アルツハイマー病診断のためのマルチビュー多モーダル深層学習フレームワーク

はじめに アルツハイマー病（AD）の早期診断は、AD、軽度認知障害（MCI）、認知的に正常な（CN）個体間の高い類似性や、集団の異質性、ラベルノイズ、画像取得の変動などの混乱因子により依然として困難です。MRIやPETなどの多モーダル神経画像技術は補完的情報を提供できますが、現在のアプローチは多モーダル融合と多段階特徴集約に制限があります。方法 当研究では、すべてのAD段階における認識精度を高めるため、新規多モーダル診断フレームワークであるアルツハイマー病マルチビュー多モーダル診断ネットワーク（ADMV-Net）を提案します。具体的には、グローバルセマンティック情報と局所境界情報を融合するための二重経路ハイブリッド畳み込みResNetモジュールを設計し、堅牢な3次元医療画像特徴抽出を可能にします。さらに、グローバル知覚モジュール、多レベル局所クロスモーダル集約ネットワーク、双方向クロスアテンションモジュールからなるマルチビュー融合学習機構を導入し、複数視点から効率的に多モーダル特徴を捉え統合します。加えて、AD病理に強く関連する脳領域を強調する地域興味知覚モジュールも組み込まれています。結果 公開データセットにおける広範な実験により、ADMV-NetはAD対CN分類において94.83%の正確度と95.97%のAUCを達成し、主流手法を大幅に上回りました。本フレームワークは多クラス分類タスクにおいても強力な識別能力と優れた一般化性能を示しています。考察 これらの結果は、ADMV-Netが多モーダルかつマルチビュー情報を効果的に活用し、ADの診断精度を向上させることを示唆しています。グローバル、ローカル、地域特徴を統合することで、アルツハイマー病の早期診断や臨床意思決定支援の有望なツールを提供します。実装コードはhttps://github.com/zhaoxinyu-1/ADMV-Net で公開されています。