Data-driven identification of diagnostically useful extrastriatal signal in dopamine transporter SPECT using explainable AI

Data-driven identification of diagnostically useful extrastriatal signal in dopamine transporter SPECT using explainable AI

2021.11

Scientific reports

Michael Schroeder & Ralph Buchert groups

I-FP-CIT SPECT 데이터로 파킨슨 병변의 subtype 에 대한 것 구분하려는 논문.

neurodegenerative and non‑neurodegenerative parkinsonian syndromes 을 구분하는데 유용하게 쓰일 것.

뇌의 전체 사진, striatum만, striatum 제외 로 각각 모델 만들어서 예측해 봄.

→ 이 이유는 각각 예측을 해 보았을 때, 전체적인 landscape 을 고려하는 것이 예측에 더 좋았기 때문이고, 생물학적으로도 전체적인 신호가 관련있을 수 있기 때문.

LRP 에서 mean relevance map, mean heatmap 표시해 봄.

Modeling

---

Modeling 자체는 어려운 model 을 사용한 것이 아님. 기본적인 CNN 을 사용한 것으로 보이고, 이미지 processing 은 상당히 직관적으로 각각 세 모델에 대해서 이루어진 것으로 보임.

3D 데이터가 있어서 각 면에 대해서 사용함.

 

modeling.

Convolutional layer 4개 → flatten → FCN 한 다음에 LRP 로 relevance map 계산.

LRP 에 대해서는

Layer-wise Relevance Propagation - 공돌이의 수학정리노트 (angeloyeo.github.io)

참고.