Semi-Supervised Diffusion Model for Brain Age Prediction

要約

脳年齢予測モデルは、神経変性疾患の臨床転帰を予測することに成功していますが、より急速に進行する疾患や低品質のデータを伴うタスクには苦労する可能性があります。
パフォーマンスを向上させるために、半教師あり拡散モデルを採用し、低品質の T1w MR 画像で年代と予測年齢の間に 0.83 (p<0.01) の相関関係が得られました。 これは、最先端の非生成手法と競合するものでした。 さらに、我々のモデルによって生成された予測は、筋萎縮性側索硬化症の生存期間と有意に関連していました (r=0.24、p<0.05)。 したがって、私たちのアプローチは、脳年齢予測のタスクに対する拡散ベースのアーキテクチャの価値を示しています。

要約(オリジナル)

Brain age prediction models have succeeded in predicting clinical outcomes in neurodegenerative diseases, but can struggle with tasks involving faster progressing diseases and low quality data. To enhance their performance, we employ a semi-supervised diffusion model, obtaining a 0.83(p<0.01) correlation between chronological and predicted age on low quality T1w MR images. This was competitive with state-of-the-art non-generative methods. Furthermore, the predictions produced by our model were significantly associated with survival length (r=0.24, p<0.05) in Amyotrophic Lateral Sclerosis. Thus, our approach demonstrates the value of diffusion-based architectures for the task of brain age prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google