(相關(guān)資料圖)

長期以來，阿爾茨海默病（AD）等腦疾病的診斷無法直接依靠人眼判別，基于磁共振成像（MRI）的輔助診斷進展甚微。這是由于大多數(shù)AD分類算法使用較少的訓練數(shù)據(jù)，且數(shù)據(jù)往往來自少數(shù)幾個站點，這意味著分類器在應(yīng)用于其他陌生掃描儀/人群時泛化性和準確率會下降。

近日，中國科學院心理研究所研究員嚴超贛研究組基于遷移學習框架，使用樣本量和多樣性前所未有的磁共振腦影像數(shù)據(jù)集，建立了可實用的基于磁共振結(jié)構(gòu)影像的AD分類器。近日，相關(guān)研究成果在線發(fā)表在Journal of Big Data上。

構(gòu)造泛化性好的深度學習模型需要大量的訓練數(shù)據(jù)。嚴超贛研究組通過申請公開數(shù)據(jù)集，匯集了來自超過217個站點/掃描儀的超5萬名參與者的8.5萬次MRI掃描影像，這是腦影像領(lǐng)域樣本量最大的研究之一。研究組使用深度卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建了基于灰質(zhì)厚度和灰質(zhì)體積指標圖的性別分類器，并提出了“腦性別”的概念。該性別分類器在跨數(shù)據(jù)集交叉驗證上達94.9%的準確率，即模型可以憑借灰質(zhì)體積和灰質(zhì)密度圖以94.9%的正確率預測來自任意站點任意掃描儀任意被試的性別。

進一步，以性別分類器為基準模型，研究基于遷移學習在數(shù)據(jù)集上構(gòu)造了AD分類器，使其在跨站點的交叉驗證中取得了90.9%的正確率，并在三個獨立數(shù)據(jù)集上分別取得了94.5%、93.6%、91.1%的正確率，表現(xiàn)出很強的實用性。研究顯示，直接使用該分類器測試輕度認知障礙（MCI）患者的結(jié)構(gòu)影像樣本，進展為AD的MCI患者被預測為AD的概率（65.2%）是未進展的MCI患者（20.6%）的3倍以上。此外，AD分類器的預測分數(shù)顯示出與疾病嚴重程度的顯著相關(guān)，具有在臨床篩查中實用的潛力。相關(guān)性別分類器和AD分類器已部署到在線測試網(wǎng)站。

未來，嚴超贛研究組將繼續(xù)探索“腦性別”概念在性別群體及腦疾病群體上的應(yīng)用，并進一步提高AD分類器預測疾病進展的能力。該分類器有望使無創(chuàng)無輻射普及率高的磁共振影像，輔助或替代有創(chuàng)有輻射的正電子發(fā)射掃描（PET）檢查，提高AD的早期診斷效率，創(chuàng)造更大的社會價值。

標簽： 阿爾茨海默病 在線測試 磁共振成像