Core Concepts
MRIパッチから線条体ドパミントランスポーター取り込み量を予測するための対称的な回帰モデルを提案する。
Abstract
本論文では、パーキンソン病(PD)患者の線条体ドパミントランスポーター(DAT)取り込み量を評価するための新しい手法を提案している。
DAT取り込み量は、SPECT画像を用いて評価されるが、放射線被曝のリスクや高コストが課題となっている。そこで、MRI画像を用いた評価手法が注目されている。
本手法では、右側と左側の黒質パッチをモデルの入力とし、右側と左側の線条体DAT取り込み量を同時に予測する対称的な回帰モデルを提案している。
モデルの入力と出力の対称性を利用することで、特徴表現の学習が改善され、予測精度が向上した。
さらに、対称的なMonteCarlo dropout法を用いて予測の不確実性も推定している。
実験の結果、提案手法は既存手法と比較して、予測精度、特徴表現、不確実性推定の面で優れた性能を示した。
Stats
右側線条体DAT取り込み量の予測誤差(RMSE)は0.8180
左側線条体DAT取り込み量の予測誤差(RMSE)は0.7081
右側線条体DAT取り込み量の予測誤差(MAE)は0.6774
左側線条体DAT取り込み量の予測誤差(MAE)は0.6709
右側線条体DAT取り込み量の相関係数は0.7157
左側線条体DAT取り込み量の相関係数は0.7426
Quotes
"MRIパッチから線条体DAT取り込み量を予測するための対称的な回帰モデルを提案する。"
"対称的なMonteCarlo dropout法を用いて予測の不確実性も推定している。"