NeuroAPS-Net：効率的なアルツハイマー病分類のための、神経解剖学に配慮したポイントクラウド表現

arXiv cs.CV / 2026/4/28

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本研究は、3D CNNが計算コスト過大になりがちな状況で、リソース制約下でも効率的にアルツハイマー病（AD）を分類することを課題としている。
T1強調MRIを、Anatomical Priority Sampling（APS）により解剖学的に情報を持つ2Dポイントクラウドへ変換する手法を提案し、神経解剖ラベル付きのADNI-2DPCデータセットを構築した。
NeuroAPS-Netという軽量な幾何学的深層学習モデルを提案し、領域に応じた特徴エンコーディングとROI（関心領域）トークン集約によって解剖学的事前知識を組み込む。
ADNI-2DPCでの実験では、既存のポイントクラウド手法に比べて推論レイテンシとGPUメモリ使用量を大幅に削減しつつ、分類精度は競争力のある結果を示した。
著者らは、解剖学に導かれたポイントクラウド学習が、AD診断においてボクセルベース3D CNNの効率的かつ解釈可能な代替になり得ると述べている。