Patch-based Intuitive Multimodal Prototypes Network (PIMPNet) for Alzheimer’s Disease classification

要約

構造磁気共鳴画像法 (sMRI) などの体積神経画像検査は、アルツハイマー病 (AD) などの認知症の臨床診断をサポートするために日常的に適用されています。
神経放射線科医は、3D sMRI を検査して、全体的および/または局所的な脳萎縮や特徴的な構造の形状変化など、アルツハイマー病による脳形態の異常を検出および監視します。
AD の sMRI を分析するための深層学習 (DL) モデルに基づく診断システムの開発には、研究に対する強い関心が寄せられています。
ただし、sMRI 検査から抽出された解剖学的情報は、AD パターンと通常の老化プロセスによる規則的な変化を区別するために、患者の年齢とともに解釈する必要があります。
これに関連して、部分プロトタイプ ニューラル ネットワークは、設計によって解釈可能なアーキテクチャに DL の計算上の利点を統合し、医療画像アプリケーションで有望な結果を示しました。
我々は、3D sMRI と患者の年齢から AD の 2 項分類に適用される 3D 画像と人口動態の最初の解釈可能なマルチモーダル モデルである PIMPNet を紹介します。
古いプロトタイプは単一モダリティ モデルと比較して予測パフォーマンスを向上させませんが、これはモデルの設計とマルチモーダル プロトタイプ トレーニング プロセスの方向に向けた将来の作業の基礎となります。

要約(オリジナル)

Volumetric neuroimaging examinations like structural Magnetic Resonance Imaging (sMRI) are routinely applied to support the clinical diagnosis of dementia like Alzheimer’s Disease (AD). Neuroradiologists examine 3D sMRI to detect and monitor abnormalities in brain morphology due to AD, like global and/or local brain atrophy and shape alteration of characteristic structures. There is a strong research interest in developing diagnostic systems based on Deep Learning (DL) models to analyse sMRI for AD. However, anatomical information extracted from an sMRI examination needs to be interpreted together with patient’s age to distinguish AD patterns from the regular alteration due to a normal ageing process. In this context, part-prototype neural networks integrate the computational advantages of DL in an interpretable-by-design architecture and showed promising results in medical imaging applications. We present PIMPNet, the first interpretable multimodal model for 3D images and demographics applied to the binary classification of AD from 3D sMRI and patient’s age. Despite age prototypes do not improve predictive performance compared to the single modality model, this lays the foundation for future work in the direction of the model’s design and multimodal prototype training process

arxiv情報

提供元, 利用サービス

arxiv.jp, Google