Optimal Transport Features for Morphometric Population Analysis

要約

脳の病理は、しばしば組織の部分的または全体的な喪失として現れる。多くの神経画像研究の目的は、疾患の進行など、関心のある臨床変数に関する組織の変化の場所と量を捕らえることである。形態素解析のアプローチは、臨床的な変数に関連した組織やその他の関心量の分布における局所的な違いを捉える。我々は、不均衡最適輸送に基づく特徴抽出ステップを追加して、モルフォメトリック解析を強化することを提案する。最適輸送の特徴抽出ステップは、空間的に分散した組織欠損を引き起こす病態に対する統計的検出力を高め、空間的ミスアライメントや脳のトポロジーの違いによるシフトに対する感度を最小化し、体積差による変化を組織位置による変化から分離する。我々は、アルツハイマー病のOASIS-1研究の体積形態解析の文脈で、提案する最適な輸送特徴抽出ステップを実証する。その結果、提案するアプローチにより、他の方法では測定不可能な組織の変化や違いを特定できることを示す。

要約(オリジナル)

Brain pathologies often manifest as partial or complete loss of tissue. The goal of many neuroimaging studies is to capture the location and amount of tissue changes with respect to a clinical variable of interest, such as disease progression. Morphometric analysis approaches capture local differences in the distribution of tissue or other quantities of interest in relation to a clinical variable. We propose to augment morphometric analysis with an additional feature extraction step based on unbalanced optimal transport. The optimal transport feature extraction step increases statistical power for pathologies that cause spatially dispersed tissue loss, minimizes sensitivity to shifts due to spatial misalignment or differences in brain topology, and separates changes due to volume differences from changes due to tissue location. We demonstrate the proposed optimal transport feature extraction step in the context of a volumetric morphometric analysis of the OASIS-1 study for Alzheimer’s disease. The results demonstrate that the proposed approach can identify tissue changes and differences that are not otherwise measurable.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL