Synthesizing Individualized Aging Brains in Health and Disease with Generative Models and Parallel Transport
作者: Jingru Fu, Yuqi Zheng, Neel Dey, Daniel Ferreira, Rodrigo Moreno
发布时间: 2025-03-03
来源: arxiv
研究方向: 医学影像生成与神经退行性疾病研究
主要内容
该研究提出了一种名为InBrainSyn的框架，用于生成个体化的纵向MRI扫描，以模拟阿尔茨海默病（AD）和正常老化过程中的神经退变。InBrainSyn利用生成式深度模板网络学习人群水平的衰老轨迹，并通过并行传输算法进行个性化调整，从而生成与个体大脑图像一致的图像。
主要贡献
1. 提出了InBrainSyn框架，用于生成个体化的纵向MRI扫描。
2. 使用并行传输算法，将人群水平的衰老轨迹应用于个体大脑图像。
3. 利用差分同胚变换确保生成的图像与原始解剖结构一致。
4. 在AD和健康对照组的OASIS-3数据集上进行了评估，证明了InBrainSyn的有效性。
5. 代码和预训练网络将在论文发表时在GitHub上提供。
研究方法
1. 使用深度生成模型学习人群水平的衰老轨迹。
2. 使用并行传输算法将人群水平的衰老轨迹应用于个体大脑图像。
3. 使用差分同胚变换进行图像变换，确保生成的图像与原始解剖结构一致。
4. 在OASIS-3数据集上使用临床评分和MRI扫描进行实验。
5. 使用外部数据集进行泛化评估。
实验结果
实验结果表明，InBrainSyn能够生成与真实MRI扫描相似的个体化纵向扫描，且在AD和正常老化方面均表现出良好的准确性。在疾病过渡案例中，InBrainSyn能够有效地模拟从健康到疾病状态的转变。
未来工作
未来工作将包括：利用生成的合成图像进行下游任务，如数据增强、纵向分割和配准，以及在没有完整纵向数据的情况下促进疾病进展建模。此外，还可以将此方法扩展到AD亚型特定的变化建模。