机构名称：
¥ 1.0
摘要。生成逼真的图像以准确预测脑MRI结构的变化可能是临床医生的关键工具。这些应用可以帮助评估患者的结果，并分析如何在个人层面上进行分歧。但是，对此任务进行的现有方法提出了一些局限性。某些方法试图通过将模型调节为患者年龄来直接建模MRI扫描的分布，但他们无法明确捕获大脑结构变化与时间间隔之间的关系，尤其是在年龄不平衡的数据集中。其他方法仅依赖于扫描之间的插值，这限制了其临床应用，因为它们无法预测未来的MRI。为了应对这些挑战，我们提出了一种时间感知的扩散模型（TADM），该模型引入了一种新颖的方法，以准确推断脑MRIS中的进展。TADM了解扫描之间强度差异的结构变化的分布，并将这些变化的预测与初始基线扫描相结合，以生成未来的MRIS。此外，在培训期间，我们建议利用预先训练的脑时代估计值（BAE）来完善模型的训练过程，增强其产生与基线和生成扫描之间预期年龄差距相匹配的准确MRIS的能力。我们的评估对来自OASIS-3数据集的634个主题进行了进行，使用相似性指标和区域尺寸，通过比较3个相关大脑区域的预测和实际随访扫描来计算出来。TADM比现有方法取得了很大的改进，平均区域尺寸误差24％，相似性指标的改善4％。与现有方法相比，这些评估证明了我们模拟颞神经退行性进展的改善。我们认为，我们的方法将显着受益于临床应用，例如预测患者预后或改善患者的治疗方法。我们的代码可在https://github.com/mattialitrico/tadm-temporal--wormal-diffusion-diffusion-model-for-neurodegenerative-progression-progression-on-brain-on-brain-mri
TADM：脑MRI MRI
主要关键词
相关文件推荐
