Conditional Score-Based Diffusion Model for Cortical Thickness Trajectory Prediction

要約

アルツハイマー病 (AD) は、人によって進行速度が異なることを特徴とする神経変性疾患であり、皮質厚さ (CTh) の変化がその進行に密接に関連しています。
CTh 軌跡を正確に予測することで、早期診断と介入戦略を大幅に強化し、タイムリーなケアを提供できます。
しかし、これらの研究に不可欠な長期的データは、多くの場合、時間的な希薄性と不完全性を抱えており、疾患の進行を正確にモデル化する上で大きな課題となっています。
既存の方法は制限されており、エントリを欠落したり、CTh の進行について事前に定義された仮定を必要としないデータセットに主に焦点を当てています。
これらの障害を克服するために、年齢、性別、初期診断などの特定のベースライン情報を使用して CTh 軌跡を生成するように特別に設計された条件付きスコアベースの拡散モデルを提案します。
当社の条件付き拡散モデルは、トレーニング段階で利用可能なすべてのデータを利用して、CTh 進行に関する事前の履歴を必要とせず、推論中のベースライン情報のみに基づいて予測を行います。
条件付きスコアベースのモデルを使用した提案された CTh 予測パイプラインの予測精度を、認知的に正常な被験者、軽度の認知障害のある被験者、および AD 被験者で構成されるサブグループについて比較しました。
Bland-Altman 分析では、拡散ベースの予測モデルは、6 ～ 36 か月のグラウンドトゥルース CTh と比較して、95% の狭い信頼区間でバイアスがほぼゼロであることが示されています。
さらに、我々の条件付き拡散モデルは確率的生成的性質を持っているため、複数の実現を通じて患者固有の CTh 予測の不確実性分析を実証しました。

要約(オリジナル)

Alzheimer’s Disease (AD) is a neurodegenerative condition characterized by diverse progression rates among individuals, with changes in cortical thickness (CTh) closely linked to its progression. Accurately forecasting CTh trajectories can significantly enhance early diagnosis and intervention strategies, providing timely care. However, the longitudinal data essential for these studies often suffer from temporal sparsity and incompleteness, presenting substantial challenges in modeling the disease’s progression accurately. Existing methods are limited, focusing primarily on datasets without missing entries or requiring predefined assumptions about CTh progression. To overcome these obstacles, we propose a conditional score-based diffusion model specifically designed to generate CTh trajectories with the given baseline information, such as age, sex, and initial diagnosis. Our conditional diffusion model utilizes all available data during the training phase to make predictions based solely on baseline information during inference without needing prior history about CTh progression. The prediction accuracy of the proposed CTh prediction pipeline using a conditional score-based model was compared for sub-groups consisting of cognitively normal, mild cognitive impairment, and AD subjects. The Bland-Altman analysis shows our diffusion-based prediction model has a near-zero bias with narrow 95% confidential interval compared to the ground-truth CTh in 6-36 months. In addition, our conditional diffusion model has a stochastic generative nature, therefore, we demonstrated an uncertainty analysis of patient-specific CTh prediction through multiple realizations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google