TE-SSL: Time and Event-aware Self Supervised Learning for Alzheimer’s Disease Progression Analysis

要約

アルツハイマー型認知症（AD）は神経変性疾患の分野で最も差し迫った課題の1つであり、その進行分析は疾患の動態を理解し、標的を絞った介入を開発するために極めて重要です。
深層学習と自己教師あり学習 (SSL) を含むさまざまな表現学習戦略の最近の進歩は、医療画像分析の強化に大きな期待を示しており、複雑なデータから意味のあるパターンを抽出する革新的な方法を提供しています。
特に、コンピュータ ビジョンの文献では、監視信号を SSL に組み込むと、追加の関連情報で学習プロセスをガイドすることでモデルのパフォーマンスをさらに向上できることが実証されています。
しかし、疾患進行分析におけるそのような監視信号の応用は、ほとんど解明されていないままである。
このギャップは、イベントとイベント発生までの時間の両方の情報を学習パラダイムに組み込むという固有の課題を考慮すると、特に顕著です。
これに対処するために、私たちは、イベントまでの時間とイベントのデータを監視信号として統合し、学習プロセスを改良する新しいフレームワーク、Time and Even-aware SSL (TE-SSL) を提案します。
生存分析の下流タスクにおける既存の SSL ベースの手法との比較分析では、標準指標全体で優れたパフォーマンスが示されています。

要約(オリジナル)

Alzheimer’s Dementia (AD) represents one of the most pressing challenges in the field of neurodegenerative disorders, with its progression analysis being crucial for understanding disease dynamics and developing targeted interventions. Recent advancements in deep learning and various representation learning strategies, including self-supervised learning (SSL), have shown significant promise in enhancing medical image analysis, providing innovative ways to extract meaningful patterns from complex data. Notably, the computer vision literature has demonstrated that incorporating supervisory signals into SSL can further augment model performance by guiding the learning process with additional relevant information. However, the application of such supervisory signals in the context of disease progression analysis remains largely unexplored. This gap is particularly pronounced given the inherent challenges of incorporating both event and time-to-event information into the learning paradigm. Addressing this, we propose a novel framework, Time and Even-aware SSL (TE-SSL), which integrates time-to-event and event data as supervisory signals to refine the learning process. Our comparative analysis with existing SSL-based methods in the downstream task of survival analysis shows superior performance across standard metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google