために 4 つの特定のスライスを手動で選択するのは、時間のかかるプロセスです。
私たちの目標は、CHIPS に関連する 4 つのスライスを自動的に識別できる深層学習ベースのモデルを開発することでした。
これを達成するために、ResNet の支援を受けて ADNI T2-FLAIR データセット (N=150) を使用して 4 クラス スライス分類モデル (BSCA) をトレーニングしました。
続いて、ローカル データセット (N=30) でモデルのパフォーマンスをテストしました。
結果は、99.82% の精度と 99.83% の F1 スコアで、モデルの有効性を実証しました。
この成果は、コリン作動性経路に沿った白質ランドマークを含む 4 つの特定の T2-FLAIR スライスの選択を効率化し、自動スクリーニング ツールとしての BSCA の潜在的な影響を強調しています。
臨床医はこのツールを活用して、臨床的認知症発症のリスクを効率的に評価できます。

要約(オリジナル)

The Cholinergic Pathways Hyperintensities Scale (CHIPS) is a visual rating scale used to assess the extent of cholinergic white matter hyperintensities in T2-FLAIR images, serving as an indicator of dementia severity. However, the manual selection of four specific slices for rating throughout the entire brain is a time-consuming process. Our goal was to develop a deep learning-based model capable of automatically identifying the four slices relevant to CHIPS. To achieve this, we trained a 4-class slice classification model (BSCA) using the ADNI T2-FLAIR dataset (N=150) with the assistance of ResNet. Subsequently, we tested the model’s performance on a local dataset (N=30). The results demonstrated the efficacy of our model, with an accuracy of 99.82% and an F1-score of 99.83%. This achievement highlights the potential impact of BSCA as an automatic screening tool, streamlining the selection of four specific T2-FLAIR slices that encompass white matter landmarks along the cholinergic pathways. Clinicians can leverage this tool to assess the risk of clinical dementia development efficiently.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google