使用用于阿尔茨海默病诊断的生成对抗网络从 DTI 建模 Tau 分布

该项目最重要的影响是首次提出一种新型的生成对抗网络 (GAN)，作为一种深度学习架构，可以从大脑 DTI 图像自动生成反映 tau 沉积的合成 PET 图像。 如果成功，该框架将成为最先进的方法来模拟大脑内 tau 积聚和体内分布的刻板模式。

通过 DTI 合成的 tau-PET 图像在无辐射、非侵入性和成本效益方面具有压倒性优势，将有可能作为 PET 检测 tau 负荷的替代方式之一，并可能在可访问性、普遍性和可用性方面优于 PET将来，使其在临床应用中更具吸引力。 一个大的概念转变可能会发生，更喜欢通过 DTI 模拟的全新 tau-PET。

该项目将创建的 DTI 数据驱动的深度学习框架将构成一个准确、稳健、临床适用和可解释的工具，以有效地将受试者分类为 tau 负担阳性和 tau 负担阴性病例，这无疑将有助于临床和研究活动。