OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer’s Disease Diagnosis

要約

アルツハイマー病 (AD) を元に戻すことはできませんが、早期診断は患者の治療とケアに大きな利益をもたらします。
最近の研究では、AD 診断では、すべてのカテゴリが事前に知られているという主な前提、つまり開集合認識問題とは対照的な閉集合分類問題が採用されています。
この仮定は、自然な臨床現場でのモデルの適用を妨げます。
他の分野でも多くのオープンセット認識技術が提案されていますが、1) AD は各段階で同様の症状を示す神経系の変性疾患であり、AD との区別が難しいため、AD の診断に直接使用することは困難です。
2) AD 診断のための多様な戦略は、均一にモデル化することが困難です。
この研究では、診断中の臨床医の懸念に触発され、現実世界の設定で AD 診断に対処するために、異常パターンに基づいたオープンセット認識モデル OpenAPMax を提案します。
OpenAPMax は、まず統計や文献検索を通じて既知の各カテゴリに対する各患者の異常パターンを取得し、患者の異常パターンをクラスタリングし、最後に極値理論 (EVT) を使用して各患者の異常パターンと中心の間の距離をモデル化します。
カテゴリの値を変更し、分類確率を変更します。
最近の開集合認識を使用して提案された方法のパフォーマンスを評価し、最先端の結果が得られます。

要約(オリジナル)

Alzheimer’s disease (AD) cannot be reversed, but early diagnosis will significantly benefit patients’ medical treatment and care. In recent works, AD diagnosis has the primary assumption that all categories are known a prior — a closed-set classification problem, which contrasts with the open-set recognition problem. This assumption hinders the application of the model in natural clinical settings. Although many open-set recognition technologies have been proposed in other fields, they are challenging to use for AD diagnosis directly since 1) AD is a degenerative disease of the nervous system with similar symptoms at each stage, and it is difficult to distinguish from its pre-state, and 2) diversified strategies for AD diagnosis are challenging to model uniformly. In this work, inspired by the concerns of clinicians during diagnosis, we propose an open-set recognition model, OpenAPMax, based on the anomaly pattern to address AD diagnosis in real-world settings. OpenAPMax first obtains the abnormal pattern of each patient relative to each known category through statistics or a literature search, clusters the patients’ abnormal pattern, and finally, uses extreme value theory (EVT) to model the distance between each patient’s abnormal pattern and the center of their category and modify the classification probability. We evaluate the performance of the proposed method with recent open-set recognition, where we obtain state-of-the-art results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google