MT-GNNによる脳形態計測の予測：グラフベース計量テンソル埋め込みによる連続時間でのメッシュ進化

MT-GNNは、グラフニューラルネットワークを用いて脳の形態進化を予測する手法です。連続時間でのメッシュ進化をモデル化します。

• MT-GNNは、グラフベース計量テンソル埋め込みを用いて、連続時間で脳の形態計測のメッシュ進化を予測する。
• このモデルは、患者の過去の複数回のスキャンデータから、任意の将来時点における皮質下構造の形状変化を予測できる。
• 提案手法は、ADNIデータセットの14個の皮質下構造において、他の評価手法よりも全ての予測ホライズンで優れた予測精度を示した。
• MT-GNNは、測地線形状回帰（DCM）やメッシュトランスフォーマー（TransforMesh）などの既存手法よりも高い精度を達成した。
• 予測された計量は、微分可能なAs-Rigid-As-Possibleソルバーによって表面にデコードされ、エンドツーエンドでトレーニングされる。