Иерархически управляемое графическое изучение контекстуального представления для распознавания нейродегенеративной модели в МРТ.

Нейродегенеративные (ND) заболевания - это аутоиммунные заболевания, которые влияют на центральную нервную систему, включая мозг и спинной мозг. В последние годы глубокое обучение продемонстрировало свой потенциал в области медицинской съемки в диагностических целях. Однако для того, чтобы эти методы были полностью приняты в клинических условиях, они должны достичь высоких показателей и завоевать доверие медицинских специалистов в отношении их интерпретируемости. Таким образом, интерпретируемая модель должна принимать решения на основе клинической информации, как и эксперт по домену. Для достижения этой цели мы представляем интерпретируемого классификатора, посвященного наиболее распространенным аутоиммунным болезням ND. Повреждения, связанные с заболеваниями ND, характеризуются нерегулярным распределением и пространственной зависимостью в различных регионах мозга, что затрудняет традиционные модели для эффективного отражения как местных, так и глобальных связей. Для решения этой проблемы мы представляем < < Остаточную графическую сеть > > , усовершенствованную трансформатором зрения (RG-Vit), которая представляет данные МРТ в виде диаграммы взаимосвязанных патчей. Инкорпорируя остаточные связи в систему GNN, мы сохраняем важнейшие элементы при одновременном содействии эффективной передаче сообщений. Этот подход позволяет преодолеть проблему пространственного разъединения, которая характерна для стандартных патч-методальных методов, и обеспечивает последовательный и учитывающий контекст анализ данных МРТ. Экспериментальные результаты обнаружения множественных склерозов (MS), болезни Паркинсона (PD) и болезни Альцгеймера (AD) показали, что наши показатели последовательности в точности составляют соответственно 98,7%, 99,6% и 99,1%. В совокупном наборе данных для глобальной классификации болезней ND он достиг показателя F1 в 99,2%, что оправдывает его общую применимость.