Efficient Brain Imaging Analysis for Alzheimer’s and Dementia Detection Using Convolution-Derivative Operations

要約

アルツハイマー病 (AD) は進行性の神経変性を特徴とし、人間の脳に有害な構造変化をもたらします。
これらの変化を検出することは、早期診断と疾患の進行に対するタイムリーな介入にとって非常に重要です。
ヤコビアン マップは、ボクセルベースの形態計測 (VBM) における空間正規化から得られ、AD に関連する体積変化の解釈に役立ちます。
ただし、ヤコビアン マップを生成する計算コストにより、臨床での採用は制限されます。
この研究では、代替方法を検討し、計算効率の高い代替方法としてソーベル カーネル角度差分 (SKAD) を提案します。
SKAD は、勾配の局所的な分析を通じて体積変化を定量化するための最適化されたアプローチを提供する微分演算です。
重要な空間領域で勾配振幅の変化を効率的に抽出することにより、この微分演算は地域の体積変動を捕捉します。さまざまな医療データセットに対する SKAD の評価では、同等の精度を維持しながら、ヤコビアン マップより 6.3 倍高速であることが実証されています。
これにより、神経画像研究および臨床実践において効率的かつ競争力のあるアプローチとなります。

要約(オリジナル)

Alzheimer’s disease (AD) is characterized by progressive neurodegeneration and results in detrimental structural changes in human brains. Detecting these changes is crucial for early diagnosis and timely intervention of disease progression. Jacobian maps, derived from spatial normalization in voxel-based morphometry (VBM), have been instrumental in interpreting volume alterations associated with AD. However, the computational cost of generating Jacobian maps limits its clinical adoption. In this study, we explore alternative methods and propose Sobel kernel angle difference (SKAD) as a computationally efficient alternative. SKAD is a derivative operation that offers an optimized approach to quantifying volumetric alterations through localized analysis of the gradients. By efficiently extracting gradient amplitude changes at critical spatial regions, this derivative operation captures regional volume variations Evaluation of SKAD over various medical datasets demonstrates that it is 6.3x faster than Jacobian maps while still maintaining comparable accuracy. This makes it an efficient and competitive approach in neuroimaging research and clinical practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google