PIPNet3D: Interpretable Detection of Alzheimer in MRI Scans

要約

神経画像検査からの情報は、アルツハイマー病などの認知症の診断をサポートするためにますます使用されています。
現在の臨床実践は主に視覚検査と特徴エンジニアリングに基づいていますが、深層学習アプローチを使用して分析を自動化し、新しい画像バイオマーカーを発見することができます。
パーツプロトタイプ ニューラル ネットワーク (PP-NN) は、標準的なブラックボックス モデルの代替品であり、一般的なコンピューター ビジョンにおいて有望な結果を示しています。
PP-NN は、完全に教師なしで学習され、理解しやすい意思決定層と組み合わせられたプロトタイプの画像領域に基づいて推論を行います。
ボリューム画像用の PP-NN である PIPNet3D を紹介します。
私たちは PIPNet3D を構造磁気共鳴画像法 (sMRI) によるアルツハイマー病の臨床診断に応用しています。
私たちは体系的な評価フレームワークの下でプロトタイプの品質を評価し、脳プロトタイプを評価するための機能に基づいた新しい指標を提案し、ドメイン専門家との一貫性を評価するための評価スキームを開発します。
私たちの結果は、PIPNet3D がアルツハイマー病診断のための解釈可能でコンパクトなモデルであり、その推論が医療分野の知識とよく一致していることを示しています。
特に、PIPNet3D は、対応するブラックボックスと同じ精度を達成します。
そして、残りの臨床的に無関係なプロトタイプを意思決定プロセスから削除しても、予測パフォーマンスは低下しません。

要約(オリジナル)

Information from neuroimaging examinations is increasingly used to support diagnoses of dementia, e.g., Alzheimer’s disease. While current clinical practice is mainly based on visual inspection and feature engineering, Deep Learning approaches can be used to automate the analysis and to discover new image-biomarkers. Part-prototype neural networks (PP-NN) are an alternative to standard blackbox models, and have shown promising results in general computer vision. PP-NN’s base their reasoning on prototypical image regions that are learned fully unsupervised, and combined with a simple-to-understand decision layer. We present PIPNet3D, a PP-NN for volumetric images. We apply PIPNet3D to the clinical diagnosis of Alzheimer’s Disease from structural Magnetic Resonance Imaging (sMRI). We assess the quality of prototypes under a systematic evaluation framework, propose new functionally grounded metrics to evaluate brain prototypes and develop an evaluation scheme to assess their coherency with domain experts. Our results show that PIPNet3D is an interpretable, compact model for Alzheimer’s diagnosis with its reasoning well aligned to medical domain knowledge. Notably, PIPNet3D achieves the same accuracy as its blackbox counterpart; and removing the remaining clinically irrelevant prototypes from its decision process does not decrease predictive performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google