Identification of Rare Cortical Folding Patterns using Unsupervised Deep Learning

要約

指紋のように、皮質の折り畳みパターンは、一般的な種固有の組織に従っていますが、各脳に固有です。
いくつかの折り畳みパターンは、神経発達障害と関連しています。
ただし、個人差が大きいため、バイオマーカーになる可能性のあるまれな折り畳みパターンの特定は、依然として非常に複雑な作業です。
この論文では、まれな折り畳みパターンを識別し、検出可能な偏差の程度を評価するための新しい教師なしディープ ラーニング アプローチを提案します。
この目的のために、脳の MR 画像を前処理して折りたたみ形態の学習に焦点を当て、ベータ VAE をトレーニングして折りたたみの個人間変動をモデル化します。
潜在空間の検出力と再構成エラーの検出力を、合成ベンチマークと中央溝に関連する 1 つの実際のまれな構成を使用して比較します。
最後に、別の地域にある発達異常に対する方法の一般化を評価します。
私たちの結果は、この方法により、ベータ VAE の生成力に基づいて啓発およびより適切に解釈できる関連する折りたたみ特性のエンコードが可能になることを示唆しています。
潜在空間と再構成エラーは補完的な情報をもたらし、異なる性質のまれなパターンの識別を可能にします。
この方法は、別のデータセットの別の地域にうまく一般化できます。
コードは https://github.com/neurospin-projects/2022_lguillon_rare_folding_detection で入手できます。

要約(オリジナル)

Like fingerprints, cortical folding patterns are unique to each brain even though they follow a general species-specific organization. Some folding patterns have been linked with neurodevelopmental disorders. However, due to the high inter-individual variability, the identification of rare folding patterns that could become biomarkers remains a very complex task. This paper proposes a novel unsupervised deep learning approach to identify rare folding patterns and assess the degree of deviations that can be detected. To this end, we preprocess the brain MR images to focus the learning on the folding morphology and train a beta-VAE to model the inter-individual variability of the folding. We compare the detection power of the latent space and of the reconstruction errors, using synthetic benchmarks and one actual rare configuration related to the central sulcus. Finally, we assess the generalization of our method on a developmental anomaly located in another region. Our results suggest that this method enables encoding relevant folding characteristics that can be enlightened and better interpreted based on the generative power of the beta-VAE. The latent space and the reconstruction errors bring complementary information and enable the identification of rare patterns of different nature. This method generalizes well to a different region on another dataset. Code is available at https://github.com/neurospin-projects/2022_lguillon_rare_folding_detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google