マルチモーダルMRIに基づくグループ自己キャリブレーション座標注意ネットワークを用いたアルツハイマー病の早期診断
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Early diagnosis of Alzheimer's disease using a group self-calibrated coordinate attention network based on multimodal MRI
雑誌名：Sci Rep. 2024 Oct 16; 14(1): 24210.
概 要：
本研究では、構造的磁気共鳴画像（sMRI）からの情報抽出に畳み込みニューラルネットワーク（CNN）を用い、機能的磁気共鳴画像（fMRI）や神経心理学的特徴と組み合わせることで、アルツハイマー病（AD）の早期診断を目指しています。従来のCNNは固定サイズの畳み込みカーネルを使用しており、グローバルな特徴を捉えるのが難しいため、AD診断の効果が制限されていました。そこで、マルチモーダルデータを用いたADの精密診断のために、グループ自己キャリブレーション座標注意ネットワーク（GSCANet）を提案しました。このネットワークは、空間的特徴を強化し、フィールドオブビューを拡大するためのモジュールを活用しています。
方 法：
本研究では、GSCANetを用いてAD、早期軽度認知障害（EMCI）、後期軽度認知障害（LMCI）、正常対照（NC）の4クラス分類を行い、78.70%の精度を達成しました。また、AD、MCI、NCの3クラス分類では83.33%の精度を示しました。AD対NCの分類では92.81%、EMCI対LMCIでは84.67%の精度を記録しました。これにより、ADの異なるステージにおける分類性能が向上しました。
結 果：
GSCANetは、ADの早期診断において高い精度を示し、特にAD対NCで92.81%、EMCI対LMCIで84.67%の精度を達成しました。グループ自己キャリブレーションを用いることで特徴の受容フィールドを拡大し、チャネル間および空間間の重要な相互作用を促進しました。
結 論：
GSCANetは、アルツハイマー病のメカニズムに関する洞察を提供し、さまざまな疾患予測へのスケーラビリティを示すことができる有望な手法です。