GeoSAE: Autoencoder Sparso Guidato dalla Geometria per Modelli Fondamentali di Risonanza Magnetica Cerebrale
GeoSAE è un framework che utilizza un autoencoder sparsoguidato dalla geometria per affrontare il collasso delle caratteristiche all'interno dei livelli profondi del trasformatore dei modelli fondamentali di risonanza magnetica cerebrale. Sfruttando la struttura della varietà appresa dal modello, previene efficacemente il collasso e annota le caratteristiche attraverso correlazioni parziali deconfuse dall'età. Applicato a circa 14.000 scansioni MRI pesate in T1 provenienti dai dataset ADNI e AIBL, GeoSAE identifica con successo un insieme conciso di caratteristiche che predice la conversione da MCI ad AD, raggiungendo un AUC di 0,746 utilizzando solo il 2% delle dimensioni dell'embedding.
Fatti principali
- GeoSAE è un framework di autoencoder sparsoguidato dalla geometria per modelli fondamentali di risonanza magnetica cerebrale.
- Previene il collasso delle caratteristiche nei livelli profondi del trasformatore utilizzando la struttura della varietà appresa dal modello.
- Le caratteristiche sono annotate tramite correlazioni parziali deconfuse dall'età.
- Applicato a circa 14.000 scansioni MRI pesate in T1 dai dataset ADNI e AIBL.
- Predice la conversione da MCI ad AD con AUC 0,746 utilizzando solo il 2% delle dimensioni dell'embedding.
- Gli autoencoder sparsi standard soffrono di un grave collasso delle caratteristiche nei livelli profondi.
- L'età confonde le variabili cliniche nella ricerca sulla malattia di Alzheimer.
- Il framework identifica un insieme compatto e completamente interpretabile di caratteristiche.
Entità
Istituzioni
- Alzheimer's Disease Neuroimaging Initiative (ADNI)
- Australian Imaging Biomarkers and Lifestyle (AIBL)