不变量

使用多尺度多类型特征生成对抗性深度神经网络对结构磁共振图像进行额颞叶痴呆、阿尔茨海默病和正常衰老的鉴别诊断

作为第一大和第三大常见的痴呆症，阿尔茨海默病（AD） ( Association et al., 2011 ) 和额颞叶痴呆（FTD） ( Bang et al., 2015 ) 经常被误认为是彼此。这是由于它们在临床表现、认知领域障碍、脑萎缩以及语言能力、行为和人格的进行性改变方面具有相似性（ Neary et al., 2005; Alladi et al., 2007; Womack et al., 2011 ）。尽管在建立完善的临床鉴别诊断指南方面付出了巨大努力，但诊断的准确性仍然不令人满意。具体而言，当使用 NINCDS-ADRDA 标准（ Neary et al., 1998 ）进行诊断时，区分 AD 患者和 FTD 患者的灵敏度可高达 93%；然而，由于大多数 FTD 患者也符合 NINCDS-ADRDA 的 AD 标准（Varma 等人，1999 年），因此 FTD 识别的特异性仅为 23%。由于临床实践中需要对不同痴呆亚型应用不同的对症干预治疗（Pasquier，2005 年），因此开发计算机辅助诊断系统以提高这两种痴呆症鉴别诊断的准确性至关重要。在 T1 加权磁共振成像 (MRI) 中观察到的脑萎缩模式已成功用于捕捉人脑的结构变化（Du 等人，2007 年；Davatzikos 等人，2011 年），特别是用于开发可以识别大脑痴呆病理类型的计算系统。已针对 AD 和 FTD 建立了带有 MRI 的计算机辅助诊断系统（Suk 等人，2014 年；Jiskoot 等人，2018 年）。除了与正常衰老进行二元分类外，T1 加权 MRI 还用于 AD 和 FTD 的鉴别诊断，通过区分这两种痴呆症的萎缩模式（例如受影响的区域和变化率）来进行鉴别诊断（Raamana 等人，2014 年）。人们探索了各种结构生物标志物来区分 AD 和 FTD，例如灰质 (GM) 体积减少（Rabinovici 等人，2008 年）、皮质变薄（Du 等人，2007 年）、基于整个大脑 GM 和白质 (WM) 体积分布的高维特征（Davatzikos 等人，2008 年），以及单个结构的萎缩和形状畸形（Looi 等人，2010 年）。之前大多数关于痴呆分类的计算机辅助诊断系统的研究都侧重于二元分类任务，例如 NC vs. FTD、NC vs. AD 或 FTD vs. AD，文献中很少有直接的多类痴呆分类方法。Raamana 等人比较了多种结构特征，例如体积、拉普拉斯不变量和表面位移