[论文解读] Surreal-GAN:Semi-Supervised Representation Learning via GAN for uncovering heterogeneous disease-related imaging patterns

Zhijian Yang, Junhao Wen+1 more|ArXiv.org|May 9, 2022

Machine Learning in Healthcare被引用 6

一句话总结

Surreal-GAN 是一种基于半监督 GAN 的方法，通过潜在变量将健康脑 MRI 数据转换为患者样图像，学习疾病相关影像模式的连续、低维表征（R-index）。它将疾病异质性建模为连续谱而非离散亚型，在阿尔茨海默病中实现了高可解释性和高性能，R-index 与临床生物标志物及认知功能下降密切相关。

ABSTRACT

A plethora of machine learning methods have been applied to imaging data, enabling the construction of clinically relevant imaging signatures of neurological and neuropsychiatric diseases. Oftentimes, such methods don't explicitly model the heterogeneity of disease effects, or approach it via nonlinear models that are not interpretable. Moreover, unsupervised methods may parse heterogeneity that is driven by nuisance confounding factors that affect brain structure or function, rather than heterogeneity relevant to a pathology of interest. On the other hand, semi-supervised clustering methods seek to derive a dichotomous subtype membership, ignoring the truth that disease heterogeneity spatially and temporally extends along a continuum. To address the aforementioned limitations, herein, we propose a novel method, termed Surreal-GAN (Semi-SUpeRvised ReprEsentAtion Learning via GAN). Using cross-sectional imaging data, Surreal-GAN dissects underlying disease-related heterogeneity under the principle of semi-supervised clustering (cluster mappings from normal control to patient), proposes a continuously dimensional representation, and infers the disease severity of patients at individual level along each dimension. The model first learns a transformation function from normal control (CN) domain to the patient (PT) domain with latent variables controlling transformation directions. An inverse mapping function together with regularization on function continuity, pattern orthogonality and monotonicity was also imposed to make sure that the transformation function captures necessarily meaningful imaging patterns with clinical significance. We first validated the model through extensive semi-synthetic experiments, and then demonstrate its potential in capturing biologically plausible imaging patterns in Alzheimer's disease (AD).

研究动机与目标

• 解决现有半监督聚类方法将疾病异质性视为离散亚型而非连续谱的局限性。
• 使用健康对照组作为参考，建模与疾病相关的影像模式，以实现对病理特异性改变的更精确解耦。
• 通过对抗训练和逆映射，学习多个影像模式下疾病严重程度的连续、单调且正交的表征。
• 通过将学习到的 R-index 与阿尔茨海默病中已知的生物标志物和认知测量关联，提升可解释性和临床相关性。

提出的方法

• Surreal-GAN 使用条件 GAN 学习从正常对照（CN）到患者（PT）MRI 数据的变换函数，其中连续潜在变量控制变换方向。
• 引入逆映射函数，结合分解与重建，以确保合成模式可被准确恢复，并用于推断 R-index。
• 正则化项强制函数连续性、模式正交性以及 R-index 的单调性，以确保临床意义明确、非冗余且按严重程度排序的表征。
• 采用双重采样程序和单调性损失，确保 R-index 值增加时沿每条模式的疾病严重程度也随之增加。
• 稀疏性和逆一致性约束进一步引导模型学习有意义、非伪影的模式，而非混淆性变化。
• 通过对抗损失、重建损失和多个正则化项，端到端训练模型，使生成的 PT 数据分布与真实 PT 数据分布对齐。

实验结果

研究问题

• RQ1 半监督 GAN 框架能否从 MRI 数据中学习到连续、可解释且具有临床相关性的疾病异质性影像模式，而非强制划分为离散亚型？
• RQ2 该模型在保持每条维度上疾病严重程度单调性的同时，能否有效解耦多个空间上分离的疾病模式？
• RQ3 所学习的 R-index 与阿尔茨海默病中已建立的临床生物标志物（如 CSF-Aβ、CSF-Tau 和 APOE-E4 状态）的相关程度如何？
• RQ4 与依赖离散聚类或非参考基方法相比，该模型在捕捉细微、弥漫性萎缩模式方面表现如何？

主要发现

• 在半合成数据上，Surreal-GAN 在恢复真实模式和严重程度方面表现优异，仅在极端条件下（如极轻度萎缩，0–20% 体积损失）或病灶区域稀疏时性能略有下降。
• 在 ADNI 阿尔茨海默病数据集上，模型成功识别出两种不同且具有生物学合理性的模式：弥漫性皮层萎缩（与 r₁ 相关）和内侧颞叶萎缩（与 r₂ 相关），均通过视觉和统计验证。
• 两个 R-index 在分类阿尔茨海默病方面的诊断性能与 139 个手动定义的 ROI 相当，展现出极强的判别能力，且维度极低。
• r₁ 与白质病变体积、高血压、执行功能障碍及语言缺陷呈强相关，而 r₂ 更强烈地与 CSF-Tau、pTau 和 APOE-E4 状态相关，表明其具有不同的生物学关联。
• R-index 的单调性和连续性使与临床变量的相关性分析更加可靠，证实其在纵向研究和预后建模中的实用性。
• Surreal-GAN 在五个合成数据集上显著优于五种基线方法，展现出更强的利用 CN 数据作为参考以避免混淆性变化的能力。