GFE-Mamba: Mamba-based AD Multi-modal Progression Assessment via Generative Feature Extraction from MCI

要約

アルツハイマー病（AD）は、しばしば軽度の認知障害（MCI）に由来する進行性の不可逆的な神経変性障害です。
この進行により、記憶喪失が大幅に発生し、患者の生活の質に深刻な影響を与えます。
臨床試験では、MCIの個人に対する早期および標的介入が遅くなるか、ADの進歩を防ぐことさえあることが一貫して示されています。
研究は、正確な医療分類には、詳細な評価尺度や磁気共鳴画像法（MRI）や陽電子放出断層撮影（PET）などの神経画像技術を含む多様なマルチモーダルデータが必要であることを示しています。
ただし、トレーニングのために前述の3つのモダリティを同時に収集すると、大きな課題があります。
これらの困難に取り組むために、生成機能抽出器に設立されたマルチモーダル分類器であるGFE-Mambaを提案します。
この抽出器によって提供される中間特徴は、PETの欠点を補償し、分類器に重度のマルチモーダル融合を実現できます。
MAMBAブロックは、分類器のバックボーンとして、長いシーケンススケール情報から情報を効率的に抽出できるようにします。
MRIおよびPETからのピクセルレベルのバイクロス注意サプリメントピクセルレベルの情報。
私たちは、この異常な進行予測データセットと事前に訓練された抽出装置の重みを開発するための理論的根拠を提供します。
私たちの実験的調査結果は、GFE-MambaモデルがMCIからADへの進行を効果的に予測し、現場でいくつかの主要な方法を上回っていることを明らかにしています。
ソースコードは、https：//github.com/tinysqua/gfe-mambaで入手できます。

要約(オリジナル)

Alzheimer’s Disease (AD) is a progressive, irreversible neurodegenerative disorder that often originates from Mild Cognitive Impairment (MCI). This progression results in significant memory loss and severely affects patients’ quality of life. Clinical trials have consistently shown that early and targeted interventions for individuals with MCI may slow or even prevent the advancement of AD. Research indicates that accurate medical classification requires diverse multimodal data, including detailed assessment scales and neuroimaging techniques like Magnetic Resonance Imaging (MRI) and Positron Emission Tomography (PET). However, simultaneously collecting the aforementioned three modalities for training presents substantial challenges. To tackle these difficulties, we propose GFE-Mamba, a multimodal classifier founded on Generative Feature Extractor. The intermediate features provided by this Extractor can compensate for the shortcomings of PET and achieve profound multimodal fusion in the classifier. The Mamba block, as the backbone of the classifier, enables it to efficiently extract information from long-sequence scale information. Pixel-level Bi-cross Attention supplements pixel-level information from MRI and PET. We provide our rationale for developing this cross-temporal progression prediction dataset and the pre-trained Extractor weights. Our experimental findings reveal that the GFE-Mamba model effectively predicts the progression from MCI to AD and surpasses several leading methods in the field. Our source code is available at https://github.com/Tinysqua/GFE-Mamba.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google