BRLP

arxiv：2405.03328v1 [cs.cv] 2024年5月6日

摘要。在这项工作中，我们引入了大脑潜流（BRLP），这是一种基于潜在扩散的新型时空疾病进程模型。BRLP旨在预测3D脑MRI上个体水平的疾病的演变。为此任务开发的现有深层生成模型主要是数据驱动的，并且在学习障碍过程中面临挑战。BRLP通过纳入疾病模型的先验知识来提高预测的准确性，从而解决了这些挑战。为实施此功能，我们建议整合一个辅助模型，该模型会渗透到各种大脑区域的体积变化。此外，我们引入了潜在的平均稳定（LAS），这是一种新型技术，可提高预测进展的暂时性一致性。BRLP在一个大型数据集上进行了训练和评估，其中包括来自2,805名受试者的11,730个T1加权脑MRI，并从三个公开可用的纵向阿尔茨海默氏病（AD）研究中收集。在我们的实验中，我们将BRLP产生的MRI扫描与受试者可从受试者提供的实际随访MRI进行了比较。BRLP对现有方法表现出显着改善，与AD相关的大脑区域之间的体积准确性增加了22％，与地面真实扫描相似的图像相似性43％。BRLP在受试者水平上产生条件的3D扫描的能力，以及整合先验知识以提高准确性的新颖性，代表了疾病进展建模的显着进步，开辟了精确医学的新途径。BRLP的代码可在以下链接中获得：https：//github.com/lemuelpuglisi/brlp。