توليد الرنين المغناطيسي العكسي باستخدام نماذج الانتشار المصفاة للكشف عن آثار مرض الزهايمر القابلة للتفسير

الملخص لقد حازت نماذج الذكاء الاصطناعي التوليدية في الآونة الأخيرة على اهتمام واسع النطاق مع ظهور طرق قوية مثل الانتشار المستقر وDALL-E وMidJourney. يمكن أن تُنتج آلية التوليد الفريدة لنماذج الانتشار المصفاة صورًا اصطناعية عالية الجودة ويمكنها تعلم التوزيع الأساسي للبيانات المعقدة ذات الأبعاد العالية. بدأت الأبحاث الأخيرة في توسيع هذه النماذج لتشمل البيانات الطبية، وبشكل خاص بيانات تصوير الأعصاب. تعتمد مهام تصوير الأعصاب النموذجية مثل التصنيف التشخيصي ونمذجة التنبؤ غالبًا على أساليب التعلم العميق المعتمدة على الشبكات العصبية الالتفافية (CNNs) ومحولات الرؤية (ViTs)، مع خطوات إضافية تساعد في تفسير النتائج. في ورقتنا، نقوم بتدريب نماذج الانتشار الكامنة الشرطية (LDM) ونماذج الانتشار المصفاة الاحتمالية (DDPM) لتوفير رؤى حول تأثيرات مرض الزهايمر (AD) على تشريح الدماغ على المستوى الفردي. أولاً، قمنا بإنشاء نماذج انتشار يمكنها توليد صور الرنين المغناطيسي الاصطناعية، من خلال تدريبها على مسحات الرنين المغناطيسي ثلاثية الأبعاد T1-weighted الحقيقية، وشبك العملية التوليدية على التشخيص السريري كمتغير سياق. أجرينا تجارب للتغلب على القيود في حجم مجموعة بيانات التدريب، ووقت الحساب، وموارد الذاكرة، مع اختبار أحجام نماذج مختلفة، وآثار التدريب المسبق، ومدة التدريب، ونماذج الانتشار الكامنة. قمنا باختبار جودة العينة من الانتشار الشرطي للمرض باستخدام مقاييس لتقييم الواقعية والتنوع لصور الرنين المغناطيسي الاصطناعية المولدة. كما قمنا بتقييم قدرة نماذج الانتشار على أخذ عينات شرطية لأدمغة الرنين المغناطيسي باستخدام مصنف مرض قائم على CNN ثلاثي الأبعاد بالنسبة لـ MRIs الحقيقية. في تجاربنا، قامت نماذج الانتشار بتوليد بيانات اصطناعية ساعدت في تدريب مصنف AD (باستخدام 500 مسحة تدريب حقيقية فقط) - وزادت من أدائه بأكثر من 3% عند اختباره على مسحات الرنين المغناطيسي الحقيقية. علاوة على ذلك، استخدمنا توجيهًا ضمنيًا خالٍ من المصنف لتعديل شرط مسح مشفر فردي إلى ما يعادله العكسي (يمثل شخصًا صحيًا في نفس العمر والجنس) مع الحفاظ على تفاصيل الصورة الخاصة بالموضوع. من هذه الصورة العكسية (حيث يظهر نفس الشخص بصحة جيدة)، تم إنشاء خريطة مرض شخصية لتحديد التأثيرات المحتملة للمرض على الدماغ. نهجنا يولد بكفاءة بيانات اصطناعية واقعية ومتنوعة، وقد ينشئ خرائط قائمة على الذكاء الاصطناعي قابلة للتفسير لأبحاث علوم الأعصاب وتطبيقات التشخيص السريرية.