Ordinal Classification with Distance Regularization for Robust Brain Age Prediction

要約

加齢はアルツハイマー病（AD）の主要な危険因子のひとつである。ADを早期に発見することは、効果的な治療を行い、不可逆的な脳の損傷を防ぐために極めて重要である。加齢による構造変化を反映する脳画像から得られる指標である脳年齢は、ADの発症を特定し、疾患リスクを評価し、的を絞った介入を計画する可能性がある。磁気共鳴画像（MRI）スキャンから脳年齢を予測するディープラーニングベースの回帰手法は、最近、非常に高い精度を示している。しかし、これらの手法には平均への回帰効果が内在しており、その結果、若い被験者では脳年齢が過大評価され、高齢の被験者では過小評価されるという系統的なバイアスが生じる。このことは、下流の臨床応用に有効なバイオマーカーとしての予測脳年齢の信頼性を弱める。ここでは、系統的バイアスの問題に対処するために、脳年齢予測タスクを回帰から分類に再定式化する。加齢の軌跡を理解し、縦断的に加齢を監視するためには、年齢から順序情報を保存することが重要であることを認識し、我々は、年齢ラベルの順序を組み込む新しいORdinal Distance Encoded Regularization（ORDER）損失を提案し、年齢関連のパターンを捕捉するモデルの能力を向上させる。広範な実験とアブレーション研究により、このフレームワークが系統的なバイアスを低減し、統計的に有意なマージンをもって最新の手法を上回り、独立したADデータセットにおいて臨床グループ間の微妙な違いをより良く捉えることができることが実証された。我々の実装は https://github.com/jaygshah/Robust-Brain-Age-Prediction で公開されている。

要約(オリジナル)

Age is one of the major known risk factors for Alzheimer’s Disease (AD). Detecting AD early is crucial for effective treatment and preventing irreversible brain damage. Brain age, a measure derived from brain imaging reflecting structural changes due to aging, may have the potential to identify AD onset, assess disease risk, and plan targeted interventions. Deep learning-based regression techniques to predict brain age from magnetic resonance imaging (MRI) scans have shown great accuracy recently. However, these methods are subject to an inherent regression to the mean effect, which causes a systematic bias resulting in an overestimation of brain age in young subjects and underestimation in old subjects. This weakens the reliability of predicted brain age as a valid biomarker for downstream clinical applications. Here, we reformulate the brain age prediction task from regression to classification to address the issue of systematic bias. Recognizing the importance of preserving ordinal information from ages to understand aging trajectory and monitor aging longitudinally, we propose a novel ORdinal Distance Encoded Regularization (ORDER) loss that incorporates the order of age labels, enhancing the model’s ability to capture age-related patterns. Extensive experiments and ablation studies demonstrate that this framework reduces systematic bias, outperforms state-of-art methods by statistically significant margins, and can better capture subtle differences between clinical groups in an independent AD dataset. Our implementation is publicly available at https://github.com/jaygshah/Robust-Brain-Age-Prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL