Focal Cortical Dysplasia Type II Detection Using Cross Modality Transfer Learning and Grad-CAM in 3D-CNNs for MRI Analysis

要約

局所皮質異形成（FCD）タイプIIは、薬物耐性てんかんの主な原因であり、しばしば手術でのみ治癒できます。
その臨床的重要性にもかかわらず、FCDの診断は微妙な異常のためにMRIで非常に困難であり、誤診につながります。
この研究では、FCD検出に3D畳み込みニューラルネットワーク（3D-CNNS）の使用を調査し、T1強調およびFLAIR MRIスキャンで構成される170人の被験者（85人のFCD患者と85人のコントロール）のデータセットを使用しています。
特に、クロスモダリティ転送学習と説明可能な人工知能（XAI）技術、特に勾配加重クラスの活性化マッピング（Grad-CAM）から得られる利点を調査します。
ResNetアーキテクチャ（ResNet -18、-34、および-50）が実装され、セグメンテーションタスクから事前に訓練された重みを使用する転送学習戦略を採用しました。
結果は、転送学習が、臨床的に関連する領域にモデルの焦点を評価する新しいヒートスコアメトリックで測定されるように、分類精度（最大80.3％）と解釈可能性を大幅に向上させることを示しています。
ヒートスコアメトリックの改善により、モデルの発作ゾーンのローカリゼーション機能が強調され、AIの予測と臨床的洞察がより近くなります。
これらの結果は、特にFCDなどの診断が困難な病状のために、AIベースの医療診断を進める際のクロスモダリティを含む転送学習の重要性を強調しています。

要約(オリジナル)

Focal cortical dysplasia (FCD) type II is a major cause of drug-resistant epilepsy, often curable only by surgery. Despite its clinical importance, the diagnosis of FCD is very difficult in MRI because of subtle abnormalities, leading to misdiagnosis. This study investigates the use of 3D convolutional neural networks (3D-CNNs) for FCD detection, using a dataset of 170 subjects (85 FCD patients and 85 controls) composed of T1-weighted and FLAIR MRI scans. In particular, it investigates the benefits obtained from cross-modality transfer learning and explainable artificial intelligence (XAI) techniques, in particular Gradient-weighted Class Activation Mapping (Grad-CAM). ResNet architectures (ResNet-18, -34, and -50) were implemented, employing transfer learning strategies that used pre-trained weights from segmentation tasks. Results indicate that transfer learning significantly enhances classification accuracy (up to 80.3%) and interpretability, as measured by a novel Heat-Score metric, which evaluates the model’s focus on clinically relevant regions. Improvements in the Heat-Score metric underscore the model’s seizure zone localization capabilities, bringing AI predictions and clinical insights closer together. These results highlight the importance of transfer learning, including cross-modality, and XAI in advancing AI-based medical diagnostics, especially for difficult-to-diagnose pathologies such as FCD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google